综述
Survey
王吉豪，王在俊，王乾垒
(中国民用航空飞行学院飞行技术与飞行安全重点实验室，四川广汉618300)
摘
要：在民航飞速发展的同时，空中交通也变得更加复杂、快速、多变，与之相关的种种问题也逐渐显现。同时，作为近几年取得重
大突破的计算机辅助技术，人工智能技术已经广泛地应用于多个领域。人工智能技术与传统的空管相结合，更有利于构建一个更加安全、有序、高效的智能化空中交通管理系统。本文主要从国内外空管发展现状、空管系统对人工智能技术的需求以及人工智能在空管系统的应用几个方面进行综述和分析，最后对人工智能技术在空中交通管理中应用所面临的挑战进行了分析和展望。 关键词：人工智能技术；空管系统；计算机辅助技术中图分类号：TP18
文献标识码:B
文章编号:1003-7241(2021)001-0001-05
The Research Progress on The Application of Artificial Intelligence in Air Traffic Management
WANG Ji -hao,WANG Zai -jun,WANG Qian -lei
(Civil Aviation Flight University of China Key Laboratory of Flight Techniques and Flight Safety,Guanghan 618300China )Abstract:With the rapid development of civil aviation,air traffic becomes more complex,fast and changeable,and various prob-lems related to it is gradually emerged.At the same time,as a major breakthrough in computer aided technology in recent years,artificial intelligence technology is widely applied in many fields.The combination of artificial intelligence technol-ogy and traditional air traffic management is more conducive to the construction of a more secure,orderly and efficient in-telligent air traffic management system.This paper mainly reviews and analyzes the development history of air traffic con-trol at home and abroad,the requirements of air traffic management system for artificial intelligence technology and the applicatio
拖曳声纳n of artificial intelligence in air traffic management system,and finally analyzes and prospects the challenges faced by the application of artificial intelligence technology in air traffic management.
Key words:artificial intelligence technology;air traffic management system;computer aided technology
*基金项目：民航飞行技术与飞行安全科研基地开放基金项目(编号F2018KF06)；2019大学生创新创业训练计划项目(编号S201910624009)收稿日期:2019-09-04
1引言
据2019年全国民航工作会议报告，2018年全年乘坐中国民航航班的旅客人数已经达6.1亿人次，全年起降航班架次已经突破1000万架次，继续保持两位数的增速。民航飞速发展给空管带来了巨大的挑战：空域密度显著提高，空中交通流量急剧增长，已经趋于饱和。空管密度增加和空域多元化造成的复杂态势给传统的人在一线的空管运行模式带来巨大的压力和挑战。因此，对空中资
源进行合理的优化配置尤为重要。
近年，人工智能技术领域的研究取得了全方位突破与发展。技术的发展促进生产力发展，为把握本轮科技发展的机会，我国制定《新一代人工智能发展规划》将人工智能研究确立为国家战略[1]。人工智
能技术在民航业开展了相应的应用：人脸识别技术民航安检方面已经有较成熟的应用，基本实现快速识别判断人员信息，有效提高了安检效率。截止2018年底，由中国科学院重庆绿智能技术研究院联合智慧航安公司研发的“机场安检智能识别系统”已经在国内70家机场618条安检通道示范应用[2]。2019年1月，英国空中导航服务商NATS 在伦敦
1
综述
Survey 《自动化技术与应用》2021年第40卷第1期
希思罗机场开展试验，探索使用人工智能帮助减少航班延误的可能性。人工智能技术应用于空中交通管理，通过分析和整合空天地多维度航空信息资源，完整准确获取信息，广泛安全共享信息、高效科学应用信息、通畅迅速协同信息，有效对航空器感知、监视、指挥，提升空管运行效率、服务品质和管理水平，确保航空安全的前提下实现空管系统智能化发展的新形态。
2国内外空管发展历程
2003年，国际民用航空组织(IACO)提出了全球空管一体化运行的目标。为顺应全球空管一体化的发展，欧洲和美国等航空业发达国家和地区也提出了空管信息化建设战略规划。
2004年，欧洲规划欧洲单一天空空中交通管理研究(SESAR)以星基为基础，实现一体化的通信、导航和监视体系。该计划通过建立数据链网络、伽利略导航卫星系统及雷达联网和广播式自动相关监视系统，实现高空空域的统一协调指挥，最大程度地提高空域安全、容量和效率[3]。
2005年，美国的下一代航空运输系统(NextGen)明确将以网络为中心的设施服务、机场运行和基础设施服务、空中交通管理运行服务、统一态势信息服务、分层自适应安保服务、环境管理服务、安全管理服务及航空器性能管理服务8个方面纳入空管运行体系中，最终实现门到门服务[4]。
2007年民航局颁布《中国民航新一代空中交通管理系统发展总体框架》[5]，规划建设新一代空中交通管理系统(简称NGATM)。系统总体框架包括通信、导航、监视和空中交通管理四个主要部分，由通信、导航、监视和自动化系统、航空气象服务、航空情报服务、综合空管信息处理与服务以及流量管理等8个系统组成。提出其后20年我国民航空中交通管理领域需要研究的关键技术和技术政策，包括有效地管理空中交通、提高空域容量，开展适应新需求的基础设施建设等[6]。
2016年，中国民航借鉴了美国新一代航空系统、欧洲单一天空计划及其他先进国家的空管理念与做法，制定了面向2030年的中国民航空管现代化战略(CAAMS)[7]。同年，民航局制定“民航十三五规划”，提出建设以空中交通管理现代化与绩效型组织为目标的运行机构，全面夯实空管基础设施，全面提升运行精细化水平，全面应用成熟航行新技术，努力实现从被动适应向主动支撑行业发展的战略转
变，提升空管保障服务水平。3空管系统对人工智能技术的需求空管系统本身是一个复杂庞大的系统，涉及航空器、
人员、气象、流量、地形等各种因素。在其向智能化的演
变过程中必将会变成一个结构更加复杂、数据急剧增加、
技术更加庞杂的多维系统。空管系统的空域精细化管
理、流量管理、效率管理等系统的建设、监管、服务等是系
统化的工程，需要逐步建设和发展。管理过程中产生大
量的数据，单纯依靠物理建模分析的传统方法已经不能
应对系统运行的需求。人工智能善于从数据中自学习和
对源域的迁移学习，并对具体数学模型的依赖程度较低，
为突破上述技术瓶颈提供了有效的解决方法[8]。
一方面，安全是民航发展的基础，空管是民航安全保
障的重要组成部分。航空器在航空器、人员、气象、流量、
地形等相关因素的综合保障下运行，其安全受各种因素
的影响。利用人工智能技术，通过对目标、管制指令等进
行图像、语音自主识别、分析，逐步实现智能感知分析、智
能人机交互、智能辅助决策、智能化指挥等，为智慧空管
建设打造智慧化大脑。专家系统辅助下对各航空器安全
运行影响因素研究，发现和避免不安全因素，对民航的安
全发展有积极意义。
另一方面，空管的运行管理产生大量的信息数据，包
括自动化、甚高频通信、航班动态、航行情报、气象信息、
设备运行、空域数据以及各类综合管理数据等[9]。为保障
系统的稳定运行和最优化管理，越来越多的智能设备用
于空管系统中，空管过程中形成类型广、体量大、纬度多
的大数据资源。大数据技术、深度学习等技术在数据的
检测、识别领域具有强大的能力，将其用于空管数据的挖
掘处理具有巨大的应用价值。
“AI+空管”是智慧空管发展的必然选择，也是智慧空
管的重要技术支撑。将人工智能技术应用于空中交通管
理，进行智能化空管数据处理、空域组织与管理、协同流
量管理、繁忙机场运行、基于航迹的运行、多模式间隔管
理、军民联合运行和基于性能的服务的探测与解脱，形成
以机器为主、人员监控的高级智能化模式，建设我国新一
代智能空管。这既可以大幅提升管制工作的效率和精准
程度，降低管制员工作负荷，又可以保障飞行的安全。
4人工智能在空管的具体应用
4.1航空安全
安全是民航发展的基础，空管是民航安全保障的重
要组成部分。从空管的角度看民航的安全发展，保障航
2馈线卡
《自动化技术与应用》2021年第40卷第1期综述
Survey
空器在空中飞行安全的两个主要策略是进行航迹预测和飞行冲突的探测与解脱。
4.1.1航迹预测
精准的航迹预测可以提高空中交通管制的效率，提供及时、最优的解决方案，为航空公司带来直接的经济效益，为飞行安全提供保障。航迹预测的关键是构建出具有强大的数据处理和分析能力的预测模型。根据是否需要对目标运动模型建模，现有航迹预测技术可分为无模和有模两大类[10]。
针对飞行器的航迹预测，文献[11]提出了一种基于灰残差修正理论的目标航迹预测方法，该方法在传统灰模型的基础上引入在线残差修正策略，建立了两种残差修正预测模型，快速更新航迹预测值，该方法具有良好的实用性。文献[12]针对目标航迹预测问题，先用聚类算法将航迹数据聚类提取变化规律，然后利用BP神经网络对目标航迹训练学习，建立航迹预测模型，该模型具有较强的鲁棒性。上述文献[11-12]采用的方法虽然具有模型简单，所需样本数据量少的优点，但由于采用模型较为简单、能力有限，此类方法的预测精度相比而言不算很高，泛化能力弱，因而应用的范围不广泛。文献[11]通过理论推导，利用循环和多层神经网络结构，提出建立一种新的不确定航迹自适应的航迹预测模型。该模型具备两类技术的优点，能够很好地识别出数据中存在的信息，然后据此做出正确有效的预测。
4.1.2飞行冲突探测与解脱
飞行冲突的探测与解脱是提高飞行安全性和效益的关键。依据飞行冲突探测与解脱的方法不同，主要包括专家系统方法、遗传算法和神经网络方法等。
(1)专家系统方法：首先建立空域结构和航班信息两个数据库，然后将两个数据库的信息、冲突的判定方法及航空器的优先级等空中交通管制的规则放在主知识库中，通过实时专家系统来管理知识库和进行基于专家知识的推理，最后通过人机交互界面为管制员提供丰富的辅助信息。此类方法具有及时性、相关性、灵活性、预见性和直观性等优点，但是也要求此决策系统具有机器的高速性、精确性、信息判断的统一性等特点[13]。
(2)遗传算法：文献[14]基于遗传算法提出了一种能快速进行航路寻迹、优化的多目标遗传算法。在改进的遗传算法中采用双染体结构进行编译，通过改变飞行的航向和速度得到一条飞行冲突的解脱航路。这种方法相比于传统的算法更容易到解脱航路，但是由于飞行冲突的描述只是限定在飞行器在同一平面内按指定的速度飞行，而实际情况中飞行器的高度必然会有所差异。
以上飞行冲突管理的方法各有优劣，但优势很难互相弥补，并且在实际的应用中的效果并非像预期的那么好。因此，如果能够将专家系统、遗传算法等技术相互结合或者与其他新技术融合，构建出一种能够实现自判断、自学习和自维护且能大规模应用的飞行冲突管理系统就十分重要了。现有的研究将神经网络模型与粗糙集理论相结合[15]进行飞行冲突的管理，提高飞行冲突的探测与解脱效率。
4.2空管数据信息处理
随着空管系统的扩展和完善，雷达数据、机载数据、气象数据、视频数据和音频数据等各种类型的空
管数据急剧增加，这些空管数据的统计、整理、分析和应用成了亟待解决的问题。航迹的预测、飞行冲突的探测与解脱、安全监控、管制员的指挥和空管系统的效能评估等都离不开精准数据的支持。
以空管自动化的雷达数据处理为例，作为空中交通指挥的一个首要依据，其准确性、实时性及要求其无缝多重覆盖等性能就成为保障飞行安全的重要指标。针对自动化的雷达数据处理，目前大多数学者都采取了数据融合算法。文献[16]提出一种将ADS-B信号与多雷达监视数据融合处理，针对新增ADS-B数据参与融合时出现的目标分裂问题，提出高度过滤、降低航班号权重、设置丢弃阀值的解决方法，具有良好的实用价值。深度学习作为近几年各个领域的研究热点，也可以应用在雷达领域的数据信息处理上。文献[17]就具体介绍了近几年典型的深度学习算法在雷达数据处理中的应用及研究情况，在SAR、HRRP、Micro-Doppler谱图和R-D谱图方面均获得了一定的研究成果，与传统方法相比具有能自动提取深层特征、较高的识别率的优势，但仍有很大提升空间。
5难点及展望
尽管人工智能的研究已经取得了很多显著成果，但是空中交通管理关乎人身安全，在应用中首先要考虑到的是安全问题。我国人工智能技术在空管中的应用也只是处于“可以用”阶段，距离“很好用”还有很大的进步空间。以下几部分仍是今后研究的难点：
(1)系统设计及智能化
空管系统从空中到地面，包括航空器、设备、人员等各方面，从航空作业的准备、执行到完成的全过程都要管
3
综述
Survey 《自动化技术与应用》2021年第40卷第1期
理。所涉及的各方面都对航空安全产生影响，空管系统庞大复杂。空管智能化无可借鉴经验，系统的设计优化难度大，依托现有管理系统探索开展。发展中的人工智能技术并非完美，两相结合的新一代智能空管系统需要合理设计系统，并在应用中逐步优化系统。
(2)系统的安全性
人工智能在实际的应用过程中并不能保证百分之百的稳定性，偶尔也会发生识别偏差、编译不准确等问题，甚至小概率可能会犯低级错误。空管行业是保障飞行安全的一个关键行业，对人工智能技术的稳定性要求极高，因此应用于空中交通管理的人工智能技术研究需要着力突破人工智能技术计算的稳定性。
(3)专业语音识别
由于空地通话专业术语、缩略语和约定俗成的表达多，技术条件(基于小数据的专家系统)不成熟，较长时期内空管的指挥都是以模拟语音为主、数字信息为辅的运行模式[18]，空管指挥的语音识别[19]和指令理解[20]也存在不能实时进行的问题。如何将大数据、深度学习等人工智能新技术运用于空管指挥的实时语音识别是一个亟待解决的问题。
随着人工智能技术和空管系统的不断发展，下面几个方面已经成了未来智能空管的发展趋势：定厚机
(1)系统智能化
随着空中交通工具的数量和智能化水平的提高，进一步实现空中交通管理系统智能化的需求也随之增加，同时还要保证人的参与。把人的作用引入人工智能系统，将人类的智慧与人工智能技术互补融合，会改变我国“人在一线”的空管模式，转变为“机器指挥，人工监督”的运行模式，形成更高级别的智能形态。这也必将在空管系统的构建、规划及运行等领域有着广阔的应用前景。
(2)系统安全
空管是民航安全保障的重要部分，空管系统要求不出差错。实际系统虽然其错误率低，但是仍然存在。新空管系统智能化建立在智能技术和互联网之上。系统的安全性受人工智能技术、系统设计与运行使用、设备的保障等影响，同时系统还受到各种攻击。系统设计和使用过程中不断完善设备的配备，新技术的应用，加强监管，扩大系统的自我纠错与修复能力。
(3)信息准确快速传递
信息是空管运行的重要保障，空管涉及的各种信息的准确性和信息的及时传达的空管是正常运动的基础。这些数据信息快速准确地传递到有需要的工作人员手中显得尤为关键。针对这一问题，在航空系统各参与方的信息系统之上建立信息共享平台，建立一个全信息管理系统，将有助于实现数据信息的快速流通，这也是信息化空管的发展趋势。
(4)人员创新能力培养
持续创新需要人员长期的投入，需要培养空管人员的创新能力。空管人员工作量大，工作压力大；工作规范化，突破性思维能力不够。在人员培养中通过模拟训练提高人员整体素质，鼓励持续学习，尤其是工作交流与新技术的学习，建设创新团队，鼓励解决团队中发现的问题，开展相应科学研究和创新活动，提高人员的整体素质和创新能力，适用空管新系统的要求。铜包铝漆包线
6结束语
本文就人工智能在空管系统中的应用展开简单的综述，人工智能作为近几年发展飞速的技术，在民航业中应用将越来越广泛。人工智能技术与空管系统相结合将会构建一个更加安全、有序、高效的智能化空中交通管理系统，更好地为广大人民提供更高水平的服务。
解扰
参考文献:
[1]中华人民共和国国务院.新一代人工智能发展规划[EB/ OL].[2017-07-08].v/zhengce/content/ 2017-07/20/content_5211996.htm.
[2]中国科学院.“机场安检智能识别系统”在国内70家机场应用[EB/OL].[2019-1-14].www.cas/jh/201 901/t20190114_4676859.shtml.
[3]严勇杰，曹罡.下一代空管系统运行概念及其关键技术[J].指挥信息系统与技术,2018,9(3):8-17.
[4]Joint Planning and Development Office.Concept of operations for the next generation air transportation sys-tem[R].Washington DC:Federal Aviation Administration,2007.
[5]陈伟青.民航华东航班信息一体化系统数据接口与协同交换平台的设计与实现[D].上海：复旦大学,2012.
[6]常平.GIS技术在空管系统中的应用[D].广州：华南理工大学,2010.
[7]中国民用航空局空中交通管理局.中国民航现代化空中交通管理系统体系架构:IB-TM-2016-003[R].北京：中国民用航空局空中交通管理局,2016.
[8]杨挺，赵黎媛，王成山.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化,2019,43(1):2-14.
[9]高俊，刘芳子.加快推进我国现代化空管建设步伐[J].民航管理,2018(6):8-13.
(下转第19页)
4
《自动化技术与应用》2021年第40卷第1期控制理论与应用
Control Theory and Applications
换控制[J].计算机应用研究,2018,35(1):208-212.
[2]Nesic D,Teel A R.A Framework for Stabilization of Nonlinear Sampled-Data Systems Based on Their Ap-proximate Discrete-Time Models[J].IEEE Transactions on Automatic Control,2004,49(7):1103-1122.
[3]Y Oishi,H Fujioka.Stability and stabilization of a periodic sampled-data control systems using robust lin-ear matrix inequalities[J].Automatica,2010,46(10):1327-1333.
[4]Liu B,Liu Y,Li W,et al.Modeling and control of networked control systems with random network in-duced delay and packet-dropout[C]//201712th IEEE Conference on Industrial Electronics and Applications(IC-IEA).IEEE,2017.
[5]Obuz S,Klotz J R,Kamalapurkar R,et al.Un-known time-varying input delay compensation for un-certain nonlinear systems[J].Automatica,2017(76):222-229.
[6]Muthukumar P,Arunagirinathan S,Lakshmanan S. Nonfragile Sampled-Data Control for Uncertain Net-worked Control Systems With Additive Time-Varying Delays[J].IEEE Transactions on Cybernetics,2019,49(4): 1512-1523.
mp3机[7]Wu Y,Karimi H R,Lu R.Sampled-Data Control of Network Systems in Industrial Manufacture[J].IEEE Tr-ansactions on Industrial Electronics,2018,65(11):9016-9024.
[8]Li X,Huizhong Y,Feng D.Novel Input-output Re-presentation of Non-uniformly Sampled-data Systems[C] //American Control Conference.IEEE,2016.
[9]W H Chen,W X Zheng.Input-to-state stability for networked control systems via an improved impulsive sy-stem approach[J].Automatica,2011,43(12):789-796.
[10]M C F Donkers,W P M H.Heemels,N Wouw, L Hetel.Stability analysis of networked control systems using a switched linear systems approach[J].IEEE Trans-actions on Automatic Control,2011,56(9):2101-2115.
[11]E Fridman.A refined input delay approach to sampled-data control[J].Automatica,2010,46(2):421-427.
[12]P Naghshtabrizi,J P Hespanha Teel,A R.Expo-nential stability of impulsive systems with application to uncertain sampled-data systems[J].Systems&Control Let-ters,2008,57(5):378-385.
[13] C.Peng and Q.L.Han,A Novel Event-Triggered trans-mission scheme and L2control co-design for sam-pled-data control systems, Automatic Co-ntrol,2013,58(10):2620-2626.
作者简介：曾丽萍（1990-），女，硕士研究生，研究方向：智能信息处理、雷达信号处理、网络控制系统。
作者简介：王吉豪（1996-），男，硕士研究生，研究方向：民航智能化技术应用。
[10]崔亚奇，熊伟，何友.不确定航迹自适应预测模型研究[J].航空学报,2019,40(5):241-250.
[11]邸忆，顾晓辉，龙飞.基于灰残差修正理论的目标航迹预测方法[J].兵工学报,2017,38(3):454-459.
[12]钱夔，周颖，杨柳静，谢荣平，何锡点.基于BP神经网络的空中目标航迹预测模型[J].指挥信息系统与技术,2017,8(3): 54-58.
[13]陶冶.基于智能决策技术的航路段冲突探测与解脱辅助决策专家系统[D].西安：西北工业大学,2006.
[14]赵睿.飞行冲突解脱算法及其仿真系统研究[D].天津：中国民航大学,2014.
[15]李伟岸.基于粗糙集理论和神经网络方法的飞行冲突解脱研究[D].天津：中国民航大学,2018.
[16]肖玉，成捷，贺姿.多雷达与ADS-B数据融合处理方法的研究与优化[J].数字技术与应用,2018,36(8):42-43.
[17]王俊，郑彤，雷鹏，魏少明.深度学习在雷达中的研究综述[J].雷达学报,2018,7(4):395-411.
[18]杨红雨，杨波，武喜萍，余静.智能化空管技术研究与展望[J].工程科学与技术,2018,50(4):12-21.
[19]Amodei D,Ananthanarayanan S,Anubhai R,et al. Deep Speech2:End-to-End Speech Recognition in Eng-lish and Mandarin[C]//Proceedings of the33rd Interna-tional Conference on Machine Learning,ICML2016.New York:International Machine Learning Society(IMLS),2016: 173-182.
[20]Guo D,Tur G,Yih W T,et al.Joint semantic ut-terance classification and slot Filling with recursive neu-ral networks[J].Spoken Language Technology Workshop, 2015,6(3):554-559.
(上接第4页)
19
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议