低空无人机空中交通管理研究*

姚虹翔，叶博嘉，程 予

（1.中国民用航空华东地区空中交通管理局，上海200335；2.南京航空航天大学 民航学院，江苏 南京211106）

随着无人机在民用和通用航空领域潜力的不断挖掘，以及电池、动力、控制和感知技术的快速发展和迭代，无人机的使用场景和性能得到大幅度的扩展与提升。近年来，无人机的续航时间快速提升，操控范围不断扩大，功能模块进一步多样化，已逐步从物流、安防、巡检、农林牧渔等领域向全行业渗透。同时，随着低延迟5G通信技术的逐步商用化，面向无人机行业的应用也使无人机的通信操纵逐渐由视距内遥控向超视距远程遥控发展。全球范围内，无人机的生产与应用正处于蓬勃发展的态势。

目前无人机的飞行高度可覆盖至近万米高空，而其中以飞行高度在1000m以下的低空无人机为主，据统计占无人机总数的99.9%。低空无人机主要使用低空空域，指真高1000m（含）以下的空域。2016年，在促进通航产业发展的指导意见中，政府明确提出改革低空空域并扩大低空空域的开放使用，其空域上限将逐步提高到3000m[1]。2018年发布的《无人驾驶航空器飞行管理暂行条例》，明确将低空无人机作为改革重点[2]。可见，低空无人机在今后使用场景中的出现频率将会得到更进一步地提升。

由于对低空无人机的管理尚处探索阶段，以及低空无人机技术门槛较低、使用场景多样化和飞行控制技术仍不完善的特点，无人机潜在的安全问题逐渐暴露。近年发生的多起不安全事件不仅对地面人员的人身财产安全构成了威胁，同时也影响了空中交通活动的正常运行。为保证低空无人机安全、灵活和高效地运行，亟需同民航飞行器一样，对民用无人机的运行采取适宜的方式进行管理。

本文系统介绍了当前低空无人机运行的背景和现状；对无人机系统交通管理（Unmanned Aircraft System Traffic Management，UTM）的发展和低空无人机的运行环境进行了分析归纳；重点阐述了低空无人机两大关键技术：冲突探测与解脱和航迹规划的研究进展，并在最后对无人机交通管理的未来研究方向进行了总结和展望。

1 低空无人机空中交通管理

现有的低空无人机管理通常延用民用航空的空中交通管理方式，但这已无法应对未来无人机数量的大幅度增长。主要原因有以下三方面：

首先，低空无人机体积较小，空域可容纳无人机架数相比民航更多。而由于载重较少，飞行频次将更为密集，因此同一空域内运行的低空无人机数量较多，使得目前一名管制员服务多架航空器的交通管理模式不再适用；其次，低空无人机飞行高度较低、目标较小，当前民航空中交通管理的通信、导航和监视设备与技术手段难以向这类低空飞行器提供可靠服务。民航通信和信息传输主要使用甚高频或卫星进行通信，难以满足数量较多的无人机通信所需要的带宽。同时，低空无人机飞行高度低，无线电信号受地形和障碍物影响较大，传统的星基导航和雷达监视手段无法满足需求；最后，由于无人机的驾驶员处于地面，缺少有效的飞行态势感知，现有的空中交通服务无法向无人机提供所需的交通信息，使得飞行安全的风险陡增[3]。因此需要研究出符合低空无人机运行特点的空中交通管理方法。

为了加快适应无人机日益增长的飞行需求，同时将无人机的运行融入现有的空中交通管理体系，各机构及研究团队都在开展相应的无人机交通管理研究项目。目前全球无人机系统运行概念（Concept of Operation，ConOps）主要分为无人机系统交通管理（Unmanned Aircraft System Traffic Management，UTM）和城市空中立体交通（Uraban Air Mobility，UAM）。其中，UTM框架主要包括2020年美国国家航空航天局（NASA）制定的UTM运行概念2.0版[4]、2020年欧洲航空安全局的U-Space监管性框架[5]、2019年欧洲单一天空ATM研究的U-Space项目[6]和2018空中客车公司的UTM蓝图[7]。UAM运行概念主要包括2020年NASA的UAM1.0版本[8]、2020年亿航无人机发布的UAM白皮书[9]、2017年德国航空太空中心（DLR）的UAM蓝图[10]，以及2016年优步公司（Uber）提出的天空自动驾驶城市交通计划[11]。现有的UTM和UAM框架主要着眼于与运行有关的基本概念和运行要素，这些框架已为相关从业者和研究人员提供了基础性的解决方案。

新加坡南洋理工大学空中交通管理研究院（NTU Air Traffic Management Research Institute，ATMRI）于2020年介绍了其无人机系统（Unmanned Aircraft Systems，UAS）项目的研究进展。该研究院将目前UAS主要研究分为建设安全高效的城市空域管理系统和无人机空中交通流管理生态系统：在安全高效的城市空域管理系统框架中，空中交通管理部门依然拥有监管权，同时行业运营商能够开展自己的管理运营，并且该框架能够保持一定的灵活度和拓展性以适应未来行业变化，此外能够为多样化的运行提供安全和稳定的空间；无人机空中交通流管理生态系统能够促进无人机技术的成熟，为城市环境中的运行提供积极的平台，并且可利用商业服务开展大规模的无人机运行。

ATMRI将无人机系统的研究分为三大领域：UAS冲突风险与严重性、UAS安全间隔阈值、UAS空中交通空域和流量管理。ATMRI在进行TM-UAS项目的同时[12]，主要对以下方面进行了研究。

空域矩阵化管理概念（AirMatrix Airspace Management Concept），主要思路是将空域划分为边长为15m的立方体，把其中的建筑物和不可用空域标记为红色，只在绿色区域内规划无人机路径。无人机系统侵入机场的风险分析（Risk Analysis of UAS Intruding into Aerodrome），该研究目的是建立机场的风险警告边界。无人机系统碰撞严重性建模（UAS Collision Severity Modeling），其主要对航空器发动机吸入无人机时所造成的损害进行研究，以建立降低机场风险的安全运行阈值。多旋翼无人机的尾流遭遇响应建模（Modeling Wake and Encounter Response of Multirotor UAS），通过软件对尾流建模，为在拥挤的空域中安全有效地运行奠定基础。基于伤害潜能的无人机系统重量阈值（Weight Threshold of UAS based on Injury Potential），通过实验得到不同重量无人机在不同高度时的缩写伤害量（Abbreviated Injury Scal，AIS）。噪音的公共影响（Impact of Noise on Public Perception），为了确保城市无人机运行能被公众接受，需要研究无人机噪音的影响。主要对现有消费级无人机的噪音频率和振幅进行测量，并研究无人机重量与噪音频率和振幅的相关程度。

基于风险的空域和交通流管理（Risk Based Airspace and Traffic Flow Management），主要目的是为无人机系统的运行创建一个积极和智能的生态系统。包括无人机系统运行参与方交通态势交互界面的研发、建立满足基于轨迹运行和自由飞行的灵活空域管理系统、提供无人机运行全飞行阶段的风险评估服务，以及包括4D航迹规划和无人机冲突解脱在内的战略性无人机交通流管理系统。

由于美国对UTM的研究和制定较早，其他国家的无人机交通管理模型大多参考或借鉴UTM的体系结构。可以说，UTM是一个针对低空无人机的通用空中交通管理系统。美国联邦航空局和美国国家航空航天局联合业界和学术界共同开发了一套无人机系统交通管理系统（UTM），主要针对在距地面400英尺范围内和视线之外，不提供传统空中交通服务的无人机。UTM最终将发展成为一个包括身份识别服务、角色和职责划分、信息架构、数据交换协议、软件功能、基础设施和性能要求等在内的管理系统，以解决低空无人机的操作、运行和管理问题。图1为UTM体系结构的示意图[13]。

图1 UTM体系结构示意图

UTM系统是由FAA和以无人机服务提供商（Unmanned Aircraft System Service Supplier，USS）为中心的高度自动化分布式网络组成。USS是由FAA认证的机构，其负责与其他服务提供方交换数据和协调，并对空域内无人机的运行进行管理控制。FAA负责与ATM系统进行空域资源信息的交换与协调。通过这种方式，FAA可保持空域和交通运行监管和约束的权限，并能对各类空域用户提供按需访问的权限。管制员不需要监视空域中的每架无人机，而只需根据空域状态，向UTM发布实时的空域限制，由UTM统一在这些限制范围内安全地管理无人机的运行[14]。

2 低空无人机关键技术

2.1 冲突探测与解脱

碰撞避让涉及无人机间或其与有人机间的冲突探测和解脱。冲突探测主要基于飞行路径预测来确定是否存在飞行冲突。而在判断出现冲突后，无人机需要立即根据设定的解脱方案保证飞行安全。

付其喜等[15]提出了一种基于航向的局部集中双层优化合作式探测解脱方法，采用随机并行梯度下降法得到冲突群的可行解范围，再通过序列二次规划求得最优的航向解脱，可满足在线规划的需要。

张宏宏等[16]提出了一种基于速度障碍法的几何优化方法，根据无人机与障碍物的位置和速度关系确定并判断冲突类型和解脱条件，通过几何分析和理论推导证明所选解脱策略是否有效解决冲突，该优化方法可使单个无人机在融合空域中进行冲突的解脱与航迹恢复。

甄然等[17]针对遗传算法应用于冲突问题时求解较慢的缺点，提出了基于量子遗传算法的冲突解脱策略。通过量子旋转门实现个体进化这一思路，引入延迟指数函数的强制优化策略和改变进程的优化策略。该方法求解速度快、质量高，在无人机冲突解脱中可获得较小的飞行延误。

钱晓鹏等[18]提出了基于“核仁解”的协作式冲突解脱算法，构建基于Agent技术冲突解脱分支模型，得到冲突协商求解策略，建立基于改进遗传算法的最优策略搜索器，该冲突解脱算法可满足冲突解脱过程中的公平性，并实现系统最优。

揭东等[19]提出了基于线性外推法的多机冲突探测预警方法，通过对传统蚁群算法冲突简化模型的优化，加入调速策略、角度信息和排序系统对算法进行了改进，研究表明改进后算法能够给出多机联合解脱路径，且收敛时间和总延误距离均得以减少。

吴学礼等[20]针对互惠速度障碍法进行冲突解脱出现的转弯角度过大的问题，提出了改进速度障碍法，在速度障碍法的基础上，利用几何关系建立数学模型，以两架无人机的相对速度和位置的角度来判断冲突，并用改进的互惠速度障碍法和B样条曲线完成探测解脱和生成平滑路径的过程，研究表明该改进算法具有可行性和有效性。

文献[21]将几何约束与运动学方程相结合，解决了多旋翼无人机的避碰问题。文献[22]提出了一种基于分解一个大型多智能体马尔可夫决策过程的算法，为每架无人机生成短期避让建议。文献[23]提出了一种使用自主无人机的通用且分布式的空中交通控制方案用于密集交通情况。文献[24]对二维和三维开阔空间中的多旋翼无人机密集交通进行了仿真研究。文献[25]将无人机的碰撞规避问题描述为一个马尔科夫决策过程，并使用蒙特卡罗树搜索法求解。

2.2 航迹规划

相比民用航空，低空无人机可用空域较为狭窄，而无人机数量和飞行密度较大，滞空时间有限，因此对其的航迹规划较为重要。无人机的航迹规划指根据飞行需求与环境等条件，得到一条满足飞行性能从起始至目标的最优飞行路径。

目前主要的航迹规划算法分为两类：一类是数值计算方法，包括动态规划算法、梯度法和图论寻优法等；另一类是智能规划算法，如遗传算法、蚁群算法、A*算法等。

李宪强等[26]提出了一种蚁群算法与人工势场算法相结合的路径优化算法。通过在初始信息素分布中引入人工势场，有效地避免了传统蚁群算法陷入局部最优解的缺点，提高了收敛速度。该方法在无人机三维航迹规划问题中验证了有效性。

针对三维复杂场景中无人机自主航迹规划问题，陈朋[27]等人提出了一种基于A*算法和关键飞行点的实时航迹规划方法。通过改进的A*算法启发式函数，找到无碰撞的栅格路径。该方法既保证了实时性，又具有较短的轨迹长度和较高的成功率。

吴文海等[28]提出了一种基于约束差分进化算法的动态路径规划方法，并将此航迹规划视为一个包含飞行约束和威胁约束的优化问题。该方法可以有效地实现静态和动态威胁规避，规划出安全合适的路径。

张启钱等[29]提出了一种针对复杂密集障碍物的避障路径规划方法，基于IOCAD建立了检测模型，针对不规则障碍物设计了无人机路径规划算法。文献[30]为了使无人机在满足实时交通和地理围栏约束的同时执行特定的飞行任务，提出了一种局部路径规划算法。文献[31]基于在UTM空域中飞行的无人机之间通信协议共享的位置和速度信息，提出了一种基于树的实时轨迹规划算法。文献[32]提出了一种基于能量的无人机飞行计划规划方法。文献[33]针对小型无人机提出了一种基于搜索的运动规划方法，来解决具有模型不确定性和视场约束的规划问题。文献[34]通过基于最大熵的反向强化学习方法，从实际空中交通管制运行数据中得到路径规划的代价函数。

3 结束语

综上所述，低空无人机作为未来交通运输的重要组成部分，需要构建全面可靠的管理体系和发展成熟安全的技术支撑。目前各国低空无人机空中交通管理体系的研发均处于起步阶段，无人机的相关技术也正在探索。以低空无人机为代表的低空空域改革可极大提升空域容量，促进交通运输的发展，有利于降低许多行业的人力物力成本。对未来低空无人机交通管理的研究发展，给出三点研究展望。

（1）低空无人机交通管理体系的研发

低空无人机的交通管理属于民航空中交通管理的范畴，但无人机交通网与目前现有的陆空交通运输网络均存在一定差异，传统一对多的空中交通管制手段只会限制无人机的普及速度，无法直接沿用。适应于低空无人机交通管理系统的开发制定将与大数据、人工智能和分布式网络等技术相结合。具备灵活高效的特点，又与现有交通管理框架有效结合的低空无人机交通管理体系已经成为无人机运行管理领域的主要研究方向。

（2）低空无人机通信、导航和监视技术的研究

由于低空无人机“低、慢、小”的特点，传统空中交通管理的通信、导航和监视手段已不能胜任未来的低空运行管理需求。因此，结合基站定位、蜂窝移动数据和视觉导航等新兴技术的无人机通信、导航和监视研究应成为未来研究的重点和热点方向。

（3）低空无人机运行关键技术的研究

在设计低空无人机交通管理体系时，需考虑空域、飞行安全等问题，因此需攻克多个无人机运行的关键技术，其中最重要的就是无人机冲突探测与解脱，以及无人机的航迹规划。若没有这些关键技术的支撑，交通管理体系便存一定的在风险漏洞。这方面的研究已经成为了当前研究的重点方向。