2. 上海华为技术有限公司, 上海 201206;
3. 中国民航科学技术研究院, 北京 100028
2. Shanghai Huawei Technology Co., Ltd., Shanghai 201206, China;
3. China Academy of Civil Aviation Science and Technology, Beijing 100028, China
低空空域原则上是指真高(离地高度)1 000 m(含)以下空域，超低空空域一般是指真高120 m(含)以下空域，主要用于视距飞行高度限制。根据中国民航局2019年第一季度无人机云数据统计：运行高度在120 m以下的无人机占96.5%，1 000 m以下的无人机占据99.9%。
这些年民用无人系统技术发展迅猛，这归功于电池技术和电力推进等技术的进步，无人机自主飞行技术等自动化技术的日趋成熟，以及图像处理器和人工智能处理器的发展。由于无人机的性能得到了极大改进，无人机由视距内人工遥控器操作，发展为超视距内远程网络操作。随着4G移动通信技术的成熟和面向行业应用的5G技术的逐步商用，民用无人机大规模应用离生活也将越来越近。
为了保证安全，民用无人机应该与民航飞行器一样，飞行过程必须接受管理。对于民用飞行器，空中交通管理(Air Traffic Management, ATM)的任务是[1]：“考虑空中及地面系统的运行能力以及经济上的需要，为用户提供空域利用上的最大效能；考虑飞机装备的等级和运行目的的不同，灵活地组织不同用户之间分享空域；保证空中交通管理系统的总效率；向用户提供从起飞到着陆的连续协调、有效服务和管制，确保安全；与国际上协调一致，保证飞越国境顺利进行”。空中交通管理的内容主要包括空中交通服务、空中交通流量管理和空域管理3大部分[1-2]。
现有的适用于民航飞行器运行的空中交通管理方式不能适用于未来数以百万架的无人机。
1) 低空无人机数目多，体积小，执行任务复杂多样。
2) 现行民航空中交通管理的通信、导航和监视技术手段都很难应用于低空目标。民航航空是传统的窄带通信技术，无法满足大量的无人驾驶航空器更大的带宽通信需求；低空无人机的导航技术需要结合基站定位、视觉导航等新兴技术；现有民航的监视技术也难以满足低空轻小无人机的监视需求。
3) 无人机缺乏有效的信息获取手段，难以全面、及时感知规避障碍物，导致空中碰撞的风险增加。除此之外，现有的空中交通管理仍然是20世纪30年代发展起来的管理方式，走的是辅助飞行员驾驶的技术途径；而无人机的驾驶员在地面，所以针对低空无人机交通管理[3]，需结合现有物联网以及信息化技术等，实现更加智能和自动化的交通管理。因此，考虑到支撑技术以及运行安全，根据中国民航局2016年发布的《民用无人驾驶航空器空中交通管理办法》(MD-TM-2016-004)规定，无人机目前被要求在隔离空域飞行。参考国务院、国务院中央军委空中交通管制委员会《无人驾驶航空器飞行管理暂行条例》对轻小微型无人机的适飞空域高度定义以及民航最低安全高度要求，本文主要着重进行低空空域无人机交通管理(Unmanned Aircraft System(UAS) Traffic Management，UTM)的概述，特别是真高300 m(含)以下的空域。
低空无人机交通管理的最终目标是基于不同的地理条件(从农村到城市)和不同的应用目的(从空中监视、设施巡检到物流等)，推动具有不同能力的无人机在低空空域有序飞行，并进一步拓展到载人飞行器等。更具体地说，保持无人机与空中其他飞行器(如：无人机、有人机、自由气球、飞艇等)和障碍物的安全间隔，并提供一个高效和有序的交通流量控制与容量管理。低空无人机交通管理系统是一个复杂的系统，需要根据无人机性能、无人机作业场景等确保无人机操作所需的安全级别。与此同时，低空无人机交通管理也需要与无人机运营服务等协同，内容包含无人机从生产制造信息到飞行使用和产品维修等整个全生命周期过程，涉及无人机、驾驶员、运营人、制造企业等相关体系。低空无人机交通管制，不再是管制员对驾驶员的管制，更多的交通管制功能由后台系统进行自动化的处理。低空无人机空域管理和流量管理，将与实时低空交通流量控制、碰撞检测等进行深度融合。管制员将逐渐转变为运维监视员和系统维护员角色，因此低空无人机交通管理框架可以如图 1所示。
|
| 图 1 无人机交通管理组成框架 Fig. 1 Component framework of UAV traffic management |
无人机空中交通服务包括：空域管理、容量管理、流量管理、空中交通管制、飞行监视(针对消费级无人机)、无人机围栏、飞行情报服务、告警与通知等。与传统民用航空空中交通管制不同，低空无人机的空中交通管制功能将进行简化，部分功能融入到容量管理和流量管理当中，由后台计算机负责。
飞行运营服务包括：运营人管理、驾驶员管理、设备(无人机与遥控器)管理等，更多的无人机运营服务还包括无人机维修服务、充电服务和保险服务等。低空无人机交通管理不包括运营服务，仅包括交通服务，充当着整个空中交通管理的大脑的角色，负责决策。
通信、导航和监控(Communication, Navigation, Surveillance, CNS)功能等基础设施充当着整个无人机交通管理系统的眼睛、耳朵和神经系统，负责态势感知和信息传输。
1) 通信(Communication)。这里通信的目的是为了传输交通管理的信息，包括空对空通信、空对地通信、地对地通信、无人机与无(有)人机之间的通信，无人机与无人机交通服务提供商的通信，无人机交通服务提供商之间的通信等[4]，具体包括4G/5G公网、AeroMACS、专网、卫星、V2X等。针对低空300 m以下空域，考虑到基础设施建设成本，可以采用移动运营商提供的4G/5G公共网络。
2) 导航(Navigation)。无人机在低空飞行需要知道自己的位置等信息，进而知道其他无人机的位置。由于雷达导航部署存在较大困难，容易受到障碍物遮挡等，因此传统民用航空所需的雷达导航并不适用于低空300 m以下空域。针对低空无人机，涉及的技术包括基站定位技术、卫星导航技术、雷达导航、视觉导航和惯导等。特别在卫星导航技术容易受干扰和初期基础设施建设缓慢情况下，建议发展视觉导航技术。
3) 监视(Surveillance)。在低空飞行过程中，无人机的飞行位置和状态信息等需要主动或被动地传送给地面管制单位。主动监视又包含远程网络监视和本地广播监视。目前，民航飞行器进一步将依靠广播式自动相关监视(Automatic Dependent Surveillance-Broadcast, ADS-B)进行发送和接收周围信息。然而，对于民用轻小型及以下的无人机来说，因为其尺寸小、飞得低、数目多，很难用雷达来监控它们；而通过ADS-B等又会对现有民航形成干扰，并且进一步加重ADS-B通信带宽的负荷。由于低空通信组网的最佳方式是采用移动蜂窝网，因此对于低空轻小无人机等，建议采用基于移动蜂窝网发展的、满足更大带宽和速率的C-V2X技术，满足无人机到无人机、无人机到地面监视人员之间的通信。本地广播监视的可靠性较差，接收器很容易被攻击，如果缺乏被动监视进行过滤，很难发现异常，导致接收器/服务器拒绝服务甚至瘫痪。因此，对于轻小型及以下无人机来说，本地广播监视的部署是需要慎重考虑的问题。
1.2 世界各国技术现状目前实施科学的低空无人机空中交通管理已经成为各航空发达国家的共同选择。尽管每个地区使用的术语和组织略有不同，但是无人机交通管理系统在世界各地发展的基本原理和方法非常相似。
1) 美国。美国国家航空航天局(National Aeronautics and Space Administration, NASA)牵头，与美国联邦航空管理局(Federal Aviation Administration, FAA)、工业界、学术界合作共同研制了一套无人机系统交通管理框架UTM[5-6]。UTM是一个非管制的、面向服务的空中交通管理框架，通过授权给民营机构，也就是无人机服务提供商(Unmanned aircraft system Service Supplier, USS)来提供服务。这些机构具有无人机所需服务(包括运营服务和交通服务)的提供能力，能给使用无人机作业的企业提供FAA所不具备的服务。UTM开发将最终确定服务内容、角色/责任、信息架构、数据交换协议、软件功能、基础设施和性能要求，以实现对低空非管制的无人机运行管理，解决低空空域(解决地面以上400英尺(1英尺=0.304 8 m)，约120 m以下的空域)小型无人机的非管制运行。UTM的技术发展分为4个阶段[7]：①第1技术阶段的测试目的在于测试基于接口的网络化运行和信息共享能力；②第2技术阶段[8]的测试目的在于测试超视距、飞行意图分享和地理围栏等能力；③第3技术阶段的测试[9]目的在于测试常态超视距运行、空中机对机防撞和规避静态障碍物等能力；④第4技术阶段的测试[10]目的在于超视距运行、跟踪和定位、规避动态障碍物，以及处理大规模突发事件等能力。
2) 欧洲各国。欧盟委员会和欧洲航空安全局(EASA)提出建立公共无人机飞行系统U-Space[11-12]。U-Space是为了确保大量无人机安全、高效的进入空域，所设计的一套新的数字和自动化服务程序。其理念与无人机交通管理系统UTM相同，U-Space服务提供商提供关键功能，它们都与U-Space系统管理器进行通信。U-Space规定无人机在低空使用，飞行高度不超过150 m，并把无人机分为3类：开放(Open)、特许(Specific)与审定(Certificate)。U-Space系统将自动使用电子身份识别以及地理围栏等工具以确保自主无人机可访问相关信息。其发展分为4步走:①第1步计划于2019年开始提供基础服务，包括电子注册、电子识别和电子围栏；②第2步计划于2022年开始提供初始服务，包括飞行规划、追踪、与传统空管的交互；③第3步计划于2027年提供扩展服务，包括冲突检测、自动监测、避障功能；④第4步计划于2035年开始提供高度自动化、连接性、数字化的全功能服务。
3) 日本。日本UTM协会(Japan UTM，JUTM)和新能源工业技术开发组织(New Energy and Industrial Technology Development Organization, NEDO)共同建立了国家UTM项目[13]。它包括一个飞行情报管理系统(Flight Information Management System, FIMS)、一些无人机服务提供商、一层数据源提供商(Source Data Service Provider, SDSP)和运营商。FIMS管理所有飞行计划，处理紧急警报并提供避免指令。无人机服务提供商位于FIMS与每个运营商之间。JUTM在2017开始了演示。NEDO下开发的个人用户系统在2018年进行了演示，2019年将首次进行全系统演示，2020年将开始实施。
4) 新加坡。新加坡民航局(Civil Aviation Authority of Singapore, CAAS)与新加坡南洋理工大学联办了航空交通管理研究院，并着手研发无人机空管系统TM-UAS[14-15]。目前，TM-UAS已经实现了地理围栏、冲突避免等技术。根据新加坡的城市特点，CAAS研究正着眼于对多架无人机在人口密度极高的城市环境中安全有效的运作。
5) 中国。目前主要有中国民航局飞标司批准的各家无人机云系统以及民航局空管办主导开发的无人机交通管理信息系统。针对民用无人机，现阶段重点解决无人机的主动飞行监视与管控、信息收集和信息分享等，由无人机云系统提供上述功能。无人机云系统通过无人机云交换系统进行信息交互，并集成无人机云交互系统到无人机运行管理(UAS Operation Management, UOM)系统中。无人机云系统提供无人机禁飞区查询、身份识别、数据统计、电子围栏、动态监视、轨迹回放、告警与通知等功能。无人机云交换系统提供飞行信息服务、飞行计划申请、审批、放飞授权等信息交换功能。在2019年初，中国民航局飞标司、适航司和空管办联合发布了《特定类无人机试运行管理规程》(AC-92-01)，针对特定类行业级无人机应用启动无人机空中交通空域管理、流量管理、飞行管制与风险评估等的研究与试点。无人机云系统如何提供空域管理、容量管理、流量控制和避撞等空中交通服务，如何与国家无人机综合监管平台进行协作，还需要进一步研究。
无人机空中交通管理的研发在各国均正处于起步阶段，美国UTM投入早，走在世界各国的前列。在空域划分上，美国拥有非管制的G类空域。航空器在G类空域中飞行时，管制中心不提供空中交通管制服务，飞行安全由飞行员自己负责。该类空域允许航空器包括无人机进行自由飞行。然而，目前中国所有空域都为管制空域，并且中国的低空通信网络主要由政府主导，由移动通信服务提供商提供良好的4G/5G网络。基于这些差别，虽然中国基本服务与美国UTM中的无人机服务提供商提供的服务一致，但在实现上结合中国空域现状和通信基础设施等采取的技术路径不同。中国更适合开展基于集中管理、有序飞行的低空无人机交通管理技术，欧美各国会重点和优先发展碰撞检测与避免技术。无人机交通管理技术的研发与落地，不仅能够满足不断增长的无人机行业应用需求，亦可作为有人机自动化演进的重要技术途径，实现中国航空业的快速发展，成为世界各国进入航空强国的重要途径。
2 低空无人机交通管理首先，本节分析低空无人机交通管理的特殊性。针对无人机交通网特点，介绍无人机交通管理设计要求和设计思路。之后，在空间维度上分别分析和总结目前美国和中国的无人机空中管理框架。最后，在时间维度上介绍无人机飞行过程。
2.1 低空无人机交通管理的特殊性如表 1所示，低空无人机交通与传统民航交通、公路交通、铁路交通等之间存在一定差异，具有一定的特殊性。
| 交通 | 单位区域数量 | 空间维度 | 网络动态变化频度 | 入网申请 | 每天任务重复① | 是否可停留避撞② | 路径规划 |
| 无人机 | 较密集 | 三维 | 高 | 有 | 中 | 可以 | 集中规划+自主 |
| 传统民航 | 稀疏 | 三维 | 低 | 有 | 高 | 一般不能 | 集中规划 |
| 公路 | 密集 | 二维 | 低 | 无 | 低 | 可以 | 偏自主 |
| 铁路 | 较密集 | 二维 | 低 | 有 | 高 | 可以 | 集中规划 |
| 注：①公路的任务重复度从总体上每天近似重复，但是相比其他网络比较低。 ②目前无人机以垂直起降为主，可以悬停；而民航飞行器多以固定翼为主，不能悬停，但能盘旋，但尽量减少这种方式进行避障。 | |||||||
传统的民航空中交通系统基础设施建设依赖政府力量，而管理方式依靠空中交通管制员和飞行员之间的语音通信以及雷达探测。即使依赖人的参与，传统的民航空中交通管理依旧十分复杂[16]。与传统的民航相比，由于无人机的数量庞大，在很小区域内(如10 km2)可以随时扩展到数千架，并共享有限的空域，所以无法使用像传统民航交通管理系统这样的集中通过管制员的方式来进行负载预测和分配。因为无人机的预期交通密度远远超出了当前民航空中交通管理系统的能力，所以必须考虑基于大规模并行计算的分布式解决方案，管理会更具挑战性。另外，民航空中交通系统还在进行平台化和信息化升级，下一代航空运输网(Air Transport Network, ATN)还处于过渡期，自动化系统等级升级过程较长且困难重重[17]。因此，目前传统民航平台不适应低空无人机。除此之外，低空无人机交通呈现很多新特征。针对低空无人机交通的CNS设施都需要面向低空，而低空空域受到低空障碍物等影响。因此，通信组网复杂度、导航可靠性、监视手段也需要更新换代。针对低空无人机，可以考虑采用4G/5G公共移动通信网络、基站定位导航、视觉和无线电监视等新兴技术等。无人机交通服务的飞行器和机场种类也将更加丰富，比如：在城市空中交通中的无人机要求其在城市中完成起降，因此无人机应具备垂直起飞和着陆功能。无人机垂直起降功能可以避免如固定翼飞机所需的长距跑道。这样机场可以分布在区域各个角落，如屋顶或塔台型无人机场，形式简单多样。
与铁路和公路相比，铁路网可以认为是一维空间，公路网是受限二维空间，而无人机运行的空域是三维空间，所以无人机在避障方面更加灵活。与此同时，其坠毁对地面也带来了安全的隐患。因此，必须合理规划空域，并基于低空航路网设计无人机的空中交通管制算法，以确保实现安全的空中交通管制。
除以上提到的特性不同外，低空无人机的突发任务频次远远高于传统民用航空，低空无人机交通网需要保证随时划分航线进而接入无人机，并随时释放临时航线。因此，整个网络的动态变化较高，这与传统民航网、公路网和铁路网都不相同。此外，在单位区域数量、入网申请、任务重复性、是否可停留避撞和路径规划等方面，与传统民航网、公路网和铁路网有些部分相似又不尽相同。综上所述，目前低空无人机交通网并没有合适的现成的交通管理方式。
2.2 低空无人机交通管理设计要求和设计思路基于低空无人机交通的特殊性，低空无人机空中管理系统势必有着独特的要求和框架。
2.2.1 设计要求1) 系统的操作原则
从系统的操作原则上看[11]，无人机空中交通管理系统需要满足：①只有经过认证的无人机和操作员才能在空域内操作；②无人机间应保持距离；③无人机和载人飞行器应保持距离；④无人机、其操作员或支持系统了解空域内的所有限制条件，包括地面上的人、动物和建筑，无人机将保持远离这些限制；⑤公共安全无人机应优先于其他无人机和载人航空。
2) 系统的性能要求
从系统的性能要求上看，需要满足：①可扩展、灵活和适应性强，在管理与民用航空的接口的同时，能够响应需求、数量、技术、商业模式和应用程序的变化；②在无人机运营商的监督下，多个自动无人机可实现高密度飞行；③保证所有用户公平和公正地进入空域；④随时提供具有竞争力和成本效益的服务，支持无人机运营商的商业模式；⑤尽可能利用现有的航空服务和基础设施以及移动通信服务等其他部门的服务，使部署和运营成本降到最低；⑥遵循基于风险和性能的方法，同时尽量减少对环境的影响，尊重公民的隐私，包括数据保护。
3) 系统的服务要求
从飞行功能服务来看[18]，整个系统应该提供：①安全服务，系统健康监测、无人机注册、用户身份验证以及飞行监控；②飞行服务，飞行计划、计划和需求管理(进一步可参考文献[19])、间隔保证(Separation Assurance)及应急管理；③情报服务，空域定义、天气信息、地形和障碍物及交通运行信息。
低空空域按可提供服务分为：管制空域、监视空域和报告空域分类。
1) 管制空域是指为飞行活动提供空中交通管制服务、飞行情报服务、航空气象服务、航空情报服务和告警服务的空域。
2) 监视空域是指为飞行活动提供飞行情报服务、航空气象服务、航空情报服务和告警服务的空域。
3) 报告空域是指为飞行活动提供航空气象服务和告警服务，并根据用户需求提供航空情报服务的空域。
针对低空无人机的飞行服务仍然可以按照上述进行分类，由具有不同能力等级的无人机服务提供商提供不同空域的服务。
2.2.2 设计思路从设计方式来说，分为：战略管理、战术管理、边缘管理和个体管理，它们呈现递进关系，如图 2所示。
|
| 图 2 无人机交通管理设计方式 Fig. 2 Traffic management design of UAV |
1) 战略管理(Strategic Management)。基于地理信息、通信导航监视能力等，设计和规划航路网，解决空域管理问题，并由此得到系统容量(最大容量)。
2) 战术管理(Tactical Management)。结合飞行计划申报，评估对未来一段时间内的可能运行容量，完成飞行计划的审批，解决作业前容量管理。在巡航过程中解决流量控制问题，实现无人机的有序飞行，实现即时运行容量的最大化，防止冲突的发生。在巡航过程中，结合动态电子围栏、临时交通管制等，解决可能发生的碰撞问题。此时，如发生异常，由地面管制员(维护员)代替驾驶员操作无人机将是较好的选择。
3) 边缘管理(Edge Management)。解决区域性(视距范围、无人机与遥控器间点到点通信距离)问题，如机场涉及的起飞与降落(进近)管理，重点解决机场区域的起飞授权、容量控制和起飞降落等问题。由于无人机的驾驶员在地面，在整个飞行过程中，尤其是超视距飞行时保持高可靠的指挥与控制链路是不现实的。因此，无人机驾驶员部署在机场区域。如发生异常情况，通过地面驾驶员本地操作无人机起飞和降落，此时指挥与控制链路的时延大大缩短，可靠性大大提高。
4) 个体管理(Individual Management)。通过机载处理器解决障碍物碰撞问题，包括无人机与无人机之间、无人机与有人机之间、无人机与障碍物之间，采取有效的机载路径规划技术，绕开障碍物，并广播相关信息。
1.2节中提到，由于中国不存在非管制空域，因此从顶层架构上中国应优先发展基于4G/5G联网的战略管理设计、战术管理设计，并结合4G/5G移动边缘计算技术开展边缘管理设计，在5G V2X技术成熟以后再开展个体管理设计(本地广播)。相比下来，由于欧美目前主要焦点在解决无人机的碰撞检测与避免，以及本地监视，采用了与4G/5G不太兼容的低功耗蓝牙(BLE)、专用短程通信技术(DSRC)等技术，在后续会可能限制其低空无人机交通管理的发展。
从飞行时间来说，分为：飞行前、飞行中和飞行后，如图 3所示。
|
| 图 3 无人机交通管理阶段 Fig. 3 UAV traffic management phase |
1) 飞行前(Pre-flight phase)。解决飞行计划申报、航线规划和起飞授权问题。
2) 飞行中(In-flight phase)。解决飞行中的流量管理、碰撞检测与避免、降落等各种问题。
3) 飞行后(Post-flight phase)。分析记录方面以及其他相关的飞行后业务和义务，保险与充电、维修等。
2.2.3 设计内容根据2.2.1节与2.2.2节所述，对无人机的空中交通服务内容包括以下4个方面。
1) 容量管理服务。涉及如下阶段：①计划申报阶段，通过与飞行计划申报相结合，预估整体航路网未来较长一段时间内的半静态容量，对飞行计划进行审批和授权；②起飞阶段(考虑机场)，通过计算当前运行容量，对放飞申请进行授权；③巡航阶段，结合异常情况，交通管制、异常天气、障碍物等实时计算当前机场或者航路运行容量，并触发流量控制；④降落阶段，通过计算区域运行容量，对机场区域无人机进行可靠导航并有序降落。
2) 流量管理服务。涉及巡航阶段：①冲突检测，计算机场或者航路上的飞行器冲突风险；②流量控制，结合冲突风险、运行容量、航空管制等调整飞行器的运行速度、航线等；③保持飞行器之间的最优飞行间隔，完成飞行计划。
3) 碰撞检测与避撞服务。涉及起飞、巡航和降落阶段：①碰撞检测，通过机载或者地面检测到的异常信息发起交通管制(结合动态电子围栏)；②通过机载路径规划防碰撞系统绕过障碍物；③通过机载V2V(Vehicle to Vehicle)系统广播碰撞告警信息。
4) 空中交通管制服务。通过人工介入，解决突发交通问题和飞行管制等，不再提供传统民航的程序管制服务等功能。
低空无人机空中交通服务受限于所采用的移动通信技术。低空移动通信网络的服务质量(Quantity of Service, QoS)将大大影响低空交通服务的能力。因此，低空无人机交通服务提供商需要向移动网络运营商定制所需的通信能力(如低空网络覆盖等)，并结合通信网络实时质量，采取相应的容量管理和流量管理等手段。
2.3 低空无人机交通管理系统框架为了解决民航空中交通系统的弊端和发挥工业界的力量，世界各国都提出了自己的无人机交通管理系统框架。这里主要介绍美国NASA主导提出的UTM框架[5-6]，世界各地的无人机空中管理框架与美国的UTM框架类似，因此UTM可以认为是无人机空中管理的通用框架。除了美国的UTM框架，本文还总结和介绍了中国的无人机空中管理框架UOM。
2.3.1 美国UTM框架UTM不依赖于集中控制，而是使用分布式授权的原则。它是一个框架，是一种网络化的服务集合，它们结合在一起并基于共同规则彼此相通。它是为了将来的应用而建立的，能够随着技术的进步和市场需求的成熟而保持相关性。其结构如图 4[5-6]所示。
UTM系统是由飞行情报管理系统(FIMS)和以USS为中心的网络组成。UTM具有多层分离保证，从战略管理到更实时的分离规则和应急管理，再到实时避障能力，以确保各项操作安全进行。USS由FAA认证，每个服务供应商的责任是交换数据和协调其他服务供应商。FAA管理通过信息交换与ATM系统协调所需的数据，并存储诸如飞行计划等信息，这一过程称为全系统信息管理(System Wide Information Management，SWIM)。同时，FAA通过运行飞行情报管理系统，在USS、ATM和国家空间系统(National Airspace System, NAS)之间进行协调。通过这种方式，FAA可维持空域和交通运行的监管、运营权限, 具有给空域用户的提供按需访问的权限，并可以通过UTM来维持空中态势感知。空中交通管制员不需要管制空域中的每个无人机，而只需使用UTM来发布指令，约束和配置空域。
2.3.2 中国无人机运行管理框架在2019年，中国也提出了自己的无人机交通管理系统框架UOM[20]，如图 5所示。
|
| 图 5 中国无人机运行管理(UOM)示意图 Fig. 5 Sketch map of UOM in China |
参考《低空飞行服务保障体系建设总体方案》[21]，B类飞行服务站应当具备飞行计划处理、航空情报服务、航空气象服务、告警和协助救援服务等功能，向服务范围内的通用航空飞行活动提供服务，定期向区域信息处理系统提供飞行计划及实施情况相关信息。A类飞行服务站还应当具备监视和飞行中服务等功能。目前审批通过的无人机云系统仅提供B类飞行服务站部分功能，但未具备飞行服务站的区域属性。进一步，无人机云系统将升级为无人机交通服务系统，提供空中交通服务等功能，即A类飞行服务站，并具有区域属性。中国无人机交通管理系统包括如图 6[20]所示的功能单元组成[20]，下面介绍下它们各自的功能。
1) 无人机系统。主要包括无人机、遥控器，还包括企业服务器和PC机(地面站)，可通过实时连接蜂窝网络用于自动化物流、巡检等。
2) 通信网络。包括移动4G/5G通信、卫星通信、民航专网通信等(根据图 1介绍)，用于完成无人机系统与无人机交通服务系统之间的数据通信。
3) 无人机交通服务系统(无人机云系统升级)。充当整个空中交通管理系统的大脑的角色，主要负责决策及风险评估。
4) 无人机云交换系统。负责无人机信息管理，其中包括信息的收集、储存、转发与同步等。
5) 无人机实名登记系统。负责对无人机系统、运营人、驾驶员等进行信息登记。
6) 国家无人机综合监管平台。重点负责无人机的飞行监视、交通管制、信息服务、飞行计划等。
无人机云交换系统、无人机实名登记系统均属于UOM平台的子系统，这些功能和模块均统一由政府部门提供。UOM将具有以下特点：
1) 与针对消费级无人机的监管系统完成融合，并与行业应用所需空中交通管理完成系统融合，消费级无人机可直接由国家无人机综合监管平台提供服务。由于一般消费级无人机属于开放类轻小型及以下的无人机，所以只需在报告空域(适飞空域)飞行即可。
2) 行业应用无人机空域通过无人机云系统提供服务，并由无人机云系统上报无人机状态信息，完成信息收集。无人机云系统之间通过无人机云交换系统进行协同，这一方案解决了现阶段无人机云系统之间的信息分享与同步问题。
3) 未来将无人机云系统升级为无人机交通服务系统，无人机交通服务系统之间可通过区域间信息共享以及无人机云交换系统的辅助协同，并与有人机空中交通管理系统进行协同，最终达到实现低空无人机空中交通管理的目的[20]。
2.4 低空无人机交通管理过程在整个交通管理过程涉及到无人机空中交通管理系统中不同的角色。因为目前欧洲和美国仅仅公开了网络架构，而具体处理流程没有公开。因此，这里采用中国民航局UOM框架，参考中国民航局《无人机云系统数据接口规范》(MH/T 2009-2017)和《无人机云系统数据规范》进行说明。无人机飞行过程一般按照如图 7所示的流程[20]。
从时间上来看，无人机飞行流程正常情况下可以按飞行流程逐一发生，如图 7所示。
1) 无人机运营人在无人机交通服务系统中完成注册并申请相关服务。
2) 无人机飞行前需要向无人机交通服务系统递交飞行计划(包含飞行任务)，如作业目的，具体机型、临时航线及基于航路网的固定任务等。无人机飞行服务系统在接收到飞行计划(任务)后，会根据相关标准对飞行计划进行初步审核，并评估将对空中交通容量产生的影响。无人机运营人将飞行计划申报给无人机交通服务系统后，系统可以通过自动判断计划冲突情况的方式进行自动审核。如果自动审核失败，计划将进入人工审核环节。飞行计划预审核通过以后，还需要通过上报给无人机云交换系统，交由国家管理部门再次审核。
3) 基于航路网的飞行计划生成。在无人机起飞之前，需要向无人机交通服务系统发送放飞申请，并提交飞行目标点，如从A点飞到B点。无人机交通服务系统将根据当前航路网容量运行情况，为无人机自动规划一条航线，航线可以由首尾相接的直线路线组成(其中也包括飞每条直线路线的速度等飞行参数)。该条航线会作为飞行计划，上报给无人机空中管理系统，无人机空中管理系统根据目前空中交通状况以及已经安排的飞行计划，推演并计算该无人机最终的飞行计划(其中包括起飞时间、航线以及飞行速度安排等)，并将授权结果发送给无人机。
4) 无人机得到最终放飞申请授权结果后，需在指定时间内进行无人机预位，并按规定起飞时间起飞。其中起飞授权预留人工介入窗口，无人机在起飞前还需要经过人工起飞授权确认，否则不能起飞。
5) 在正常情况下，无人机在飞行过程中周期上报飞行数据，并会按飞行计划进行飞行，直到最后飞行任务结束。由于在实际飞行过程中，有很多不确定因素，如：某些有人机要穿过无人机交通网导致某些航路不可用、某些无人机因逆风导致飞行速度变慢、某些无人机未能按时起飞等。这就需要无人机空中管理系统完成流量控制、碰撞避免等操作，并接收告警与通知消息。
3 低空无人机交通管理的关键技术相比民航飞行器的交通管理技术，低空无人机交通关键技术亟待突破。本节将介绍关键技术及研究现状。
3.1 低空空域管理的关键技术 3.1.1 空域定义1) 空域空间。空域一般被定义为地球表面以上的可供飞行器飞行的空气空间，即可航空间。空间层次关系如图 8所示。现在已经使用的空域只是可航空间的一部分。因此，目前人们所提到的空域，更具体地说应该是为飞行器提供飞行服务的空间。由此空域具有：自然属性、社会属性和技术属性。空域的技术属性是由CNS等技术形成的信息场，并由此构建空中交通管理能力。
|
| 图 8 空间关系 Fig. 8 Space relationship |
美国FAA的CFR PART 107规范定义了轻小无人机系统的飞行规则，即UTM使用的空域是地面以上400英尺(约合122 m)以下的超低空空域的非管制空域(G类空域, 如图 9[6]所示)。进一步，美国亚马逊公司[22]提议将距离地面400~500英尺(约合122~152 m)的区域列为隔离区，以便在无人机和有人机之间设立一个缓冲区，如图 10[22]所示。
民航飞行器的飞行高度必须保持在500英尺以上，而低于400英尺的区域则划分为两部分。配有避障技术，而且能够与交通管理系统建立可靠连接的无人机，可以在200~400英尺的“高速区”飞行，其他无人机(包括一些消费级无人机，以及用于调查或航拍的无人机)只能在200英尺以下的“低速区”飞行。
如图 11所示，本文建议以无人机类型、作业任务和场景来划分飞行高度层：①超低空航路空域，90~120 m高度层用于轻小型及以下无人机物流配送，设计最后一公里航路网，主要是多旋翼无人机作业，而60~90 m高度层用于保护。当然特殊场景可依据作业任务、所需通信性能和定位能力，可以设计40~50 m高度层用于地面巡检，如交通车辆巡检、警用治安巡检等，60~80 m高度层用于房屋、基站、桥梁巡检等。②近低空航路网空域，150~270 m，设计末端航路网，供混合翼无人机等高速前飞的无人机使用。进一步可分为两层，用于物流配送和载人运输。③低空航路网空域，300~1 000 m，暂不做建议。
|
| 图 11 低空航路网分层示意图 Fig. 11 Sketch of low-altitude route network layers |
以上分层建议的+0 m基准高度是一个区域参考点的修正海拔高度，所有的高度测量均为相对于基准高度。如果是山地丘陵区域或者密集城区高楼建筑较多，应该按照地形修正基准高度，如图 9中美国G类空域，采用相对高度测量。相对基准高度+300 m以上区域，建议采用绝对高度测量。
2) 无人机围栏。无人机通常在低空空域飞行，需要与低空的复杂环境、地面的人财物直接接触。目前装有自动驾驶仪的无人机仍需要在人的指挥控制下进行作业。无人机围栏是一种监管无人机飞行的有效工具，其原理是在相应电子地理范围中划出特定区域，阻止该区域的无人机飞入或飞出，并配合CNS系统保障区域内安全，其示意图如图 12所示。无人机围栏许可类型可以分为禁止飞入与禁止飞出[23-26]。
|
| 图 12 无人机围栏示意图 Fig. 12 Sketch of UAV fence |
如果无人机没有获得飞入地理围栏的许可，无人机就将该地理围栏标记为禁止飞入地理围栏。如果无人机获得了某个地理围栏的许可，无人机就将该地理围栏标记为禁止飞出地理围栏。禁止飞出可以分为单机禁止飞出和多机禁止飞出。单机禁止飞出地理围栏仅仅对一架无人机开放，该机始终保持在该地理围栏内飞行。除了该机，其他无人机均将该地理围栏视为禁止飞入地理围栏。
如图 12所示，无人机围栏模型采用4维空间结构，经度、纬度、高度和有效时间。由此可以通过设定临时无人机围栏的方式，禁止无人机飞入或者飞出某个空域。无人机围栏是空间的虚拟表示，又称为无人机电子围栏。
3.1.2 空域表示和组织空域组织的目的是如何结构化空域以最大限度地提高通行能力。空域组织的基础是空域的表示模型。
1) 空域表示：网格化
目前通用的构建空域环境研究采用网格法(Grid)建立低空无人机低空飞行空域环境。低空空域在地理空间上被分为多个三维网格，其目的是利用网格块的中心点作为空域的采样点，进行计算、模拟、测量和分析，并利用网格块进行颜色编码可视化，使整个城市空域能够在离散方式下进行系统地管理。尽管所有的网格块都假定具有相同的大小，但单个网格块在纬度、经度和高度上的尺寸不一定相同。它们可以根据不同的分析模型、需求、容量、约束等进行变化。典型的网格化空域表示例子就是目前中国的北斗卫星导航网格码，其在航空领域的重要性不言而喻。空域通过网格化表示，即空域把三维地理信息映射到网格中，可以为不同的行业应用提供不同的精度范围，由此避免国家资源的信息泄露[27-28]。
2) 空域组织：航路网
基于网格化的表示，可以对空域进一步进行结构化。首先将空域环境划分为网格块，然后根据网格内包含的：航点(通信点、机场、临时降落区、降落等待区等)、限制区、恶劣气候多发区、机场净空保护区和通信、导航和监视能力，将网格分为障碍网格和自由网格。自此，空域环境由自由网格和障碍网格构成，并形成一个连通图。这样，航路规划问题就转化成对自由网格的规划问题，即在该连通图上寻找从起始网格到终点网格的规避障碍物的最优路径。
这样一来，空域的结构类似于城市的道路网络。无人机只能进入以下3个区域：与道路起类似作用的航路、由至少两条直线航路形成的交叉口以及节点[29]，其中空中航路是指根据地面导航设施建立的供无人机作航线飞行之用的具有一定宽度的空域。该空域以连接各导航设施的直线为中心线，规定有上限和下限高度和宽度。这里的节点可以是机场或者一片自由飞行空域。借鉴民航空域设置，无人机航空空域也可被划分为若干扇区[29]，因此每个扇区都包含其航路、交叉口和节点。相邻扇区可以通过进近入口(Gate)相互连接，进近入口是扇区边界的交叉口，但它们是属于两个扇区的特殊区域。不允许任何航路穿过两个扇区之间的边界，除非它被分成两个航路，并且在边界处有一个进近入口连接航路[29]。
文献[30]按照无人机低空航路的定位和服务，建议划分为4级：低空骨干航路、低空主干航路、低空支线航路和低空末端航路。其中，低空骨干航路是指连接首都与各省、自治区、直辖市首府的航路，连接各大经济中心、港站枢纽、商品生产基地和战略要地的航路。
航线连接与优化初步设计的无人机航路网局限于仅考虑两两无人机机场组合情形，但这未考虑交叉节点对航路的影响，存在飞行安全隐患，无法满足实际飞行要求。因此，应采用合适的优化算法对其进行优化和调整。如合并临近无人机机场，调整共线航路、交叉航线和低利用率航路，以及调整航路网络非直线性等。因此，需要航路规划，其重要步骤包括[1-2]：航路搜索和航路简化和优化。针对无人机，低空航路网设计还有许多潜力可挖。文献[31]介绍了无人交通网络设计的新概念。第一，采用数据驱动的空中交通建模与分析方法，确定适合嵌入网络的可行的低层城市空域区域。第二，利用改进的K中心方法，通过考虑城市地区预期的典型无人机操作的地理覆盖范围，确定候选网络节点位置。第三，K-最近邻和图论概念被用来定义一个无人交通网络结构，该结构试图在不影响现有有人空中交通运行的情况下，最大限度地扩大覆盖范围。
3.1.3 空域容量1) 基本概念
空域容量是用来量化空域及空中交通服务的效能，被认为是表示空管可扩展性约束的适当指标[32]。低空无人机航路网运行容量是指在航路入口点所允许的最大无人机放行率。很多因素可能影响航路网运行容量：①航路的可用高度层、高度层的垂直间隔；②航路上飞行器的纵向间隔；③ CNS设备的覆盖情况；④航路交叉点的数量和位置。考虑到近地飞行，空中容量还需要考虑无人机发出的噪声对人的影响。
由于无人机采用自动化运行，因此相比目前的民航飞行，可以将空管管制人员的压力因素去除。另外，并非所有无人机坠毁的都是灾难性的，大多数情况下仅会导致财产损失，而不是人员伤亡。因此，低空空域容量评估提出了新的改进机会[33]。在新的特点下，评估的难点主要在于需要考虑空域运行的动态性、空域结构复杂性以及无人机在空域的分布不均及飞行规则各异等特点。
2) 容量设计
在研究空域容量时，基本上有两个重要方面：交通密度和交通复杂度[34-35]。关键问题是，或多或少的结构优化是否有利于空域的容量。4种空域结构概念如图 13[36]所示。通过在极端流量密度下，通过批量模拟进行测试，同时对4种空域结构进行冲突率、多米诺骨牌效应、入侵和效率的测量[37]。结果表明，所谓的“层概念”在防止全球冲突率高、对飞行效率影响最小方面最为成功[38]。文献[36]通过仿真表明了某些速度一致性对降低相对速度以及冲突率的产生有很大影响。地理矢量是为给定区域指定的三维速度矢量范围。可以区分2种类型的地理矢量：静态地理矢量可作为航路网数据库的一部分，而动态地理矢量将通过网络或广播系统作为实时情报服务提供给无人机管理系统以及无人机系统。
除了设计空域结构，还可以通过设计分离间隔机制来增加空域容量。①先进的CNS技术可使无人机以最小的分离间隔运行，依据所需CNS性能和飞行计划，也可以提供整网最优和安全的分离间隔。②侧重于使用新的CNS技术，通过精确定义的4D飞行轨迹减少分离要求。
3) 容量评估
参考民航交通管理中的容量估计方法[39-41]，人们针对无人机的空域容量估计提出了多种方案，其中以基于数学计算模型的方法居多。文献[42]首先提出采用基于阈值的数学定义来估计未来的通行能力。之后，文献[33]提出了一种更先进的基于吞吐量的低空空域容量估计方法，以适应未来低空空域的空中交通需求。针对存在城市建筑物的更普遍情况，文献[43]提出禁止飞入和禁止飞出两类地理围栏方案用于分析空域容量。针对无人机空域容量确定的理论方法，文献[44]中提出一种确定无人机的空域容量的解析方法。
3.1.4 存在的挑战
针对低空空域如何进行具体划分，本文给出了一些建议，但这目前依然是个开放性问题。低空航路网的划分也十分有挑战性。针对城市空域，文献[45]提出用地形图和骨架图来解释城市空域潜在的几何和拓扑特征。为了无人机安全飞行，CNS的性能以及低空复杂环境会限制低空空域使用[46-47]，比如：空间三维网格可能只被通信、导航和监控设备之一覆盖或者部分覆盖。为此，文献[46]开发CNS的仿真工具来分析空间和操作越来越密集的空域情况。文献[47]分析了可控和非可控空域对CNS的要求。另一方面，无人机坠毁的并非都是灾难性的，这种风险跟空域对应的地面人流密度和覆盖物等相关(具体请见3.3节)，其中地面人流密度又与时间相关[48]。因此，低空无人机航路网设计应该考虑以上因素，这也是因低空无人机交通带来的新问题也是新机会。进一步，基于设置的空域和航路网，容量设计和评估的难点主要在于空域运行的动态性、空域结构的复杂性、无人机在空域的分布不均及飞行规则各异[37]。
3.2 低空飞行管理的关键技术 3.2.1 飞行管理概述参考2.2.3节的设计描述，无人机飞行管理主要包括如下内容，如图 14所示。
|
| 图 14 空中交通控制流程框图 Fig. 14 Flowchart of air traffic control |
1) 在基于空域管理和航路网规划时设定安全边界和间隔
可以认为在飞行区域和飞行航路上进行事先的限制。这个手段在3.1节简单介绍过。这里还包括动态设置禁飞区隔离空域中的无人机等。
2) 评估和审批飞行计划，调整起飞授权放飞时间和降落授权
在计划申报阶段，通过与飞行计划申报相结合，预估未来较长一段时间内的空域容量，对飞行计划进行审批和授权，即飞行计划容量控制。另外，在起飞阶段(考虑机场与航路)，通过计算当前运行容量，对放飞申请进行授权，即起飞授权容量控制。飞行计划包括无人机的飞行航线，可以是人为设定的，也可以是起飞前航线进行自动规划。除此之外，还包括在降落阶段(考虑机场容量)，对降落申请进行授权。
3) 流量管理
动态航线规划和飞行速度控制，使空中无人机之间保持一定的安全间隔
在运行阶段，结合多种异常情况，包括交通管制、异常天气、障碍物等产生的实时冲突，或者根据航路和机场的运行容量，进而触发流量管理。这个时候冲突预计发生的时间较长(比如分钟级别)，通过动态航线规划和飞行速度控制修正来消除冲突。
4) 碰撞避让控制
调整飞行速度和飞行方向进行障碍(危险物)避让
这个时候冲突预计发生的时间较短(比如秒级别)，碰撞即将发生。这时对于无人机可以采用边缘计算技术，地面管控系统对无人机进行实时避障控制，也可以通过机载V2V系统广播碰撞信息，无人机进行自主避障控制。
3.2.2 关键技术介绍飞行管理中的细节和技术很多，这里我们仅对其中的关键问题和技术进行概述。
1) 容量管理
首先关注民航飞行器的容量管理。一个抽象的空域容量管理问题如图 15所示[49]，空中交通管制员试图管理一个空域内的民航飞行器操作量，使该空域内的交通量小于航空交通管制(Air Traffic Control, ATC)所能支持的最大实际容量。
目前，管制员通过增加空域的容量(例如通过调整飞行程序或分配给空域的管制员数量)，或者通过交通管理和临时禁飞区来限制进入空域的交通量等举措，来达到容量平衡。这种容量控制的方法直接，但过于简单。这是因为，实际空中飞行器在整个航路网上并不是均匀分布的。也就是说，可能有些区域飞行很拥挤[50]，而其他地方却很稀疏。
在容量控制方面，可以采用地面等待策略，将放飞时间作为控制量来调节容量。该方法的目的是将成本相对较高的空中等待转化为地面等待，从而使延误成本最小、安全性最高。这种等待策略在民航飞行器已经被广泛使用[51]。文献[52]采用最小成本流算法和动态规划算法，解决了多个飞机随机抵达单一拥挤机场的问题。针对静态多机场地面等待问题，文献[53]研究了其通用整数规划模型，以便所有航班延误成本总和最小化。进一步针对动态多机场地面等待问题，可参考文献[54]。
针对无人机空中交通，可以将操作员的工作负荷这个因素去掉，仅考虑空域结构上的约束。借鉴民航的地面等待策略，需要计算无人机的放飞时间，包括地面起飞的无人机以及空中飞行的在进近入口(Gate)等待跨区域的无人机。
2) 航线规划管理
自1987年Odoni首次对空中交通流量管理问题做出系统性描述[55]后，流量管理理论研究受到了广泛关注。
改航策略，是指受到诸如天气、禁飞区等实际因素影响而重新分配航线的方法。该方法的优势是以少量的空中飞行时间来换取大量的地面等待时间，从而产生可观的经济效益。针对改航策略，文献[56]为空中交通流量管理问题提出了一个整数规划模型，其完整表述了每个飞行阶段(起飞、巡航和着陆阶段)。文献[57]以最小化延迟成本为目标，解决了在面对动态变化的天气时如何重新规划飞机路线的问题。
民航飞行器的空域比较开阔，飞机之间的间距比较大，因此航班时刻优化比较重要。而无人机的空域相对比较狭窄，而无人机飞行又比较密集，航路网上的路线选择比较灵活。因此，相比于民航飞行器，无人机的航线规划比较重要。另外，民航飞行器的机场容量或剩余燃料的余量都较为充足，而无人机机场有的建设在城市楼顶，可能只能容纳有限的无人机，还应考虑到达时间的规划问题。
无人机航线规划是指依据任务要求和周围环境信息等因素，规划出一条从起点到终点的最优无碰撞路线。这里分为起飞前航线规划和起飞后动态航线规划(例如某无人机在起飞后被通知事先规划的航线经过了临时禁飞区，这时需要调整之前的规划的航线，即动态航线规划)。与起飞前航线规划不同的是，动态航线规划显得更加紧迫而且必须有解，因为无人机已经处于空中。目前，主要应用的算法有动态规划法、A*搜索算法、遗传算法、蚁群算法和基于粒子群优化的航迹规划算法等。这些方法大致可分为两类：基于图的搜索方法和基于最优控制的方法。图的搜索方法往往面临维数灾问题，而基于最优控制的方法通常依赖数值解法，面临极小点问题[58-59]。
文献[58]提出了一种局部路径规划算法，使无人机能够在满足实时流量和地理围栏约束的情况下执行特定的飞行任务。该规划算法将快速探索随机树法与形式化验证的算法相结合，以保证交通清晰明了，以及能检测地理围栏冲突。文献[59]基于假设无人机之间通过机间通信协议进行通信，并相互共享位置和速度信息，描述了一种基于树的航迹规划算法。该算法考虑了UTM体积边界和其他在共享空域内飞行的无人机。飞行计划阶段的能量消耗估算是保证安全的关键，文献[60]提出了一种基于能量的无人机交通规划方式。文献[61]对系统进行时间和状态离散化，并利用最优控制的思想提出了一种在合理时间内规划高维空间最优轨迹的方法。文献[62]针对微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。该方法将运动不确定性建模为软约束，并通过人工势场法来规划尽可能安全的轨迹。文献[63]基于上文的离散化方法和人工势函数进一步提出了一种基于搜索的运动规划方法。该方法是通过基于最大熵的逆向强化学习方法，从真实数据中学习空中交通控制规则作为规划的代价函数。
针对民航飞行器和无人机混合空域控制和资源分布管理规划很少有研究关注。为此，文献[64]提出了一种整数规划方法的分布式实现，用于解决无人机存在下的大规模空中交通流量管理问题。关于算法、数学证明和实验的全面讨论可见文献[65]。
3) 碰撞避让
碰撞避让技术[66-68]，涉及无人机与无人机相撞和无人机与有人机相撞，其中，无人机与有人机之间相撞会造成更为严重的后果。空中避让技术，如交通警报和避碰系统(Traffic Collision Avoidance System, TCAS)已被民用航空业成功采用。基于民用航空的机载冲突避免系统也一样适用于低空无人机机载冲突避免系统。然而，为了避免对民用飞行器造成干扰，无人机的冲突避免系统所依赖的通信手段建议重新设计或直接采用主动探测技术等。
在避让技术上，近距离的空中避让算法大体可分为4类[68-69]：基于轨迹投影(Trajectory-Projection Based)方法、基于在线查表(Online Table Based)方法、基于力场(Force Field Based)方法和最优轨迹方法。
① 基于轨迹投影方法
基于轨迹投影的方法需要估计入侵者的当前状态(如位置和速度)及预测入侵者的轨迹。如果无人机的位置进入了这个危险区域，则立即会产生一个新的航向角指令使无人机离开危险区域，离开危险区域后再使无人机沿着原来的航向飞行回到原来的轨迹。该方法简单直接，易于实现。文献[70]采用几何约束和运动学方程相结合的方法，解决了多旋翼无人机的避撞问题。基于轨迹投影方法比较适合基于机载视觉传感器的控制避让策略。因为视觉传感器往往只能得到需要避让物的方位而不能测量相对位置，所以通过改变飞行航向角是比较直接的控制方式[67]。
② 基于查表方法
基于查表的方法是使用预先定义的表，这些表通常是由经验生成的，并且放弃了轨迹预测功能。一旦收到入侵者的状态(位置和速度)，这种方法将搜索其在线表格，并确定最佳机动方式。文献[71]提出了一种鲁棒高效的解决算法，基于分解一个大型多智能体马尔可夫决策过程，并融合其解，为每架无人机生成建议。
③ 基于力场方法
基于力场的方法通常使用吸引力(保持在原始路径上或跟随原始目的地)和排斥力(避免潜在冲突)来生成控制命令，以便进行下一步操作。不同作用力的权重在线调整，以平衡不同作用力之间的权衡。典型的方法有势场法和速度障碍法。文献[72]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，并采用30架自主无人机在室外协同飞行中进行验证。在传感器噪声、通信延迟、通信范围有限、传感器更新率有限和动力受限的现实环境中，文献[73]研究了二维和三维开阔空间(Open Space)中密集多旋翼无人机交通仿真场景。
④ 最优轨迹方法
基于路径规划的方法与前面的航线规划类似。在确保无人机不与障碍物发生碰撞的同时，还能使无人机尽可能地沿着预先拟定的航迹飞向目标航点。文献[74]依靠预测控制算法来计算最优航路点，能在到达目标的同时避开途中检测到的静态障碍物。文献[75]设计并分析了一种具有避障能力的制导方法，来帮助无人机快速到达目的地，同时避免与其他飞行器发生碰撞。该方法将碰撞避免问题表示为一个马尔科夫决策过程，并使用蒙特卡罗树搜索法求解。基于空域为一个个网格单元组成，文献[76]利用图论计算轨道和估计碰撞，并使用优先级来解决冲突。文献[77-78]描述了仅使用线性约束的近似动力学，应用混合整数线性规划方法来创建没有碰撞的飞行路径。文献[79]提出了一种无人机实时路径规划算法，以避免与其他飞行器发生碰撞。可达集用于表示障碍飞行器可能的轨迹集合，并用于无人机路径规划中的碰撞预测。文献[80]研究了几种假设在共享空域内飞行的飞行器之间发生冲突的解决问题。为了避免不同飞行器之间可能发生的冲突，飞行器不能在给定的安全距离之内彼此靠近。对于这种多机系统，考虑了给定航路点之间的路径规划问题，避免了所有可能的冲突。文献[81]提出一种半定规划的方法来进行冲突解除问题。每架飞行器提出其预期航向，进而通过半定规划方法集中解算，解决飞行器之间产生的任何冲突，同时最小化每架飞行器的预期航向和无冲突航向之间的偏差。为解决局部冲突而修改飞行轨迹可能会导致多米诺骨牌效应，即解决冲突可能会导致新的冲突，而新的冲突的解决又会导致更多的冲突等[82]。在文献[83]中，开发了满足(全局)可证明安全条件的交叉航路冲突解决程序。其主要思想是：在路径交叉之前将路径分割为多条路径；使用相同长度的路径；在路径交叉之后将路径合并为原始路径。将每个(交叉)路径分割成多个路径会增加每个分割路径上飞行器之间的间距。增加的间距允许路径之间无冲突的交叉。在交叉点之后，路径被合并回原始路线，这意味着不会在冲突解决过程所需的区域之外生成新的冲突。
3.2.3 存在的挑战低空无人机的空域规划和飞行管理与高空类似，大大受到地面因素的影响，如：地面人口的流动性、地面建筑物的建设与规划、地面活动等。如果完全参考传统民航技术，势必对地面交通以及建设规划产生影响，这反过来又会导致公众对低空无人机的接受程度大大降低，抵制情绪增加，从而约束了无人机技术的发展。由此以上的技术有些来源于传统民航，有些技术是新增的，如：动态电子围栏[84]等。现有民航技术的演进也已把时间因素作为重要研究课题[85]，但是高空的交通管理远远没有低空复杂，并且低空管理面临环境变化更频繁，考虑因素更多。文献[86]通过有效的空域分割和无人机性能建模对装备低劣和装备精良的无人机平等开放空域。高密度无人机交通要求高吞吐量而不造成拥堵。为此，文献[87]提出了一种名叫“电梯”空域结构最小化上升/下降所需的空间。这些势必造成管理的难度。低空空域管理和规划的周期可能会减少到天，甚至到小时等；低空空域管理与流量管理更难区分，融合度大大增加。临时设置禁飞区会导致网络动态变化频率比较大，是否可以通过动态航路网设计来考虑中央商务区(CBD)区域的空域管理。同时在保证安全前提下，如何进行控制且使效益最大化是目前低空无人机交通面临的新挑战。这需要对网络变化进行预估，在此基础上针对动态网络进行航线规划。目前大多数低空无人机的续航时间有限，这增加了在对网络变化进行预估的机场上针对动态网络进行的航线规划难度[88-89]。
为了应对紧急状况，临时航线规划如何进行，比如：是否规划新的直线航线直通无人机机场。针对碰撞避让，需要考虑在航路上而非开阔空间进行，也就是狭小空间(由3.1.1节可知，低空航路空间十分有限)约束下的避障问题。如何利用低空无人机的特性(如垂直起降特性)和一些保护带等，设计更好的碰撞避让策略甚至极端情况下的迫降策略是需要考虑的新问题[90]。实际上，以上这些问题处理不当，很可能产生多米诺骨牌效应，整个交通网络会出现瘫痪。
3.3 低空风险管理的关键技术 3.3.1 运行风险评估的特殊性无人机的运行安全性问题与有人机相比存在着诸多的差异[91]。如表 2所示。
| 机型 | 特点 | 失效后果 |
| 有人机 | 硬件冗余备份，机上飞行员可以避免飞行事故 | 机上有人，事故是灾难性的 |
| 无人机 | 载重有限，冗余少；遥控飞行员通常无法迅速避免飞行事故 | 事故可能不是灾难性的，与周围环境相关 |
有人机考虑失效后果对自身机组人员和乘客的影响，但无人机是“人机分离”，本身没有机组人员和乘客，主要考虑其对空中其他载人飞行器和地面人员的影响。因此，同一架无人机在人口密集区和荒野失效，其后果是完全不同的，对应的无人机安全性指标应有区别。
除此之外，针对无人机尤其是轻小型及以下的无人机的安全性分析，还有如下的挑战。
1) 轻小无人机载重有限，不可能准备很多套冗余系统。
2) 轻小型多旋翼经常在低空飞行，而低空环境更加复杂，且具有挑战性。
3) 对于有人机而言，飞行员和管制员希望并且能够尽量减少或消除与其他飞行器及地面上的人员或财产发生危险，但是对于轻小无人机来讲，需要通过自动控制来实现。
4) 多旋翼无人机的噪音严重，对于地面人员的感受舒适度会有极大的影响，同时对航路网的规划、高度层的划分存在影响。
3.3.2 等效安全性指标传统的风险评估方法在应用于大规模、高度自动化的无人操作时存在问题。针对以上特点和问题，在确定无人机安全性指标要求时，并不是像确定有人机的安全性指标要求那样，仅仅只针对飞行器本身事故损失率的可接受程度提出安全性指标；而是提出了“等效安全水平(Equivalent Level Of Safety，ELOS) ”的原则，并基于此原则来导出无人机的安全性指标要求[92]。ELOS是指无人机安全性目标应不低于有人机的安全性水平，或与有人机的安全性水平相当，以实现未来无人机能够进入更为广阔的有人机空域运行，而不会增大空域内其它飞行器或地面人员及财产的安全风险。由此可见，无人机安全性指标要求是基于公众对其发生事故时对地面人员和他机及机上人员造成的损失的可接受程度提出的。ELOS是确定无人机安全性要求的一个基本原则。该指标最终与无人机的适航性紧密结合起来[93-95]。在这个指标的指导下，可以进行定性的风险评估和定量的风险评估。
3.3.3 定性风险评估针对无人机，无人系统联合规则制定机构(Joint Authorities for Rulemaking on Unmanned Systems, JARUS)发布特许运行风险评估(Specific Operations Risk Assessment, SORA)指导材料[96]。2019年2月1日，中国民航局飞标司、适航司和空管办联合下发了咨询通告《特定类无人机试运行管理规程》(AC-92-1)[97]。在该文件中，SORA给出了较为明确的输入参数，可得到无人机在特定条件(空域、对应的地面状况等)下飞行的地面风险等级、空中风险等级，然后得到特定保证等级和完整级别(Special Assurance and Integerity Level, SAIL)。对于不同的SAIL等级，民航局给出了对应的无人机运行安全目标，若能提供安全目标证明，则可允许运行。
3.3.4 定量风险评估SORA评估方法对运行中的可能出现地面风险和空中风险进行评估，依据质量、动能等的范围进行分级。因此，还需要进一步考虑定量评估。它可以在保持安全的同时，实现大批量飞行计划处理的自动化。针对这个问题，Altiscope正利用统计建模和相关数据来构建一个具有多种输出的定量模型[98]。下面将介绍一种定量化风险评估的基本思路，可以分为对地撞击安全性水平要求及指标以及空中相撞安全性水平要求及指标两部分[99-100]。
1) 对地撞击安全性水平要求及指标的确定
地面撞击失效后果的严重程度与系统可靠性指标有关。可以通过对地撞击安全性模型来计算计算ELOS。
| $ {P_{{\rm{elos,ground}}}} = {f_{{\rm{GIA}}}}{A_{{\rm{exp}}}}\rho P\left( {{\rm{fatality|exposure}}} \right){P_{{\rm{pen}}}} $ | （1） |
式中：fGIA为摔落的事故率，次/h；Aexp为无人机地面撞击导致致命性伤害的平均面积, m2；ρ为地面撞击处平均人口密度, 人/m2；Ppen为假设地面撞击处有防护措施和遮挡物，碎片穿过遮挡物的击穿概率；P(fatality|exposure)为暴露时受到严重伤害的概率[100]。这里的事故率可以进一步表示为
| $ {f_{{\rm{GIA}}}} = {f_{{\rm{SFR}}}} + {f_{{\rm{collision}}}} + {f_{{\rm{other}}}} $ | （2） |
式中：fSFR为由设计原因导致无人机不能连续飞行的每飞行小时事故率；fcollision为空中两机相撞致坠地的每飞行小时事故率；fother为由其他原因(如天气、鸟撞以及人为差错等)导致的无人机撞地每飞行小时事故率。上述模型将无人机撞地事故的类别进行了划分。
若不考虑空中碰撞因素，即fcollision+fother=0。令tmtbf表示平均事故间隔时间，h，那么
| $ {t_{{\rm{mtbf}}}} = \frac{1}{{{f_{{\rm{SFR}}}}}} = \frac{1}{{{f_{{\rm{GIA}}}}}} $ | （3） |
进一步
| $ {t_{{\rm{mtbf}}}} = \frac{1}{{{P_{{\rm{elos,ground}}}}}}{A_{{\rm{exp}}}}\rho P({\rm{fatality|exposure)}}{P_{{\rm{pen}}}} $ | （4） |
为简化分析，模型基于完全确定假设，没有考虑参数的变化和不确定性，对于式(1)：①不考虑人口密度ρ的变化；②不考虑地面遮挡物变化导致的Ppen变化。因此，将tmtbf作为确保目标安全水平的可控因素，确保地面撞击ELOS为Pelos=10－7。如表 3所示，举个例子(2010年，北京市西城区每平方千米有24 517人，而北京市延庆区每平方千米有159人)。
| 区域 | Pelos | Aexp/m2 | ρ/(人·m-2) | Ppen | P(fatality|exposure) | tmtbf/h |
| 西城区 | 10-7 | 0.24 | 0.024 517 | 0.05 | 0.2 | 588 |
| 延庆区 | 10-7 | 0.24 | 0.000 159 | 0.05 | 0.2 | 3.816 |
为了达到地面撞击ELOS为Pelos=10－7。该例子要求西城区上空飞行的无人机平均事故间隔时间为588 h，而延庆区上空飞行的无人机要求是平均事故间隔时间为3.816 h。由此可见，对西城区上空飞行的无人机要求十分苛刻。实际中ρ和Ppen还要进一步根据在该地区的飞行航线与时段来计算。可以选择河道或房顶来减少ρ和Ppen，从而达到较低的平均事故间隔时间。另外，P(fatality|exposure)可以根据飞行的高度、速度、重量以及材质进行确认。最终得到一个比较可靠而又不保守的平均事故间隔时间。否则，这将给无人机设计厂商带来极大的设计难度，以及成本。
2) 空中相撞安全性水平要求及指标的确定
根据ELOS原则，如果类似于对地撞击事故，空中相撞的目标安全水平也采用死亡率来衡量，可分为两类情况。第1种情况为无人机与有人机空中相撞导致有人机机上人员死亡率或相撞后坠地导致地面人员死亡率，第2种情况为无人机与无人机相撞后坠地导致地面人员死亡率。这两种情况下会牵涉到与之相撞的有人机或无人机的不同类型问题，如被撞有人机的大小或载人的多少、被撞无人机的大小等，将会使问题变得更为复杂，因此无人机与有人机或无人机与无人机空中相撞的目标安全水平用空中相撞事故率来表示更为可取。
在文献[101]中，基于气体模型(Gas Model)，建立了无人机与其他飞行器发生空中碰撞的可能性模型。除了该模型，还有Reich Marks模型、交叉模型和几何冲突模型[102]。更精细的模型当属于概率模型，可以用于离线或在线碰撞概率评估，但需要无人机的随机运行模型等[103-104]。最直接采用蒙特卡罗方法迭代解微分方程，但是蒙特卡罗方法往往需要消耗大量时间才能得到较为准确的值，不利于多旋翼的实时安全性能评估。因此，需要一种快速准确的解析碰撞概率评估算法。文献[105]提出一种基于条件概率的碰撞概率评估方法。将整条路径分割成若干离散路径点，利用截断正态分布求解之前路径点均未碰撞的条件下当前路径点不发生碰撞的概率，将一系列条件概率相乘以评估整条路径的碰撞概率。然而，这种方法主要适用于二维平面上的碰撞，而不太适合三维空间内的碰撞。文献[106]中将障碍物建模为凸多边形，计算多旋翼到凸多边形的边界距离这一随机变量，并以距离的分布来估计碰撞概率。这种方法对障碍物形状要求太苛刻，而且在障碍物为多个的情况下，其近似方法会带来很大的误差。文献[107-109]中引入多项式混沌以估计碰撞概率。其思想是用多项式混沌展开近似表示随机微分方程的解，然后进行蒙特卡罗仿真计算碰撞概率。然而，这种方法似乎更适用于建模为随机变量的噪声而非建模为随机过程的噪声。文献[110]中提出了一种估计碰撞概率的简单方法，假设待评估物体和障碍物的相对运动情况不发生变化，可以通过一个简单的二重积分计算碰撞概率，而且可以化成一重积分。但是这种方法一般适合短期评估，而不适合长期预估。
因为实际过程中发生冲突后，无人机的空中避让设计会使无人机进行避障，因此，还要计算P(collision|CT)，其中CT表示冲突航线的次数。无人机每飞行小时空中碰撞频率可表示为
| $ {f_{{\rm{collision}}}} = {f_{{\rm{CT}}}} \times P\left( {{\rm{collision|CT}}} \right) $ | （5） |
式中：fCT为冲突的频率，次/时。仅由碰撞导致的灾害性事故的空中相撞安全性模型为
| $ {P_{{\rm{elos,air}}}} = E\left( {{\rm{fatality|collision}}} \right){f_{{\rm{collision}}}} $ | （6） |
式中：E(fatality|collision)为由碰撞(没有落地)带来的严重受伤人数期望，主要是无人机与有人机相撞。
为满足较小的Pelos, air，需要从空域使用(空中交通控制)和无人机设计两方面来考虑，其中空中交通控制可以减少fCT，无人机防相撞设计可以减少P(collision|CT)，航路的设计可以减少E(fatality|collision)。通过限制无人机飞行空域，保证无人机与有人机碰撞的风险。考虑减轻碰撞的危害量级，那么防止空中相撞的“感知－规避”能力设计是其主要考虑因素。最后，对于计算fcollision的方法可以细化，而非采取粗略的公式。
3) 航路网风险评估
给定一架无人机，它坠落到地面对人的伤害以及空中碰撞对人的伤害综合可以得到
| $ \begin{array}{l} {P_{{\rm{elos}}}} = {P_{{\rm{elos,ground}}}} + {P_{{\rm{elos,air}}}} = \\ {f_{{\rm{GIA}}}}{A_{{\rm{exp}}}}\rho P\left( {{\rm{fatality|exposure}}} \right){P_{{\rm{pen}}}} + {\rm{ }}\\ E\left( {{\rm{fatality|collision}}} \right){f_{{\rm{collision}}}} = {\rm{ }}\\ \left( {{f_{{\rm{SFR}}}} + {f_{{\rm{collision}}}} + {f_{{\rm{other}}}}} \right){A_{{\rm{exp}}}}\rho \cdot\\ P\left( {{\rm{fatality|exposure}}} \right){P_{{\rm{pen}}}} + {\rm{ }}\\ E\left( {{\rm{fatality|collision}}} \right){f_{{\rm{collision}}}} \end{array} $ | （7） |
考虑隔离空域的低空交通网，它远离机场及其航线，那么该区域的无人机跟空中有人机相撞而导致严重受伤的概率基本可以忽略。该空域网容量为N架类型相同的无人机，那么
| $ \begin{array}{l} {P_{{\rm{elos}}}} = N[\left( {{f_{{\rm{SFR}}}} + {f_{{\rm{collision}}}} + {f_{{\rm{other}}}}} \right){A_{{\rm{exp}}}}\rho \cdot\\ P\left( {{\rm{fatality|exposure}}} \right){P_{{\rm{pen}}}} \end{array} $ | （8） |
设计的航路网实际是整个空域的一小部分空域。这一部分空域一般远离人群或网络对应的地面有较多的覆盖物。这样一来，对于设计的航路网，式(8)的Ppenρ会变得很小，进而有利于降低运行风险。另外一方面，飞行限制在航路网上势必增加了碰撞概率。然而，这一部分可以通过空中交通管理来尽可能降低碰撞。总体而言，通过设计航路网和空中交通管理可以大大降低运行风险。以上方法偏离线评估，但也可以根据当前状态向后估计，扩展为在线评估。除以上的方法外，文献[111]提出了利用贝叶斯信赖网络(Bayesian Belief Networks)对整个无人机交通进行在线风险评估。
3.3.5 存在的挑战针对低空无人机交通，风险评估的挑战在于尽可能准确且及时地反映当前的风险。这一点对目前无人机来说非常重要，它直接决定了空域的使用，进一步决定了无人机在相同空域下的密度等。在解算等效安全性指标时，我们用了飞行器事故率fSFR。实际中，飞行器事故率不是恒定的值，而是随着个体情况而改变的，可以由健康评估等手段进行评估[112-114]，但准确估计具有挑战。另外一方面，碰撞频率fcollision与空中交通控制和航路网设计相关[37]。因低空无人机交通具有其特殊性(见2.1节)，这给准确估计带来新问题和新挑战。
4 低空无人机交通管理的相关科学问题交通本身就是一个很大的学科。与大部分交通不同的是，低空无人机交通具有无人(大部分上可以认为无人驾驶)、三维空间运行，以及集中式和分布式控制并行等特性，相关的问题数不胜数。总体来分，可以分为：风险等总体指标如何分解？相关分解指标如何设计？进一步，如何进行评估？以及如何进行标准化？下面从宏观角度阐述相关7个科学问题(不仅限于这7个)。
1) 等效安全水平风险与各个分系统性能及人为差错之间的关系是什么?
给定等效安全水平(比如为10－7/飞行小时)，如何将该指标合理分配到空域和航路网设计、导航系统要求、通信系统要求、监视系统要求、交通规则和控制设计、机场设计、无人机设计以及管理人员要求等等。虽然无人机交通管理尽可能自动化，但一些重要的顶层决策仍然需要人来最终决策。这需要低空空域无人机空中交通管制员、维护人员和地面驾驶员等具备基本的能力要求，从而降低风险[115]。这些因素是闭环动态耦合在一起的，需要建立模型描述他们之间的关系。一般很难用故障树简单建立这些模块和系统的关系(无人机的风险分解可以参考文献[91])。如何合理且准确地将要求的等效风险分配到无人机空中交通的各个方面?需要考虑到每个部分目前的技术水平和改进的经济性，因此还需要将安全性指标转换为合理可行的性能指标，指导分析系统设计。
2) 风险、空域容量、飞行经济性、噪声污染、天气情况与无人机航路网之间的关系是什么?
首先，航路网遵循何种原则进行设计?文献[36]按运行容量最优给出了“层设计”的原则。除了容量，无人机航路网设计还需要考虑到航路网下方地面端的风险，交叉路口的数目与分布，以及机场到机场之间的航路距离，以及效率和噪声污染等。建立风险、空域容量、飞行经济性、噪声污染与无人机航路网之间的关系模型，有利于根据风险和所需空域容量，优化无人机航路网。具体到一条航路，同一段航路是否可以有更加灵活的设计，尽可能充分利用三维空间。如双机道、平铺的四机道以及上下四机道等(如图 16所示)，或者增加应急机道。有文献借鉴地面交通环岛的思路设计航路[116]，也有将航路的多条航道取消的设计思路[117]。除了航路，还需要重点考虑机场节点的设计，如何设计机场进出入口满足多机多方向起和降落，以及进一步考虑机场的降落盘旋区和缓冲区等。
|
| 图 16 航道设计 Fig. 16 Design of airways |
3) 如何设计CNS系统能可靠地达到给定风险要求?
先以导航为例，无人机可以依靠GPS(或差分GPS)、移动蜂窝基站、无线信标或者基于视觉的低空高精度数字地形图等进行低空导航[118]。当某一导航系统出现故障，通过其他导航方式进行融合，提高导航系统的可靠性。监视系统和通信系统也可以作为辅助的导航系统，为无人机提供必要的导航信息。另外，监视系统和通信系统还可以通过上传信息，使得无人机能够知道周围无人机的信息。同样，导航系统和通信系统配合，也可以方便监视。因此，导航系统和监视系统可以通过通信系统互补。具体到通信系统，首先需要考虑如何解决全空域通信组网问题。针对全空域通信覆盖，目前还缺乏一种有效的解决全空域通信组网方案，无论是基于地基的移动通信系统还是基于星基的卫星通信系统。目前，在低空300 m以下空域可以基于移动运营商地面通信网络进行拓展，但是未来如何拓展到1 000~3 000 m空域，是值得探讨的问题。另外，需要对数据通信链路的可靠性、时延和速率等要求根据不同作业场景进行规定。最后，CNS系统的性能指标与无人机的控制性能息息相关[119-121]。有时候整个空域分别被CNS系统全部覆盖，会使得成本极高。因此，如何搭配分配各系统的覆盖范围以及性能，又能达到给定的风险要求是件十分有意义的工作。
4) 给定航路网和飞行任务，交通控制方式与给定碰撞风险之间有何种关系?
文献[38]分析了冲突与交通密度之间的关系。进一步，交通密度又与航路网、飞行任务以及交通控制方式相关。对于给定航路网和飞行任务，交通控制方式包括安全间隔、放飞时间、航线规划方式和速度调节方式等等。安全间隔与无人机机动特性以及通信、导航和监视系统的性能息息相关。放飞时间与航线规划又相关。进一步，航线规划是直接按每段航线的距离进行规划，还是考虑拥堵按每段航线估计通行时间规划?这也是需要解决的问题。更进一步，每条航路上采取何种通行模式：航路中的无人机以平均速度飞行，不允许超越模型，还是允许超越模型[1]?近距离的避让方式也各种各样，更存在碰撞风险。整个无人机飞行分离策略分成不同阶段，因此碰撞风险由不同阶段按条件概率相加而成。因为交通控制方式会导致整个空中交通动态变化，因此需要建立交通控制方式与碰撞风险关系具有挑战性。
5) 不确定性因素(网络结构变化或者无人机速度发生改变)、航路网结构、交通控制方式三者需要满足何种规律能保证交通网络的运行稳定?
在实际过程中，因为天气[122]或者有人机穿过航路网而设置临时的禁飞区。因为禁飞区的设立，航路网络结构因此会发生改变。在这种情况下，即将经过禁飞区的无人机需要改变航路[98]。另外，因为局部区域风的影响会导致该区域的无人机速度发生改变，进而引起较大规模的冲突的可能。在这种情况下，无人机需要改变速度或者改变航线。因此，需要找到不确定(网络结构变化或者无人机速度发生改变)、航路网、交通控制方式三者之间能够稳定管理运行的规律。进一步，若能够像控制系统的稳定裕度或者鲁棒性[123]一样刻画航路网和采取交通控制方式能够容忍的不确定，那么就能界定不确定，并进一步设计和优化航路网，以及改进交通控制。
6) 如何进行可行且准确的离线和在线的风险评估?
风险评估的精度越高，那么越利于指导实践。然而，从以上的问题可以看出，模型之间相互呈现动态耦合的关系。这就需要采用更加合理的方法对此类模型进行分析和评估。另外，白天和夜间人流密度会发生变化，交通也会因需求而发生变化，因此风险模型还呈现时变的特性。离线风险评估是指利用历史数据，来估算给定航路网及交通需求的静态风险，具有一定保守性，但是便于决策者(如法律法规制定者)决策或者保险公司进行保险条款的制定[124]。而在线风险评估更加即时，可以利用无人机当前健康数据，以及即时的人流密度和交通情况，进行风险预测，比较准确。这方便与即时的交通控制决策。
7) 无人机空中交通系统遵循何种标准进行设计和开发?
针对无人机系统，特别是目前的低空轻小型及以下无人机，没有太多现成的设计和开发标准可以遵循。目前世界各个无人机相关协会正积极推进相关标准的制定[125]。相比无人机系统，无人机空中交通管理系统是一个更大的系统，标准如何制定?以UTM的核心模块USS为例，目前没有相应软件开发标准。是否以航空领域的DO-178C作为标准，那么是否会阻碍USS在初期阶段的发展[126]。进一步，谁来对其进行审核，第三方机构还是政府机构?这一系列问题意味着巨大的挑战和机会。
5 结论民用无人机特别是以多旋翼飞行器为典型代表的无人机发展迅猛。为了保证安全，民用无人机与民航飞行器一样，飞行过程必须接受全程管理。无人机空中交通管理系统目的是保持无人机与空中其他飞行器(如：无人机、有人机、气球等)的安全间隔，并提供一个高效和有序的交通流量控制方法。目前，无人机空管系统的研发在各国均正处于起步阶段。无人机交通管理技术的研发与落地，不仅能够满足不断增长的无人机行业应用需求，亦可作为有人飞行器自动化演进的重要技术途径，实现航空业的快速发展，成为世界各国进入航空强国的重要途径。
无人机交通网与传统民航网、公路网、铁路网等之间存在一定差异，具有一定的特殊性。因此，没有现成的交通控制管理方式能够直接沿用。目前美国NASA主导提出UTM，不依赖于国家政府部门集中控制，而是采用分布式授权给私人无人机服务供应商的原则。这样既保证空域安全，又能利用私人无人机服务供应商技术迭代灵活的优点降低了政府运营成本，同时为无人机服务提供商释放了市场。该框架被目前被广泛接受。
无人机交通管理功能主要包括空域管理、飞行管理和风险管理。针对这些管理，低空无人机交通需要攻克多个关键技术。①需要结构化空域以最大限度地提高通行能力，结构化包括空域网格化，以及航路网生成；进一步，还需要进行容量的准确评估。②需要设计针对无人机特点的交通管理方法，包括容量控制、航线规划以及空中避让技术等，避免因为不确定而导致的航路网交通不稳定的现象。③需要针对无人机交通，利用大数据和各种合理的模型，设计准确可行的风险评估方法。除此之外，需要开发可靠的CNS系统，并确定匹配安全飞行的性能指标。另外，还需要考虑无人机的研发[127-128]和通信安全问题[129]等。
以上的关键技术是相互耦合的。①风险、空域容量、飞行经济性与无人机航路网之间存在紧密关系。②通信、导航和监视系统的性能指标与风险息息相关。③给定航路网和飞行任务，交通控制方式决定着碰撞风险。④在网络结构变化或者无人机速度发生改变等情况下，某种交通控制方式下的航路网可能不稳定。最终，为了走向真正应用，需要对设备和流程等进行标准化。
在技术开发的同时，低空无人机交通的发展还需要公众接受、法律法规制定和相关人才培养等基础条件。可以预见，由于各方面的推进节奏不一致，前进的道路是曲折的。虽然这样，但只有坚定发展低空无人机交通，控制风险，民用无人机产业才能够健康有序地向前发展。
| [1] |
张军. 现代空中交通管理[M]. 北京: 北京航空航天大学出版社, 2005: 8-9, 269-277. ZHANG J. Modern air traffic management[M]. Beijing: Beihang University Press, 2005: 8-9, 269-277. (in Chinese) |
| [2] |
陈志杰. 空域管理理论与方法[M]. 北京: 科学出版社, 2012: 4-9, 63-70. CHEN Z J. Theory and method of airspace management[M]. Beijing: Science Press, 2012: 4-9, 63-70. (in Chinese) |
| [3] |
张建平, 陈晓, 任家龙. 民用无人机交通管理策略综述[J]. 航空计算技术, 2017, 47(6): 122-128. ZHANG J P, CHEN X, REN J L. Review on civil un manned aircraft traffic management strategies[J]. Aeronautical Computing Technique, 2017, 47(6): 122-128. (in Chinese) |
| Cited By in Cnki (5) | Click to display the text | |
| [4] |
中国民用航空局.低空联网无人机安全飞行测试报告[EB/OL]. (2018-02)[2019-08-06]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201811/P020181127320124612083.pdf. CAAC. Safety flight test report of low-altitude networked drone[EB/OL]. (2018-02)[2019-08-06]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201811/P020181127320124612083.pdf (in Chinese). |
| [5] | NASA. UTM: Air traffic management for low-altitude drones[EB/OL]. (2015-10)[2019-04-12]. https://www.nasa.gov/sites/default/files/atoms/files/utm-factsheet-11-05-15.pdf. |
| [6] | KOPARDEKAR P, RIOS J, PREVOT T, et al. Unmanned aircraft system traffic management (UTM) concept of operations[C]//16th AIAA Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2016: 3292. |
| [7] | PREVOT T, HOMOLA J, MERCER J. From rural to urban environments: Human/systems simulation research for low-altitude UAS traffic management (UTM)[C]//16th AIAA Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2016: 3291-3302. |
| [8] | AWEISS A S, OWENS B D, RIOS J, et al. Unmanned aircraft systems (UAS) traffic management (UTM) national campaign Ⅱ[C]//2018 AIAA Information Systems-AIAA Infotech@Aerospace. Reston, VA: AIAA, 2018: 1727. |
| [9] | MARCUS J. Unmanned aircraft systems traffic management (UTM): Conflict mitigation approach[C]//91.113(Right of Way Rules) Mitigation by Technology Workshop. McLean, VA: NASA Ames Research Center, 2018. |
| [10] | RIOS J L, SMITH I S, VENKATESAN P, et al. UTM UAS service supplier development: Sprint 2 toward technical capability level 4[C]//91.113(Right of Way Rules) Mitigation by Technology Workshop. McLean, VA: NASA Ames Research Center, 2018. |
| [11] | SESAR. U-space blueprint[EB/OL]. (2017-06-09)[2019-04-12].https://www.sesarju.eu/sites/default/files/documents/reports/U-Space%20Blueprint%20brochure%20final.PDF. |
| [12] | FLORIAN G. The road to safe and secure drone integration in Europe[J]. Insight, 2018, 68: 56-59. |
| [13] | HIROYUKI U. UTM project in Japan[EB/OL]. (2017-06-26)[2019-04-12]. https://gutma.org/montreal-2017/wp-ontent/uploads/sites/2/2017/07/UTM-Project-in-Japan_METI.pdf. |
| [14] | SALLEH M, LOW K H. Concept of operations (ConOps) for traffic management of unmanned aircraft systems (TM-UAS) in urban environment[C]//2017 AIAA Information Systems-AIAA Infotech@Aerospace. Reston, VA: AIAA, 2017: 0223. |
| [15] | SALLEH M, CHI W C, WANG Z, et al. Preliminary concept of adaptive urban airspace management for unmanned aircraft operations[C]//2018 AIAA Information Systems-AIAA Infotech@Aerospace. Reston, VA: AIAA, 2018: 2260. |
| [16] |
张进, 胡明华, 张晨. 空中交通管理中的复杂性研究[J]. 航空学报, 2009, 30(11): 2132-2142. ZHANG J, HU M H, ZHANG C. Complexity research in air traffic management[J]. Acta Aeronautica et Astronautica Sinica, 2009, 30(11): 2132-2142. (in Chinese) |
| Cited By in Cnki | Click to display the text | |
| [17] |
陈志杰. 未来空中交通管制系统发展面临的技术挑战[J]. 指挥信息系统与技术, 2016, 7(6): 1-5. CHEN Z J. Technical challenges facing the development of future air traffic control systems[J]. Command Information System and Technology, 2016, 7(6): 1-5. (in Chinese) |
| Cited By in Cnki (4) | Click to display the text | |
| [18] | ROBINSON J E. Overview of unmanned aerial system traffic management (UTM)[EB/OL]. (2016-05)[2019-04-12]. https://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20160006684.pdf. |
| [19] |
田凤, 汤新民, 李博, 等. 无人机飞行计划管理系统研究[J]. 交通信息与安全, 2016, 34(4): 104-111. TIAN F, TANG X M, LI B, et al. A flight management system of unmanned aerial vehicles[J]. Journal of Transport Information and Safety, 2016, 34(4): 104-111. (in Chinese) |
| Cited By in Cnki (5) | Click to display the text | |
| [20] |
中国民用航空局.无人机云系统接口数据规范[S/OL]. (2017-07-10)[2019-04-12]. http://www.caac.gov.cn/HDJL/YJZJ/201707/P020170711601854912740.pdf. CAAC. Specification for interface data of unmanned aircraft system cloud system[S/OL]. (2017-07-10)[2019-04-12]. http://www.caac.gov.cn/HDJL/YJZJ/201707/P020170711601854912740.pdf (in Chinese). |
| [21] |
中国民用航空局.低空飞行服务保障体系建设总体方案[S/OL]. (2018-10-12)[2019-04-12]. www.caac.gov.cn/PHONE/HDJL/YJZJ/201807/P020180718518639740679.doc. CAAC. Overall plan for the construction of low-altitude flight service support system[S/OL]. (2018-10-12)[2019-04-12]. www.caac.gov.cn/PHONE/HDJL/YJZJ/201807/P020180718518639740679.doc (in Chinese). |
| [22] | AMAZON. Revising the airspace model for the safe integration of small unmanned aircraft system[EB/OL]. (2015-07)[2019-04-12]. https://utm.arc.nasa.gov/docs/Amazon_Revising%20the%20Airspace%20Model%20for%20the%20Safe%20Integration%20of%20sUAS[6].pdf. |
| [23] | STEVENS M N, ATKINS E M. Multi-mode guidance for an independent multicopter geofencing system[C]//16th AIAA Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2016: 3150. |
| [24] | DILL E T, YOUNG S D, HAYHURST K J. SAFEGUARD: An assured safety net technology for UAS[C]//2016 IEEE/AIAA 35th Digital Avionics Systems Conference (DASC). Piscataway, NJ: IEEE Press, 2016. |
| [25] | D'SOUZA S, ISHIHARA A, NIKAIDO B, et al. Feasibility of varying geo-fence around an unmanned aircraft operation based on vehicle performance and wind[C]//2016 IEEE/AIAA 35th Digital Avionics Systems Conference (DASC). Piscataway, NJ: IEEE Press, 2016. |
| [26] |
中国民用航空局.无人机围栏MH/T 2008-2017)[S/OL]. (2017-10-20)[2019-04-12]. http://pilot.caac.gov.cn/jsp/airmanNews/airmanNewsDetail.jsp?uuid=a070ac6b-5096-4de9-976f-000282f97036&code=UAV#down. CAAC. Fence of unmanned aircraft system (MH/T 2008-2017)[S/OL]. (2017-10-20)[2019-04-12]. http://pilot.caac.gov.cn/jsp/airmanNews/airmanNewsDetail.jsp?uuid=a070ac6b-5096-4de9-976f-000282f97036&code=UAV#down (in Chinese). |
| [27] |
金安, 程承旗. 基于全球剖分网格的空间数据编码方法[J]. 测绘科学技术学报, 2013, 30(3): 284-287. JIN A, CHENG C Q. Spatial data coding method based on global subdivision grid[J]. Journal of Geomatics Science and Technology, 2013, 30(3): 284-287. (in Chinese) |
| Cited By in Cnki (14) | Click to display the text | |
| [28] |
程承旗, 陈东, 童晓冲. 基于地球剖分网格的无人机数据组织模型初探[J]. 地理信息世界, 2015, 22(4): 46-50. CHENG C Q, CHEN D, TONG X C. The UAV data organization model based on global subdivision grid[J]. Geomatics World, 2015, 22(4): 46-50. (in Chinese) |
| Cited By in Cnki (2) | Click to display the text | |
| [29] | GHARIBI M, BOUTABA R, WASLANDER S L. Internet of drones[J]. IEEE Access, 2016, 4: 1148-1162. |
| Click to display the text | |
| [30] |
廖小罕, 徐晨, 岳焕印. 基于地理信息的无人机低空公共航路规划研究[J]. 无人机, 2018, 2(19): 45-49. LIAO X H, XU C, YUE H Y. Research on UAV low-altitude public air route planning based on geographic information[J]. Unmanned Vehicles, 2018, 2(19): 45-49. (in Chinese) |
| [31] | MCFADYEN A, BRUGGEMANN T. Unmanned air traffic network design concepts[C]//2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC). Piscataway, NJ: IEEE Press, 2017. |
| [32] |
中国民用航空局.空域容量评估方法指导材料[S/.OL].(2006-10-25)[2019-04-12]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201511/t20151102_8122.html. CAAC. Airspace capacity assessment method guidance[S/OL].(2017-10-20)[2019-04-12]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201511/t20151102_8122.html (in Chinese). |
| [33] | BULUSU V, SENGUPTA R, MUELLER E R, et al. A throughput based capacity metric for low-altitude airspace[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018. |
| [34] | LAUDEMAN I V, SHELDEN S G, BRANSTROM R, et al. Dynamic density: An air traffic management metric: NASA/TM-1998-112226[R]. McLean, UA: NASA Ames Research Center, 1998. |
| [35] | PUECHMOREL S, DELAHAYE D. New trends in air traffic complexity[C]//2009 ENRI International Workshop on ATM/CNS: EIWAC, 2009. |
| [36] | HOEKSTRA J M, ELLERBOREK J, SUNIL E, et al. Geovectoring: Reducing traffic complexity to increase the capacity of UAV airspace[C]//2018 8th International Conference for Research in Air Transportation. Barcelona: ICRAT, 2018. |
| [37] | SUNIL E, HOEKSTRA J, ELLERBREOK J, et al. Metropolis: relating airspace structure and capacity for extreme traffic densities[C]//Proceedings of the 11th USA/Europe Air Traffic Management Research and Development Seminar (ATM2015). Lisbon: FAA/EUROCONTROL, 2015. |
| [38] | JARDIN M R. Analytical relationships between conflict counts and air-traffic density[J]. Journal of Guidance, Control and Dynamics, 2005, 28(6): 1150-1156. |
| Click to display the text | |
| [39] | EUROCONTROL. Air traffic management strategy for the years 2000+[EB/OL]. (2003-03-01)[2019-04-12]. https://www.seguridadaerea.gob.es/media/Migracion/pdf/89594/25524.pdf. |
| [40] | MAJUMDAR A, OCHIENG W, POLAK J. Estimation of European airspace capacity from a model of controller workload[J]. The Journal of Navigation, 2002, 55(3): 381-403. |
| Click to display the text | |
| [41] | KROZEL J, MITCHELL J S B, POLISHCHUK V, et al. Maximum flow rates for capacity estimation in level flight with convective weather constraints[J]. Air Traffic Control Quarterly, 2007, 15(3): 209-238. |
| Click to display the text | |
| [42] | BULUSU V, POLISHCHUK V, SENGUPTA R, et al. Capacity estimation for low-altitude airspace[C]//17th AIAA Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2017: 4266. |
| [43] | CHO J, YOON Y. How to assess the capacity of urban airspace:A topological approach using keep-in and keep-out geofence[J]. Transportation Research Part C:Emerging Technologies, 2018, 92: 137-149. |
| Click to display the text | |
| [44] | BULUSU V, SENGUPTA R, POLISHCHUK V, et al. Cooperative and non-cooperative UAS traffic volumes[C]//2017 International Conference on Unmanned Aircraft Systems (ICUAS). Piscataway, NJ: IEEE Press, 2017: 1673-1681. |
| [45] | CHO J, YOON Y. Extraction and interpretation of geometrical and topological properties of urban airspace for UAS operations[C]//13th USA/Europe Air Traffic Management Research and Development Seminar. Reston, VA: AIAA, 2019. |
| [46] | APAZA R, MARSDEN M. CNS simulation tool development for increasingly complex airspace operation evaluation[C]//Integrated Communications, Navigation and Surveillance Conference (ICNS 2019). Herndon, VA: NASA Glenn Research Center, 2019. |
| [47] | TEMPLIN F L, JAIN R, SHEFFIELD G, et al. Requirements for an integrated UAS CNS architecture[C]//2017 Integrated Communications, Navigation and Surveillance Conference (ICNS). Piscataway, NJ: IEEE Press, 2017: 2E4-1-2E4-11. |
| [48] | PRIMATESTA S, RIZZO A. Ground risk map for unmanned aircraft in urban environments[J]. Journal of Intelligent & Robotic Systems, doi: 10.1007/s10846019-01015-Z. |
| [49] | VASCIK P D, HANSMAN R J. Scaling constraints for urban air mobility operations: Air traffic control, ground infrastructure, and noise[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018. |
| [50] |
徐肖豪, 李善梅. 空中交通拥挤的识别与预测方法研究[J]. 航空学报, 2015, 36(8): 2753-2763. XU X H, LI S M. Identification and prediction of air traffic congestion[J]. Acta Aeronauticaet Astronautica Sinica, 2015, 36(8): 2753-2763. (in Chinese) |
| Cited By in Cnki (16) | Click to display the text | |
| [51] |
胡明华, 徐肖豪, 陈爱民, 等. 空中交通流量管理中的多元受限地面等待策略问题研究[J]. 航空学报, 1998, 19(1): 78-82. HU M H, XU X H, CHEN A M, et al. Multiple unit ground holding strategy problem research in air traffic flow management[J]. Acta Aeronautica et Astronautica Sinica, 1998, 19(1): 78-82. (in Chinese) |
| Cited By in Cnki | Click to display the text | |
| [52] | TERRAB M, ODONI A, DEUTSCH O. Ground-holding strategies for ATC flow control[C]//Guidance, Navigation and Control Conference. Reston, VA: AIAA, 1989: 3628. |
| [53] | VRANAS P B, BERTSIMAS D J, ODONI A R. The multi-airport ground-holding problem in air traffic control[J]. Operations Research, 1994, 42(2): 249-261. |
| Click to display the text | |
| [54] | VRANAS P B, BERTSIMAS D J, ODONI A R. Dynamic ground-holding policies for a network of airports[J]. Transportation Science, 1994, 28(4): 275-291. |
| Click to display the text | |
| [55] | ODONI A R. Flow control of congested networks[M]. Heidelberg: NATO ASI Series, 1987: 269-288. |
| [56] | SARAH S P. Dynamic flow management problems in air transportation[D]. Boston: Massachusetts Institute of Technology, 1997: 55-76. |
| [57] | DIMITRIS B. The traffic management rerouting problem in air traffic control:A dynamic network flow approach[J]. Transportation Science, 2000, 34(3): 239-255. |
| Click to display the text | |
| [58] | BALACHANDRAN S, NARKAWICZ A, MUNOZ C, et al. A path planning algorithm to enable well-clear low-altitude UAS operation beyond visual line of sight[C]//12th USA/Europe Air Traffic Management Research and Development Seminar (ATM2017). Seattle: ATM Seminar, 2017: 16. |
| [59] | CHAKRABARTY A, STEPANYAN V, KRISHNAKUMAR K S, et al. Real-time path planning for multicopters flying in UTM-TCL4[C]//AIAA SCITECH 2019 Forum. Reston, VA: AIAA, 2019. |
| [60] | LIU Z, KURZHANSKIY A, SENGUPTA R. An energy-based optimal control problem for unmanned aircraft systems flight planning[C]//201756th Annual Conference of the Society of Instrument and Control Engineers of Japan (SICE). Piscataway, NJ: IEEE Press, 2017: 1320-1325. |
| [61] | LIU S, ATANASOV N, MOHTA K, et al. Search-based motion planning for quadrotors using linear quadratic minimum time control[C]//2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Piscataway, NJ: IEEE Press, 2017: 2872-2879. |
| [62] | LIU S, MOHTA K, ATANASOV N, et al. Towards search-based motion planning for micro aerial vehicles[EB/OL]. (2018-10-7)[2019-04-12]. https://arxiv.org/abs/1810.03071. |
| [63] | TOLSTAYA E, RIBEIRO A, KUMAR V, et al. Inverse optimal planning for air traffic control[EB/OL]. (2019-03-25)[2019-04-12]. https://arxiv.org/abs/1903.10525. |
| [64] | BALAKRISHNAN H, CHANDRAN B. A distributed framework for traffic flow management in the presence of unmanned aircraft[C]//12th USA/Europe Air Traffic Management Research and Development Seminar (ATM2017). Seattle: ATM Seminar, 2017: 55. |
| [65] | BALAKRISHNAN H, CHANDRAN B. Optimal large-scale air traffic flow management[D]. Boston: Massachusetts Institute of Technology, 2014: 4-24. |
| [66] |
付其喜, 梁晓龙, 张佳强, 等. 无人机低空交通管理系统综述[J]. 飞行力学, 2019, 37(2): 1-6. FU Q X, LIANG X L, ZHANG J Q, et al. Overview of low-altitude air traffic management system for UAS[J]. Flight Dynamics, 2019, 37(2): 1-6. (in Chinese) |
| Cited By in Cnki (2) | Click to display the text | |
| [67] | MCFADYEN A, MEJIAS L. A survey of autonomous vision-based see and avoid for unmanned aircraft systems[J]. Progress in Aerospace Sciences, 2016, 80: 1-17. |
| Click to display the text | |
| [68] | KUCHAR J K, YANG L C. A review of conflict detection and resolution modeling methods[J]. IEEE Transactions on Intelligent Transportation Systems, 2000, 1(4): 179-189. |
| Click to display the text | |
| [69] | XUE M, RIOS J, SILVA J, et al. Fe3: An evaluation tool for low-altitude air traffic operations[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018: 3848. |
| [70] | THANH H L N N, HONG S K. Completion of collision avoidance control algorithm for multicopters based on geometrical constraints[J]. IEEE Access, 2018, 6: 27111-27126. |
| Click to display the text | |
| [71] | ONG H Y, KOCHENDERFER M J. Markov decision process-based distributed conflict resolution for drone air traffic management[J]. Journal of Guidance, Control and Dynamics, 2016, 40(1): 69-80. |
| Click to display the text | |
| [72] | BALAZS B, VASARHELYI G. Coordinated dense aerial traffic with self-driving drones[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). Piscataway, NJ: IEEE Press, 2018: 6365-6372. |
| [73] | VIRAGH C, NAGY M, GERSHENSON C, et al. Self-organized UAV traffic in realistic environments[C]//2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Piscataway, NJ: IEEE Press, 2016: 1645-1652. |
| [74] | BOIVIN E, DESBIENS A, GAGNON E. UAV collision avoidance using cooperative predictive control[C]//2008 16th Mediterranean Conference on Control and Automation. Piscataway, NJ: IEEE Press, 2008. |
| [75] | YANG X X, WEI P. Autonomous on-demand free flight operations in urban air mobility using Monte Carlo tree search[C]//2018 8th International Conference for Research in Air Transportation. Barcelona: ICRAT, 2018. |
| [76] | RESMERITA S, HEYMANN M, MEYER G. A framework for conflict resolution in air traffic management[C]//42nd IEEE International Conference on Decision and Control. Piscataway, NJ: IEEE Press, 2003: 2035-2040. |
| [77] | RICHARDS A, HOW J P. Aircraft trajectory planning with collision avoidance using mixed integer linear programming[C]//2002 American Control Conference. Piscataway, NJ: IEEE Press, 2002: 1936-1941. |
| [78] | ALONSO A, ESCUDERO L F, MARTIN F J. Collision avoidance in air traffic management:A mixed-integer linear optimization approach[J]. IEEE Transactions on Intelligent Transportation Systems, 2010, 12(1): 47-57. |
| [79] | LIN Y, SARIPALLI S. Collision avoidance for UAVs using reachable sets[C]//2015 International Conference on Unmanned Aircraft Systems (ICUAS). Piscataway, NJ: IEEE Press, 2015: 226-235. |
| [80] | PALLOTTINO L, FERON E M, BICCHI A. Conflict resolution problems for air traffic management systems solved with mixed integer programming[J]. IEEE Transactions on Intelligent Transportation Systems, 2002, 3(1): 3-11. |
| Click to display the text | |
| [81] | FRAZZOLI E, MAO Z H, OH J H, et al. Resolution of conflicts involving many aircraft via semidefinite programming[J]. Journal of Guidance, Control and Dynamics, 2001, 24(1): 79-86. |
| Click to display the text | |
| [82] | BILIMORIA K D, GRABBE S R, SHETH K S, et al. Performance evaluation of airborne separation assurance for free flight[J]. Air Traffic Control Quarterly, 2003, 11(2): 85-102. |
| Click to display the text | |
| [83] | YOO J D, DEVASIA S. On-demand conflict resolution procedures for air-traffic intersections[J]. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(4): 1538-1549. |
| Click to display the text | |
| [84] | ZHU G, WEI P. Pre-departure planning for urban air mobility flights with dynamic airspace reservation[C]//AIAA Aviation 2019 Forum. Reston, VA: AIAA, 2019: 3519. |
| [85] | SASSO V, FOMENI F D, LULLI G, et al. Planning efficient 4D trajectories in air traffic flow management[J]. European Journal of Operational Research, 2019, 276(2): 676-687. |
| Click to display the text | |
| [86] | GEISTER D, KORN B. Density based management concept for urban air traffic[C]//2018 IEEE/AIAA 37th Digital Avionics Systems Conference (DASC). Piscataway, NJ: IEEE Press, 2018: 1-9. |
| [87] | LOWRY M. Towards high-density urban air mobility[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018: 3667. |
| [88] | KLEINBEKMAN I C, MITICI M A, WEI P. eVTOL arrival sequencing and scheduling for on-demand urban air mobility[C]//2018 IEEE/AIAA 37th Digital Avionics Systems Conference (DASC). Piscataway, NJ: IEEE Press, 2018: 1-7. |
| [89] | PRADEEP P, WEI P. Energy-efficient arrival with RTA constraint for multirotor eVTOL in urban air mobility[J]. Journal of Aerospace Information Systems, 2019, 16(7): 263-277. |
| Click to display the text | |
| [90] | IPPOLITO C A. Dynamic ground-risk mitigating flight control for autonomous small UAS in urban environments[C]//2019 AIAA Modeling and Simulation Technologies Conference. Reston, VA: AIAA, 2109. |
| [91] | HAYHURST K J, MADDALON J M, MINER P S, et al. Preliminary considerations for classifying hazards of unmanned aircraft systems[R]. Hampton: NASA Langley Research Center, 2007. |
| [92] | CLOTHIER R A, WALKER R A. Determination and evaluation of UAV safety objectives[C]//21st International Unmanned Air Vehicle Systems Conference. Bristol: QUT Faculty of Built Environment and Engineering, 2006. |
| [93] | CLOTHIER R A, PALMER J L, WALKER R A, et al. Definition of an airworthiness certification framework for civil unmanned aircraft systems[J]. Safety Science, 2011, 49(6): 871-885. |
| Click to display the text | |
| [94] | BURKE D A, HALL C E, COOK S P. System-level airworthiness tool[J]. Journal of Aircraft, 2011, 48(3): 777-785. |
| Click to display the text | |
| [95] |
丁水汀, 鲍梦瑶, 杜发荣. 无人机系统适航与安全性分析方法[J]. 航空动力学报, 2012, 27(1): 233-240. DING S T, BAO M Y, DU F R. Safety research on unmanned aircraft system for airworthiness[J]. Journal of Aerospace Power, 2012, 27(1): 233-240. (in Chinese) |
| Cited By in Cnki (20) | Click to display the text | |
| [96] | JARUS. JARUS guidelines on specific operations risk assessment (SORA)[EB/OL]. (2017-06-26)[2019-04-12]. http://jarus-rpas.org/sites/jarus-rpas.org/files/jar_doc_06_jarus_sora_v2.0.pdf. |
| [97] |
中国民用航空局.特定类无人机试运行管理规程(暂行)[S/OL]. (2019-02-01)[2019-04-12]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201902/P020190201603949196944.pdf. CAAC. Procedures for the trial operation of certain types of UAVs (provisional)[S/OL]. (2019-02-01)[2019-04-12]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201902/P020190201603949196944.pdf (in Chinese). |
| [98] | AIRBUS. Altiscope: Building blueprints for the sky[EB/OL]. (2017-11)[2019-4-12]. https://www.airbus.com/newsroom/news/en/2017/11/altiscope-building-blueprints-for-the-sky.html |
| [99] | DALAMAGKIDIS K. Handbook of unmanned aerial vehicles[M]. Dordrecht: Springer, 2015: 2199-2228. |
| [100] | CASA. Human injury model for small unmanned aircraft impacts[EB/OL]. (2013-12)[2019-04-12]. https://www.casa.gov.au/sites/g/files/net351/f/_assets/main/airworth/papers/human-injury-model-small-unmanned-aircraft-impacts.pdf. |
| [101] | ENDOH S. Aircraft collision models[D]. Boston: Massachusetts Institute of Technology, 1982: 7-13. |
| [102] | KIM S H. Conflict risk assessment of structured and unstructured traffic of small unmanned aircraft systems[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018: 3033. |
| [103] | PRANDINI M, HU J, LYGEROS J, et al. A probabilistic approach to aircraft conflict detection[J]. IEEE Transactions on Intelligent Transportation Systems, 2000, 1(4): 199-220. |
| Click to display the text | |
| [104] | JONES T. Tractable conflict risk accumulation in quadratic space for autonomous vehicles[J]. Journal of Guidance, Control and Dynamics, 2006, 29(1): 39-48. |
| Click to display the text | |
| [105] | PATIL S, VAN DEN BERG J, ALTEROVITZ R. Estimating probability of collision for safe motion planning under Gaussian motion and sensing uncertainty[C]//2012 IEEE International Conference on Robotics and Automation. Piscataway, NJ: IEEE Press, 2012: 3238-3244. |
| [106] | BLACKMORE L, LI H, WILLIAMS B. A probabilistic approach to optimal robust path planning with obstacles[C]//2006 American Control Conference. Piscataway, NJ: IEEE Press, 2006: 9047084. |
| [107] | JONES B A, DOOSTAN A. Satellite collision probability estimation using polynomial chaos expansions[J]. Advances in Space Research, 2013, 52(11): 1860-1875. |
| Click to display the text | |
| [108] | JONES B A, PARRISH N, DOOSTAN A. Post maneuver collision probability estimation using sparse polynomial chaos expansions[J]. Journal of Guidance, Control and Dynamics, 2015, 38(8): 1425-1437. |
| Click to display the text | |
| [109] | XIU D, KARNIADAKIS G E. The Wiener-Askey polynomial chaos for stochastic differential equations[J]. SIAM Journal on Scientific Computing, 2002, 24(2): 619-644. |
| Click to display the text | |
| [110] | PAIELLI R A, ERZBERGER H. Conflict probability estimation for free flight[J]. Journal of Guidance, Control and Dynamics, 1997, 20(3): 588-596. |
| Click to display the text | |
| [111] | ANCEL E, CAPRISTAN F M, FOSTER J V, et al. Real-time risk assessment framework for unmanned aircraft system (UAS) traffic management (UTM)[C]//17th AIAA Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2017. |
| [112] | ZHAO Z Y, QUAN Q, CAI K Y. A health evaluation method of multicopters modeled by stochastic hybrid system[J]. Aerospace Science and Technology, 2017, 68: 149-162. |
| Click to display the text | |
| [113] | ZHAO Z Y, QUAN Q, CAI K Y. A profust reliability based approach to prognostics and health management[J]. IEEE Transactions on Reliability, 2014, 63(1): 26-41. |
| Click to display the text | |
| [114] | YAN J, ZHAO Z Y, LIU H X, et al. Fault detection and identification for quadrotor based on airframe vibration signals: a data-driven method[C]//2015 34th Chinese Control Conference (CCC). Piscataway, NJ: IEEE Press, 2015: 6356-6361. |
| [115] | GRAVIO G, MANCINI M, PATRIARCA R, et al. Overall safety performance of air traffic management system:Forecasting and monitoring[J]. Safety Science, 2015, 72: 351-362. |
| Click to display the text | |
| [116] | SACHATNY D, HENDERSON T C. A lane-based approach for large-scale strategic conflict management for UAS service suppliers[C]//2019 International Conference on Unmanned Aircraft Systems (ICUAS). Piscataway, NJ: IEEE Press, 2019: 937-945. |
| [117] | GHARIBI M, BOUTABA R, WASLANDER S. 3D traffic flow model for UAVs[J/OL]. eprint arXiv: 1810.03071, (2019-9-11)[2019-10-11]. https://arxiv.org/abs/1909.04838. |
| [118] | CONTE G, DOHERTY P. Vision-based unmanned aerial vehicle navigation using geo-referenced information[J]. EURASIP Journal on Advances in Signal Processing, 2009, 10: 1-18. |
| Click to display the text | |
| [119] | ALI B S. Traffic management for drones flying in the city[J]. International Journal of Critical Infrastructure Protection, 2019, 26: 100310. |
| Click to display the text | |
| [120] | JUNG J, D'SOUZA S N, JOHNSON M A, et al. Applying required navigation performance concept for traffic management of small unmanned aircraft systems[C]//30th ICAS 2016 Congress of the International Council of the Aeronautics Sciences. Mclean, VA: NASA Ames Research Center, 2016, 9. |
| [121] | ICAO. Manual on required communication performance(RCP)[S]. Montreal: International Civil Aviation Organization, 2006. |
| [122] | KOPARDEKAR P, RIOS J, JOHNSON M, et al. Unmanned aerial systems traffic management (UTM) weather impacts[C]//6th Unmanned Systems Alliance of Oklahoma. Mclean, VA: NASA Ames Research Center, 2016. |
| [123] | PIEN K C, HAN K, SHANG W, et al. Robustness analysis of the European air traffic network[J]. Transportmetrica A:Transport Science, 2015, 11(9): 772-792. |
| Click to display the text | |
| [124] | WACKWITZ K, BOEDECKER H. Safety risk assessment for UAV operation[EB/OL]. (2015-11)[2019-11-01]. http://www.sarahnilsson.org/app/download/965208764/Safety-Risk-Assessment-for-UAV-Operation-Rev.-1.1.compressed.pdf. |
| [125] | ANSI. Standardization roadmap for unmanned aircraft systems[EB/OL]. (2018-12-20)[2019-04-12].https://www.ansi.org/news_publications/news_story?menuid=7&articleid=58757077-aeb7-4554-b359-4aa34ae8881d. |
| [126] | MATUS F, HEDBLOM B. Addressing the low-altitude airspace integration challenge-USS or UTM core?[C]//2018 Integrated Communications, Navigation, Surveillance Conference (ICNS). Piscataway, NJ: IEEE Press, 2018. |
| [127] | HASSANALIAN M, ABDELKEFI A. Classifications, applications, and design challenges of drones:A review[J]. Progress in Aerospace Sciences, 2017, 91: 99-131. |
| Click to display the text | |
| [128] | SILVA C, JOHNSON W R, SOLIS E, et al. VTOL urban air mobility concept vehicles for technology development[C]//2018 Aviation Technology, Integration, and Operations Conference. Reston, VA: AIAA, 2018: 3847. |
| [129] | JEANNIN J. Security aspects of urban air mobility[EB/OL].[2019-04-12]. https://cra.org/ccc/wp-content/uploads/sites/2/2018/06/JeanBoris_ccc_leadership_in_embedded_security_workshop.pdf. |