空管路径规划算法兼顾可解释性与效率

在航空交通管理领域，路径规划算法一直是研究热点，但许多算法在实际战术管制中应用有限。近日，一项发表于arXiv的研究指出，现有算法与空中交通管制员实际需求之间存在脱节，亟需开发兼具可解释性、计算效率和人性化设计的决策支持方案。该研究聚焦于航路空中交通管制中的无冲突路径规划问题，提出了一种名为“解空间路径规划”的新算法。

该算法设计的核心在于两点：一是利用解空间显示提供的可解释性和灵活性，构建能够暴露所有可行安全动作并适应动态优化目标的算法；二是模拟管制员在强制执行运行约束时的自然决策逻辑，包括间隔标准、机动性限制、航路点最小化和路由实用性等。通过将这三者整合，算法得以在计算效率与人类认知习惯之间找到平衡。

具体而言，SSPP算法在解空间框架内集成了三种基于意图的冲突检测方法：基于距离的方法、基于时间间隔的方法和基于区域的方法。这些方法分别从不同维度评估潜在冲突，为路径搜索提供精确的约束条件。此外，研究还提出了两种搜索节点变体——基于顶点的SSPPV和基于边的SSPPE，以探索不同搜索策略对计算速度和解决方案质量的影响。

实证评估基于马斯特里赫特高空区域管制中心Delta扇区的实际运营场景，使用5海里网格进行测试。结果显示，SSPPV与基于区域的冲突检测组合表现最佳，平均路径计算时间仅为3.69毫秒。这一性能表明，该算法完全能够满足实时决策支持的需求，同时保持高度可解释性，使管制员能够直观理解算法推荐的路径。

该研究的价值在于弥合了算法设计与人类操作之间的鸿沟。传统路径规划算法往往追求全局最优解，却忽视了管制员需要即时理解并信任系统建议的现实。SSPP算法通过显式暴露所有可行动作，让管制员能够根据当前态势灵活调整优化目标，而不是被动接受黑箱输出。这种设计理念对于提高空中交通管理的安全性和效率具有重要意义。

未来，研究团队计划进一步扩展算法以处理更复杂的多机冲突场景，并探索将解空间显示与增强现实技术结合的可能性。随着航空交通量持续增长，这类以人为本的智能决策支持工具将成为空管系统升级的关键技术之一。