跳到主要內容
AI News HubLIVE
站內改寫1 分鐘閱讀

支援航路空中交通控制的解空間路徑規劃

文章摘要

提出了一種用於航路空中交通管制的新型無衝突路徑規劃演算法,利用解空間顯示提高可解釋性和靈活性。該演算法整合了三種意圖衝突檢測方法和兩種搜尋變體(SSPPV和SSPPE)。基於馬斯特裡赫特上層區域管制中心(MUAC)Delta扇區的實驗結果表明,SSPPV結合基於區域的衝突檢測效能最優,平均計算時間為3.69毫秒。

來源arXiv AI作者: Yiyuan Zou, Wenying Lyu, Clark Borst
支援航路空中交通控制的解空間路徑規劃
回報錯誤

更正管道尚未開通,可先複製下方文章資訊留存。

查看更正說明
直接讀正文

隨著空中交通流量的持續增長,航路空中交通管制(ATC)面臨著日益嚴峻的挑戰。儘管近年來路徑規劃演算法研究取得了顯著進展,但它們在戰術管制中的實際部署仍然有限,這暴露出演算法設計優先順序與管制員實際需求之間的脫節。為了彌合這一鴻溝,本研究提出了一種專為航路ATC設計的無衝突路徑規劃演算法,該演算法以兩個核心指導原則為基礎:首先,利用解空間顯示技術提供的高度可解釋性和靈活性,構建能夠向管制員展示所有可行安全動作並適應動態最佳化目標的演算法;其次,模擬管制員在實施間隔標準、機動性限制、航路點最小化和路由實用性等操作約束時自然採用的決策邏輯。

演算法在解空間框架內整合了三種基於意圖的衝突檢測方法:距離法、時間間隔法和區域法。這些方法以計算高效的方式識別潛在衝突,並確保路徑的安全性。此外,研究還提出了基於頂點和基於邊的搜尋節點,分別對應解空間路徑規劃的兩個變體——SSPPV和SSPPE。透過對計算速度和解質量的全面評估,實驗結果表明,SSPPV與區域衝突檢測的組合表現最佳。在基於馬斯特裡赫特上層區域管制中心(MUAC)Delta扇區的實際場景中,使用5海里網格,該演算法平均僅需3.69毫秒即可完成路徑計算,展現出出色的即時應用潛力。

該論文由Yiyuan Zou等人撰寫,於2026年6月30日提交至arXiv(編號2607.00064),共37頁,包含16張圖表,涉及人工智慧、機器人和系統與控制等多個領域。這項研究為未來空管決策支援系統的開發提供了新的思路,有望推動路徑規劃演算法從理論走向實際應用。

展開要點與分析

文章情報

研究者進階

要點

  • 演算法注重可解釋性和計算效率,滿足管制員需求。
  • 在解空間框架內整合了距離、時間間隔和區域三種衝突檢測方法。
  • 提出基於頂點(SSPPV)和基於邊(SSPPE)的搜尋節點變體。
  • SSPPV結合區域檢測在MUAC場景下平均耗時3.69毫秒。

要點與分析由自動化流程生成,可能有誤,請結合原始來源核實。

支援航路空中交通控制的解空間路徑規劃 | AI News Hub