精选今天0 投票
可解释AI路径规划：为空管员设计的冲突解脱算法
空中交通管理领域已有大量路径规划算法，但战术管制阶段的采纳率始终不高。近日，一篇由Yiyuan Zou、Wenying Lyu和Clark Borst联合发表的预印本论文（arXiv:2607.00064）指出，核心问题在于算法设计优先级与管制员实际需求之间的错位。为此，研究团队提出了一套专为**航路空中交通管制（ATC）**设计的无冲突路径规划算法，重点解决可解释性、计算效率与人类决策兼容性三大挑战。
算法设计的两大基石
研究将算法构建在两条指导原则之上：
- 解空间显示（Solution-Space Displays）的可解释性与灵活性：解空间显示是一种可视化工具，能向管制员展示所有可行的安全操作选项。算法需与此兼容，不仅暴露全部可行解，还要能灵活适应动态变化的优化目标。
- 管制员的自然决策逻辑：算法需模仿管制员在实际工作中执行运行约束（如间隔标准、机动性限制、航路点最小化、路径实用性）时的决策过程，而非追求纯数学最优。
三大冲突检测方法与两种搜索变体
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：
- 基于距离的检测：依据预测位置间的几何距离判断冲突。
- 基于时间间隔的检测：通过计算航空器通过同一区域的时间窗口重叠情况识别风险。
- 基于区域（Zone-Based）的检测：将空域划分为网格区域，检测同一网格内是否存在多架航空器。
在此基础上，研究提出了两种搜索节点方案：基于顶点（SSPPV）和基于边（SSPPE），分别对应两种变体。在荷兰马斯特里赫特高空区域管制中心（MUAC）Delta扇区的运行相关场景中，以5海里网格分辨率进行测试，结果显示：SSPPV搭配基于区域的冲突检测表现最佳，平均路径计算时间仅为3.69毫秒，完全满足实时管制需求。
行业意义与未来方向
该研究的核心贡献在于将可解释AI理念引入空管决策支持。传统算法常被视为“黑箱”，管制员难以信任其输出，而本算法通过解空间显示提供直观的可行操作集合，使管制员能快速理解并采纳建议。此外，算法的高计算效率（毫秒级）为其嵌入现有雷达显示系统提供了可能。
论文也指出，当前研究基于特定扇区与网格参数，未来需在更复杂空域、多扇区协同以及实际人因实验中进行验证。随着空中交通流量持续增长，兼顾效率与人类认知的AI辅助工具或将成为下一代空管系统的关键组件。