信息通信技术应用(Information and Communication Technologies, ICTs)是新一代航空运输体系(Next Generation Air Transportation System, NextGen)的核心。NextGen作为美国美国联邦航空局(Federal Aviation Administration, FAA)提高航空安全水平和运营效率水平的战略工程, 以星基导航监视和互联网系统为基础, 以卫星技术、数据链技术和计算机网络技术为建设重点, 组成了完整的包括通信、监视、导航和空中交通管理在内的ICTs应用体系^[1]。具体在保证空域资源可持续利用领域又分为2个部分:一是建立统一的相互兼容的通信、导航与监视空中管理网络, 集中实施空域一体化管理和交通管制以及飞行监控; 二是实现在地面导航台辅助配合下保障航空器按照自身GPS导航系统进行最短航线选择^[2]。共同解决那些可能危及航空器空中活动安全的问题和有序空中交通服务组织的问题。ICTs的应用使NextGen具有更为完整、统一和综合的特征。

NextGen不是由航空部门独立构成的, 而是由网络部门和管理部门共同构成的^[3]。网络部门旨在推进网络数据通信服务系统和监视系统建设, 为NextGen提供一个强大的信息平台, 使低空管制、飞行情报、地面导航和气象服务信息传递通畅, 以提高空管系统空域保障与服务能力。管理部门涉及到技术标准等, 以确保航空器性能与相应运行空域的准入条件相匹配。可见, NextGen需要转换整个国家的航空运输系统以满足其需要, 包括目前从地面技术到更加动态的卫星技术, 从空中交通管制员(Air Traffic Controller, ATC)语音通信到数据通信, 并帮助所有新一代航空运输操作者获取网络功能信息^[4]。

通过NextGen综合计划实现网络功能的天气— 支持服务(Weather-Support Service, WSS)是ICTs应用的一个典型事例。WSS的任务是在整个空域系统中实时提供通用天气图片, 评估危险天气(Risky Weather, RW)下4d(经度、维度、海拔高度和时间)飞行轨迹, 使地面和空中交通用户能有效使用问题— 解决和决策— 支持工具识别RW对飞行轨迹的影响并提供决策, 从而提高飞行安全性和空域资源利用能力。在此, NextGen将不再依据手动进行飞行轨迹的变更而是使用空域规划和协同决策技术进行自动处理与决策, 以对进出终端空域航班进行优化。

基于ICTs的RW规避决策与应用的最基本变化是从信息的手动集成到自动集成, 相关研究为这一变化提供了理论与技术依据。关于RW所生成的航空飞行危害限制空中交通管制的灵活操作并带来飞行安全风险的研究由来已久^[5], 如空中结冰造成的低温和水蒸汽(或液滴)干扰航空器设备、雨雾削弱航空器对跑道及其他位置的感知能力、风切变和微爆流等对流与非对流现象(阵风锋面和风能转变)影响飞离路线和最终决定降落方法等^[6]。也包括RW因素增加ATC工作负荷的研究, 即在天气影响区域内重新改变航线计划等^[7]。以往管制员工作站因缺乏自动气象信息及空中交通管理决策系统工具的支持, 而需手动集成天气和交通信息并做出决策, 具有多方面不利影响:①管制员对空中交通的操作和RW带来的影响会因不同经历而有不同心理认知; ②管制员在应对天气变化时在高度工作负荷下往往会产生不一致的解决方案^[8]。针对这些问题, NextGen的目标之一即是实现天气信息和交通决策支持系统过程的自动化, 从人工决策系统转化为决策监视的自动化系统, 充分发挥了知识— 决策在NextGen中的重要作用。

以飞行安全和协同管制工作负荷为主题的空域规划和协同决策模型(Airspace Planning and Collaborative Decision-Making Model, APCDM)是一种减少航班延误调整飞行路线的新方法, 其通过选择一组飞行计划实现了空中交通安全和扇区工作负荷平衡的目标^[9~11]。APCDM是由空中交通预测和管理发展而来的。在空中交通预测领域, 一些学者试图使用贝叶斯(Bayesian)、神经网络(Neural Network)和模糊逻辑技术(Fuzzy Logic techniques)等改进的预测技术以提高预测准确性。如Abramson等^[12]开发的贝叶斯系统即完成了对科罗拉多州北部恶劣天气的飞行预测。一些天气预报组织如美国国家环境预测中心(National Centers for Environmental Prediction, NCEP)和恶劣天气预报中心(Severe Weather Forecast Center, SWFC)也使用神经网络预测风暴频率和强度并提供恶劣天气监控报表; 也有学者利用神经网络系统进行降雨影响预测、龙卷风影响预测等^{[13, 14]}。Riordan等^[15]针对天气不确定性问题开发了2个不同的模糊逻辑天气预报模型, 分别用于空中上限能见度预测和海洋预测。

在空中交通管理领域, RW交通流管理相关模型也同样得到不断改进和发展。Alonso等^[16]通过对Bertsimas和Stock模型^[17]的修正提出了一套随机方法用于解决欧洲空中交通流量管理中机场和空域天气的不确定性问题。FAA应用RW条件下的地面延误程序(Ground Delay Programs, GDPs)、恶劣天气下的规避计划(Severe Weather Avoidance Plan, SWAP)实现了RW条件下对飞行轨迹的管理。Nilim等^[18]也尝试打破保守的RW处理方法, 开发了一个基于航迹的空中交通管理系统(Trajectory-Based Air Traffic Management System)。Thengvall等^[19]为改革以往采用的更改航线、减少机场容量以规避RW的做法, 提出bundle算法以解决飞行计划恢复问题, 并使用启发式技术求得较少限制的飞行计划最优解。

综上而论, APCDM能够根据空中交通管制扇区几何形状、航班飞行计划、特殊用途空域(Special Use Airspace, SUAs)和空域限制使用等关键障碍因素进行RW条件下的航线调整。但是随着ICTs在航空天气预报和航线优化及空域操作中的应用^[20], 航线调整必须与RW条件下的空中交通自动决策支持系统紧密相连, 实时准确地预测天气运动并依靠准确的预测优化航线轨迹以避免RW影响, 最大程度地利用现有的空域资源^[21]。由此提出在ICTs应用基础上构建基于自动决策支持的RW条件下空域协同管理决策系统的命题。以下分基础应用、普通应用和特殊应用三部分予以说明。

RW条件下ICTs有效应用的基础是概率生成和概率地图开发, 其需要考虑天气变化的连续性并使用离散方法表示, 这种表示方式本质上是依靠定位数据和多元线性回归技术在影响区域按空间网格状结构创建一个概率网, 检测给定飞行轨迹遇到RW的概率^[23], 并以固定时间为间隔输出必要信息, 即为模式输出统计(Model Output Statistics, MOS)。MOS技术客观地展现了天气预报数据并提供概率结果, 为使用概率网检查4d飞行轨迹中RW的动态概率奠定了基础。MOS技术2个最重要的优势是消除固有数值模型中的系统偏差和显示具体RW因素在每个位置的概率^[24]。可见MOS的关键特征是通过概率网得到影响某一RW的概率, 实现RW条件下的飞行计划自动决策支持。

概率网可由阈值链连接相邻阈值构成, RW概率也是沿着阈值链变化的, 所以创建概率网时首先应明确阈值之间的距离即阈值链关系。概率网反映的准确性主要依赖于报告网点密度, 根据每个网点的经纬度, 使用K-means集群启发式算法能确定指定网点的质心位置以避免在概率网上产生网孔。使用概率网对每个飞行计划进行评估时, 得到飞行轨迹与概率网链之间交点即链交叉概率值(Strand Intersection Probability Values, SIPVs)作为2个网点间相应的概率, 从而依据SIPVs确定在指定阈值范围内通过概率网时的最短飞行轨迹。飞越单一RW地区的指定阈值概率的飞行计划首先需要连接两地某一RW发生的概率值, 其次计算飞行轨迹与每个链交点的各自SIPVs, 最终在指定概率阈值的范围内确定飞行最短路径。此外, MOS技术支持下的网点必须保持信息实时动态更新^[25]。

2005年4月18日一架经济巡航机以850 km/h的速度从美国奥尔巴尼机场飞往拉斯维加斯机场, 基于概率网的对流天气下使用4个不同的概率阈值生成的飞行路线(图2)。在没有RW的情况下, 将选择达到时间的最短路径(3 591.5 km)。在RW条件下将飞行轨迹与概率网叠加生成基于最小阈值概率σ = 0.01的路径, 通过计算飞行距离将会增加到4 106.3 km, 同样当σ =0.20和σ =0.30时飞行距离相应增加。ATC使用多目标决策生成不同阈值概率的路线, 可以采用加权延迟和中断进行线路选择, 通过概率网和飞行轨迹生成一组最优的飞行计划, 既满足概率阈值范围, 同时也满足相关扇区的工作负荷以及空域冲突等方面, 规避潜在的RW。实施RW下精准时间计划可为飞行轨迹提供有效的实时调整决策^[25]。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 指定机场间的概率网与飞行轨迹示意[25]Fig.2 Probability-nets and flight paths in given airports[25]

Ahlstrom等^[26]使用影响区域网点数据定义天气对象, 并根据飞行过程中RW自动识别算法(Automatic Identification of Risky Weather Objects in Line of Flight, AIRWOLF)生成网点多边形图, 用于识别地区RW和航空器位置的冲突。已知RW区域及其重心和最小影响区域圈, 通过航空器自当前的位置可计算出未来位置(某一时间段后的线性距离), 获得所有必要的RW和航空器对象间冲突的信息。同时计算出以固定度数倾斜角(用户可调整角度)的安全椎体(边长为航空器当前位置与未来位置间的距离)及其质心和飞行圈(半径为航空器当前位置与质心间的距离), 由此确定最小影响区域圈与飞行圈之间的重叠关系, 显示没有重叠(没有检测到RW冲突)、有重叠并需要继续通过算法确定安全椎体没有落入最小影响区域内(没有检测到RW冲突)、安全椎体落入最小影响区域内(检测到RW冲突)3种情况。使用该算法可获得飞行位置(含高度)信息以决定是否与RW对象冲突。这种迭代算法能对航空器每次飞行的位置数据(包括实时位置与方向变量)进行更新, 并做出预测。该算法通过最小影响区域圈到飞行圈的圈对圈(circle-to-circle)进行冲突检测和交叉测试(crossings test)确定RW是否对飞行区域或飞行轨迹有影响^{[27, 28]}。检查天气多边形是否位于安全锥内部或外部的方法, 动态显示了航空器与危险区域相对位置情况, 为有效解决更改航线问题提供一种辅助决策的设想。

2010年冰岛艾雅法拉火山喷发对空域系统的影响可作为已发生天气事件的典型案例, 国际民航组织(International Civilization Aviation Organization, ICAO)曾组织不同领域专家进行讨论, Scaini等^[29]和Neteler等^[30]基于不同高度层分别评估了RW空域管理及特定航班的航线调整问题, 表明了GIS在事件中的进一步应用。基于此Scaini等^[31]将空中交通数据输入到数据库管理系统(Database Management System, DBMS)中形成对FL050-FL400高度上航线影响(图3)的分等评估。具体步骤包括:对空间数据进行影响评估预处理, 确定天气事件对飞行轨迹的影响区域(空域和扇区); 将影响区域与航线叠加计算出二者交叉部分; 根据受影响航线长度(小于10%, 10%~80%和大于80%)和影响区域面积(小于10%, 10%~50%和大于50%)进行影响级别划分。又根据3个高度层(FL050, FL250和FL400)、3个浓度值(0.02 mg/m³, 0.2 mg/m³和2 mg/m³)的分布状况, 显示天气事件72小时内对航空器飞行产生的影响(图4)。在这个过程基于Web的GIS工具支持了自动处理RW条件下的航线调整需求, 提高了空中交通管理和决策的水平。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 危险天气对航线的分等评估 (a)危险天气相关的航线; (b)不同等级的航线与影响区域(据参考文献[31]修改)Fig.3 Assess the classification of routes in risky weather (a) Routes selected for analyze in risky weather; (b) Different classification of routes and influenced area (modified after reference[31])

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 影响空域72小时内不同高度层不同浓度值的分布(据参考文献[31]修改)Fig.4 Distribution of different levels and different thresholds in 72 hours of the influenced airspace (modified after reference[31])

(1) NextGen应用ICTs的本质特征是自动化实时改变飞行轨迹, 通过RW条件下飞行过程自动化规避分析可见, 首先表现在空域协同管理决策中完善数据输入— 航线输出的外循环过程, 其次表现在通过飞行计划与RW间存在的概率网形式评估一般性RW在某一区域的概率, 第三表现在应用GIS工具快速生成特殊天气事件中的新航线。研究认为, 在未来空域协同管理决策中使用ICTs可以将RW因素纳入航空自动化管理的全过程, 实现对RW与飞行轨迹冲突的自动化探测。

(2) 从信息地理学视角来看, 首先, ICTs的应用有利于国家建立快速反应的空中交通系统和发挥空域资源最大效益, 通过自动识别、自动化信息传输、自动决策支持体现从手动到自动的根本性变革, 这种变革是通过精准时间计划而实现的, 时间对空间的替代应是信息地理学研究思维的重要转变。其次, ICTs的应用实现了数据驱动时代空域信息的可视化, GIS技术为ATC采用互动视觉系统对空中交通实践管理提供了快速生成和分析的仿真环境, 对推进RW条件下空中交通数据的自动集成和操作优化发挥了重要作用。

(1) 关于大数据与可视化的讨论。ATC面临着由移动数据集合而成的大数据的诱惑, 包括航空器飞行轨迹的全球定位、空中导航系统、4d飞行数据存储和分析等^{[32, 33]}, 特别是对大数据可视化技术的诱惑。Fekete等^[34]开发了应用大数据显示散点图的信息可视化技术, Scheepens等^[35]生成了基于航空器轨迹的密度地图并用于导航和重新布局飞行轨迹。目前在ATC工作中对大数据可视化的有效性有着较高的期望, 但视觉技术的使用仍相对有限, 尤其是视觉的可升缩性以及快速查询系统的易于形成性仍然面临着开发的挑战。

(2) 关于工作负荷与自动化的讨论。以往学者较担心ATC在获得繁杂RW显示时会增加工作负荷^[36], 并开发了多种RW条件下通过ATC预测而增加扇区数量的方法^[37], 其与NextGen的要求不相适应。未来需要进一步开发ICTs应用功能解决自动识别飞行过程中RW规避问题, 为ATC工作站提供与RW活动条件、上限等有关的航空器风险快速跟踪、检查的自动化支持:当航空器遭遇RW区域时, 通过空域协同管理决策系统即可自动获得并显示位置和方向可视化图形, 并实时自动规避并预测冲突。