动态需求响应空域：微元单元与移交时间优化原理

论文题目：Operationalizing flow-centric air traffic management with granular cells and dynamic handover times

第一作者/通讯作者：Simon Bruno Göppel 德国联邦国防军慕尼黑大学，聚焦空中交通管理（ATM）领域，移动扇区空中交通复杂度评估、流量中心化空管运行、智能优化算法驱动的轨迹调整、空管复杂度指标构建等方向。

E-mail：simon.goeppel@unibw.de

动态需求响应空域：微元单元与移交时间优化原理

论文摘要

在全球航空流量持续增长、飞行任务多样化的背景下，传统固定扇区的空域管理逐渐暴露出容量利用率低、管制员负荷不均等问题。为解决这一关键难题，论文提出了 Granular Cells（GCs） 与 动态移交时间（DHTs） 的协同框架，在流量中心化的空管模式中实现动态、需求驱动的空域调控。GCs 通过聚类具有相似轨迹和性能的航班，将其视为单个动态体进行管理；DHTs 则根据实时工作负荷调整航班在邻接扇区间的移交时刻。这一方法采用模块化模拟平台，先从实测数据推断出代表性的七扇区结构，使用 二阶段层次聚类 与 稳定性分析 生成 GCs，随后通过 几何参数化 和 模拟退火算法 优化移交位置及时间。实验在新加坡飞行情报区（FIR）进行，结果表明：GCs 可在高峰时段将扇区复杂度平均降低约 17%，局部最高可达 50%，并向相邻扇区传递收益；DHTs 在各扇区平均降低复杂度 2%，最高 6%；两种机制联合实施时平均降低复杂度约 3%，虽减幅并非简单叠加，但为高密度航空流量提供了高效的局部与接口管理方案。

一、研究背景与问题陈述

1.1 背景

• 高流量与异质需求的挑战：随着航空运输量的持续增长，静态扇区难以在保证安全的前提下灵活应对不均衡的流量分布和新型飞行器需求。
• 现有动态空域策略局限：动态扇区重组（DAS）能将任务负荷不均降低 85%；移动扇区可将复杂度降低约 30%，但需要完整的运行概念支撑。
• 流量中心化的思想：根据轨迹相似性而非地理位置分配管制资源，可降低协调工作量并提供 20%-30% 的冲突减少效果。

1.2 研究问题

面对固定扇区瓶颈，如何在不突破现行管制职责的前提下 局部降低复杂度、均衡管制员负荷？论文认为应通过 聚类并联管理航班 与 动态调整扇区移交时间 两个互补手段加以解决。

二、方法框架与技术路径

本研究采用模块化模拟框架，对新加坡 FIR 的 2019 年航班数据和模拟航迹进行分析，构建了七扇区的代表性结构。复杂度计算采用 25 项指标，包括 17 个飞机相关、6 个冲突相关和 2 个空域相关因素。关键方法分为 Granular Cells 生成与动态移交时间优化两部分。

2.1 Granular Cells 的概念与生成

1. 定义：GC 是基于相似轨迹与性能参数临时聚集的飞机群体，作为单一受限体管理，内部自我分离，而与外部航班保持安全距离。
2. 生命周期：自动识别 → 管制员确认启动 → 稳定性消失后解散。
3. 用途：包括 规划性应用（如沿途流量优化、新型飞行器整合、航天发射保护）与 非规划性应用（如紧急任务优先、恶劣天气避让、搜救任务）。

2.1.1 特征选择与降维

为从航班数据中提取有用特征，作者进行了相关性分析，剔除高度相关的变量，最终选取纬度、经度、水平速度、垂直速度、高度、速度、飞行阶段、飞机类型、出入 FIR 标志等 10 个特征。各特征经最小–最大归一化后，使用 UMAP 非线性降维至二维，以保留局部与全局结构，便于聚类。

2.1.2 双阶段层次聚类

• 第一阶段：采用 DBSCAN 聚类算法在降维空间中识别航班簇，噪声点被视为离群值；其超参数和特征权重通过 贝叶斯优化 调整，以最大化调整兰德指数 (ARI)。
• 第二阶段：针对每个簇在平面空间再次应用 DBSCAN，依据航迹间距构造更紧凑的 GCs。
• 稳定性分析：利用聚类共现矩阵评估各 GC 在 20 分钟内的稳定性，确保 GCs 在时间上连续。

“下图展示了两阶段层次聚类的结果，通过先按特征相似性聚类、再按空间邻近细化得到四个稳定 GC：”

2.2 动态移交时间优化

Granular Cells 能减少扇区内部复杂度，但扇区间移交仍遵循固定边界和固定时刻。为了在保持现有扇区责任范围的前提下灵活移交，论文提出两种 DHT 方案。

2.2.1 几何参数化与动态扇区方法（第一种方案）

作者对扇区多边形进行几何参数化：每个顶点沿角平分线平移至基准点，再沿该方向构建搜索向量；通过标量  控制顶点在向量上的位置，形成候选多边形。公式如下：

其中  和  分别为每个顶点的最小和最大位移点。复杂度目标函数由三类指标之和构成：

并结合惩罚项通过两层模拟退火算法求解最优  值，得到调整后的扇区边界与相应的移交时间。

2.2.2 直接优化移交位置（第二种方案）

第一种方案需要整体调整多边形形状，可能导致无益的航班被同时分配。为此作者提出以航班为单位的直接优化方法：保持扇区几何不变，选择在当前时刻及其前后 ±5 分钟跨越边界的航班作为候选集，并为每架飞机设置二元决策变量，表示是否提前/延迟移交。决策向量需要满足 流向连通性约束：若一架飞机的移交被调整，则沿其轨迹内侧的飞机必须同步调整，避免责任区出现间隙。目标函数是所有受影响扇区复杂度的平均值：

同样采用两层模拟退火优化决策向量。对比两种方案，第二种方法可在不改变边界的情况下更精细地选择航班，减少复杂度。

“下图展示两种动态移交策略在航班指派上的差异：左图为基于边界调整的方法，右图为直接优化移交的方案。”

三、实施与结果分析

3.1 测试场景与复杂度时间窗

研究在新加坡 FIR 的上层空域开展，将 25 个交通场景按小时采样，选用扇区 7 作为评估对象。复杂度曲线显示全区域峰值出现在 13:15，新加坡标准时间 (SGT)，各扇区峰值略有差异；因此选定 13:00–15:00 SGT 为评估时段。下图给出了 24 小时复杂度随时间变化曲线：

3.2 Granular Cells 的效果

• 单时刻评估：以 14:00 SGT 为例，二阶段聚类生成 4 个 GC，并通过共现分析判定其稳定性；GCs 使扇区 7 的复杂度下降 22%，局部群体复杂度降低更显著。
• 时间窗评估：在 13:00–15:00 SGT 间，每 5 分钟执行聚类并重计算复杂度。结果显示，GCs 在高峰时段平均降低复杂度约  17% ，最大可达  50% ；该作用不仅局限于部署扇区，还向相邻扇区传递收益。
• 传播效应：由于 GCs 使部分飞行群体作为单一实体跨越边界，邻扇区的移交点数减少，协调工作量进一步降低。

3.3 动态移交时间的效果

对每个评估时刻分别应用两种 DHT 策略，比较复杂度的变化：

• 几何参数化法：平均降低邻接扇区复杂度约  2% ，最高可达  6% 。
• 直接优化法：在候选航班较多的时刻，其收敛更快，可实现相似的减负效果；但当候选航班不足时，收益有限。
• 特性分析：DHTs 在流量突然不均时效果明显，因为提前/延迟移交能在扇区间重新分配工作负荷；在流量平稳或 GCs 已生效时，增益较小。

3.4 联合实施及对比

将 GCs 与 DHTs 同时部署，比较三种情形（仅 GCs、仅 DHTs、二者联合）：

• 扇区 7 复杂度变化：GCs 单独应用时平均降低 3.3%，最高 10.8%；DHTs 单独应用时平均降低 1.7%，最高 6.2%；联合应用平均降低 2.9%，最高 6.5%。
• 叠加效应：两种机制的作用并非简单叠加，因为 GCs 有时会限制航班个体的自由移交，削弱 DHTs 的空间；但在不同时间窗内组合仍能稳定减少复杂度。
• 图示分析：下图展示了联合实施时扇区 7 及其邻扇区的复杂度曲线和改善幅度。

四、创新贡献与展望

4.1 创新点

1. 提出 Granular Cells 与动态移交时间概念：在现有移动扇区理论基础上，明确提出了更细粒度的流向聚类与时距可调移交机制，形成面向应用的运行概念。
2. 开发模块化模拟框架：融合实测航迹、空域推导、复杂度评估与优化算法，为评估流量中心化策略提供通用平台。
3. 特征选择与双阶段聚类方法：通过相关性分析、UMAP 降维与贝叶斯优化，解决了高维特征难以直接聚类的问题。
4. 引入几何参数化与直接优化两种移交方案：兼顾边界调整和个体决策，满足不同应用场景，避免出现责任区空洞。
5. 综合评估与可扩展性分析：在实测场景中系统比较三种策略的独立与联合效果，为未来拓展至不同地区和更多任务提供了依据。

4.2 困难与应对

• 特征冗余与算法调参困难：高维数据会导致聚类不稳定，论文通过相关性矩阵削减特征并采用贝叶斯优化联合调参，提高了聚类质量。
• 基于扇区边界的方案引入无效航班：第一种 DHT 方法可能将无益航班纳入调整，导致收益下降，因此提出直接优化航班移交的新方法。
• GCs 稳定性不足：单次聚类易出现空间过大或方向分散的簇，作者增加第二阶段聚类与时间稳定性分析解决问题。
• 评估数据限制：当前实验仅针对新加坡 FIR 单一时段，且未包含管制员实操，论文建议未来引入人机协同仿真并拓展至多样场景。

4.3 结论与展望

本文在流量中心化空管框架下，首次将 Granular Cells 与动态移交时间结合，通过聚类航班及智能移交时刻降低复杂度并均衡管制负荷。实证结果显示，GCs 在局部复杂度下降方面具有显著优势，DHTs 则能够缓解扇区间的工作负荷不均，而二者联合实施提供了更稳定的整体改善。未来研究应进一步评估该概念在不同地区和任务中的适用性，并引入管制员参与的反馈机制，以完善复杂度指标和操作流程。

原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。