关键区域无人机系统安全运行平台

Valerio De Luca ,  Claudio Pascarelli ,  Mattia Colucci ,  Paolo Afrune ,  Angelo Corallo ,  Giulio Avanzini

Engineering ›› 2025, Vol. 49 ›› Issue (6) : 314 -331.

PDF (10715KB)
Engineering ›› 2025, Vol. 49 ›› Issue (6) : 314 -331. DOI: 10.1016/j.eng.2025.02.004
研究论文

关键区域无人机系统安全运行平台

作者信息 +

A Platform for Safe Operations of Unmanned Aircraft Systems in Critical Areas

Author information +
文章历史 +
PDF (10971K)

摘要

在密集空域和（或）关键基础设施附近使用无人机系统（UAS）时，安全与安保运行方面面临着诸多挑战。本文详细介绍了一种UAS交通管理（UTM）平台的架构与工作流程，此平台旨在推动民用空域UAS运行规模提升、效能优化与安全升级。具体而言，此平台不仅可管理UAS在低空空域的运行，同时促进超视距（BVLOS）飞行的实施，并确保UAS安全、高效融入管制空域与非管制空域。平台还能检测与管理“未识别”或“非协作”的UAS。为此，本文提出了一种由三个交互层组成的架构：顶层为空中交通管制，底层为UAS操作员，中间层由UAS服务供应商充当接口。此平台通过其物理与数字组件，确保三层之间有效、高效交互，并支持应急情景管理，如调整UAS运行的许可飞行空域和快速进行航迹重规划。此平台由多机构合作的科研项目研发而成，并在意大利塔兰托-格罗塔列机场进行了相关的运行测试。参与测试的操作员对平台提供的服务及界面可用性给予了积极反馈，同时也对平台未来的发展提出了建议。

Abstract

The use of unmanned aerial system (UAS) in congested airspace and/or in the proximity of critical infrastructure poses several challenges as far as safe and secure operations are concerned. The paper provides a detailed description of the architecture and workflow of a platform for UAS traffic management (UTM), designed to pave the way for increased, improved and safer UAS operations in the civil airspace. In particular, access to low-altitude airspace for UAS operations is managed, while facilitating the implementation of beyond visual line-of-sight (BVLOS) operations, and ensuring a safe and efficient integration of UAS into both controlled and uncontrolled airspace. Detection and management of unidentified or uncooperative UAS’s is also taken care of. To this end, an architecture based on three interacting layers is proposed, with the air traffic control at the highest level, the UAS operator(s) at the bottom, and a UAS service supplier acting as an interface. The platform, with its physical and digital elements, guarantees the effective and efficient interaction among these three layers, including management of contingency scenarios, which require a variation of admissible flight volumes for UAS operations and/or fast trajectory re-planning. The platform, developed within a research project which involved several partners, was tested in a relevant operational scenario at the Grottaglie–Taranto airport in Italy. The operators involved in the tests provided positive feedback on the services provided by the platform and the usability of the interfaces, while also making suggestions for adding new features in future developments.

关键词

无人机系统 / 态势感知应急管理 / 增强现实 / UAS交通管理

Key words

Unmanned aerial system / Situational awareness / Contingency management / Augmented reality / UAS traffic management

引用本文

引用格式 ▾
Valerio De Luca,Claudio Pascarelli,Mattia Colucci,Paolo Afrune,Angelo Corallo,Giulio Avanzini. 关键区域无人机系统安全运行平台[J]. 工程（英文）, 2025, 49(6): 314-331 DOI:10.1016/j.eng.2025.02.004

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

不同尺寸与配置的无人机系统（UAS）已在民用和军用领域中得到广泛的实际应用。然而，未来在民用空域中大规模使用无人机，尤其是开展超视距（BVLOS）运行，仍需要进一步的支持，也就是通常说的UAS交通管理（UTM）。

UTM框架的构建既涉及技术层面，也包含程序层面，可归纳为三个相互紧密关联的领域。

（1）与支持UAS运行的飞行器及地面技术相关的技术层面；

（2）在民用空域中开展无人机飞行的运行规则，尤其是在可能与常规空中交通发生潜在冲突的情况下；

（3）为确保UAS安全运行而建立的明确职责与责任链。

需要特殊关注和管理以确保UAS运行安全的特定区域（如机场），我们称之为“关键区域”。这些区域通常存在以下一种或多种风险因素：对其他飞行活动造成干扰（如与其他飞行器碰撞）；对敏感基础设施和人员安全构成威胁；对敏感数据收集构成威胁。

AcrOSS（用于远程操控飞行器的安全运行环境）是一项由意大利科研部资助的研究项目，旨在开发一个用于管理UAS在管制空域或其附近（如机场周边或其他需准入授权的敏感区域）运行的平台。该项目对整个系统进行了实验验证，重点关注在意大利南部格罗塔列机场基础设施范围内使用小型多旋翼无人机（sUAS）的情况。从宏观角度来看，该项目的主要目标是促进sUAS在低空空域中安全、高效及可靠地整合运行，无论是管制空域（如机场空域）还是非管制空域，都能保障有人与无人航空交通共存。项目重点研究与开发创新型地面与机载功能和技术，以提高所有相关操作员对sUAS交通的态势感知能力。为实现这一目标，项目构建了一个全面的多层架构，该架构将运行程序和支持技术整合为一个独立框架，通过专用平台将UAS操作员与传统空中交通管理和控制（ATM/ATC）相连接。在此背景下，该平台还解决了与动态空域限制或突发事件相关的应急管理问题，这些问题可能影响sUAS的安全高效运行。

该项目最终目标是通过为涉及sUAS运行的各类空域主体制定最佳实践与操作指南来提升安全性，同时基于一系列新型运行概念（CONOPS）提出标准化流程的建议，并为监管工作组提供参考意见。在中期来看，这一工作有望通过发展新型机载与地面支持技术的创新措施，为BVLOS及敏感区域的自主飞行任务开拓新市场，同时减少所有超低空（VLL）空域使用者公平获取空域的障碍。

更具体地说，项目的主要工作可分为多步。第一阶段重点包括：①分析sUAS运行的监管框架；②制定专门的运行概念及一系列安全运行要求；③确定平台的高层次架构。随后进入第二阶段，这一阶段主要致力于核心架构组件的设计与开发，相关内容将在第3.2节中详述。

• 针对关键区域的动态无人机交通管控支持系统，涵盖UAS端和ATC端；

• 多通道、多星座无人机机载盒，即用于识别与跟踪协作无人机的微型化设备；

• 创新型通知与授权（N&A）服务平台；

• 面向机场应用的增强型小型无人机雷达检测与跟踪系统（DTS）；

• 场景仿真与回放研究（SPI）平台。

平台的各个组成部分均先进行了单独测试与验证。随后经过实验室集成测试阶段，接着整个平台在格罗塔列机场进行相关环境的测试。测试结果表明，所研发技术在技术和运行层面均具可行性，同时验证了平台的有效性。

本文旨在介绍AcrOSS平台的架构，重点阐述N&A平台、基于增强现实（AR）来提升远程飞行员态势感知的高级平台，以及包含航迹重规划工具的应急管理系统三者间的运行流程。基于前期研究[1‒2]对AR平台及应急场景的需求分析，本文详述了用于提升飞行员态势感知的工具实现方式，探讨了这些工具在更广泛领域中的整合情况，并举例说明在典型任务场景下应通过平台执行的操作。此前的两篇论文分别界定了通过AR向UAVs飞行员展示的信息内容[1]，以及在可能出现的突发事件中所需采取的应急管理措施[2]。本文则介绍了这些功能的完整实现成果，及其在更广泛平台中的整合。这一平台涵盖多种硬件与软件组件，用于关键区域的UAS任务规划与运行管理。正如下文详述，所有组件均由萨兰托大学研发，而平台架构则是多个项目合作伙伴的联合研发成果，合作方包括IDS工程系统股份公司（主导合作方）、萨兰托大学、博洛尼亚大学、普利亚机场公司、Exprivia公司和TopView-UAS工程公司。介绍完架构后，本文还报道了在塔兰托-格罗塔列机场开展的测试活动结果，以及参与操作员的反馈与意见。

第2节介绍本研究的背景，重点说明本项目开发所依据的监管框架，以评估项目成果相较于现有方法的创新性；第3节（研究方法）阐述了AcrOSS平台的架构及其组成部分，展示并分析运行流程；第4节总结了在塔兰托-格罗塔列机场开展的实验测试，并报道从操作员处收集的反馈意见；第5节分析了所提出架构及机场测试活动的局限性；最后，本文以结论部分收尾。

2 研究背景

2.1 UAS交通管理概况

以往研究已提出多种用于UTM的监测与仿真工具。中国台湾省曾开发出一种分层式UTM系统[3]，用于监控多架在视距内飞行（VLOS）和BVLOS条件下的UAVs，监控范围覆盖近地面至高空。在完成飞行员资格、UAV注册及飞行计划等核查后，系统中的UTM控制器会计算同一空域的UAVs间的潜在冲突时间，并向飞行员的移动终端发送警报，以预防潜在碰撞。

UTM的概念也启发了城市空中交通（UAM）平台的设计[4]。该系统提供了态势显示界面和Grafana仪表板，用于定义机队管理者的任务或空中导航服务提供商的职责。系统可通过不同显示界面进行可视化同步，实现对传统民航交通与UAM之间的交互研究。文献[5]提出了一种实时视频系统，可对用于运输急救物资的UAV运行进行远程监控。为此，系统将UAV摄像头与虚拟现实（VR）头显中的惯性测量单元所检测到的操作员头部运动进行同步。

美国国家航空航天局（NASA）开发了一套具备仿真功能的UTM系统[6]。该系统不仅能显示UTM信息的界面，还提供可与研究平台交互的相关工具。文献[7]评估了一种管理观念，该观念支持美国国家空域内多架小型UAS的BVLOS同时进行，飞行距离可达1.5 mi（1 mi = 1609.34 m）。研究指出，为每位操作员提供气象信息和空域动态更新十分重要。尤其是在BVLOS飞行中，飞行员的态势感知能力下降，反应时间也会延长，因此，及时、准确地获取附近无人机位置信息对于安全的高度分层至关重要。此外，研究还强调应保持航迹处于许可空域范围内。

文献[8]描述了一个用于民用空间交通管理的CONOPS，提出一种能让参与方之间高效协调的结构，从而在UAS交通中实现安全运行。通过这种方式，该平台能够在民用和商用成员间实施分布式冲突解决方案，使商业空间管理服务能够与政府提供的服务并行共存。

文献[9]定义了若干类别的事件及其相关的管理操作，提出了一种基于UAS运行状态的自主应急处置方法。尽管文中所述的“应急管理服务”仅能向UAS飞行员提供若干缓解措施的建议，但其中的决策组件可判断应执行应变缓解措施还是紧急处置措施。前者适用于UAS脱离其飞行几何范围（即由操作员提交的UAS运行空域）时的情况；后者则适用于UAS超出其运行空域时的情况，该范围相当于在飞行空域外增加的缓冲区，用以应对环境或性能的不确定性。

文献[10‒11]分析了在紧急情况下识别安全着陆区的多种技术。在UTM中，文章引入了“地理围栏”的概念，用以表示在特定时间段内允许UAS飞行活动的空域边界。文献[12]给出了地理围栏的正式定义，并提出了基于三维（3D）地理围栏去冲突的空域时空组织算法。文献[13]提出了一种基于接近率约束的方法，用于防止地理围栏边界被侵犯并及时发出警报，该方法将UAV的动力学特性、性能以及传感器的各种不确定性考虑在内。文献[14]研究了3D飞行空域算法在UTM中的应用，该研究采用计算几何学设计地理围栏范围内的航迹，同时支持多机去冲突操作；最后，通过评估加权距离、能量和时间成本函数，对所有可行路径进行排序。

在UTM系统中，一个重要的参与方是UAS服务提供商（USS），其职责是依据运行要求，向操作员提供服务，支持空域的安全与高效使用[15‒16]。为此，USSs必须共享无人机的任务和位置信息，以降低在共用空域中发生冲突的风险。为减轻信息交互负担，研究引入了UTM核心平台[17]，该平台通过在低空空域管理与UAS操作员服务之间建立分离机制，实现集中式功能。还有多项研究探讨了在存在障碍物或发生紧急情况时，UAS最佳航迹的识别与更新问题。文献[18]提出了一种针对高密度城市区域UAS航迹管理的时空迷宫寻径算法，可适用于同时存在静态和动态障碍物的环境。该算法既包括基于广度优先搜索的泛洪阶段，也包括随后从目的地到起点以实现路径重构的回溯阶段。

文献[19]提出了一种针对人口密集区域UAS任务的航线规划与风险评估方法。该方法将航迹离散化为运动基元，评估其可行性，并根据人口分布进行风险评估。所开发的平台包括一个用于UAV操作员及其他决策者的决策支持系统（DSS），以及若干用于任务规划的仪表板。文献[20]设计了另一种用于多UAV任务规划的DSS。该系统由一个排序模块和一个筛选模块组成。其中，排序模块采用多准则决策方法，且模糊方法在多种方法中表现最佳；筛选模块则使用相似度函数和经验调节阈值来对最优解进行排序与筛选。文献[21]描述了一种连续状态依赖转换模型，该模型基于自动相关监视-广播（ADS-B）信息进行意图推断，实现航迹预测。该评估方法通过引入约束卡尔曼滤波器得以改进，航迹片段则采用RTS反向平滑技术进行平滑处理。然而，该方法目前尚受到时变和动态空域的约束。

综上，先前的研究主要关注民用空域UTM相关问题中的具体方面。据我们所知，本文提出并论述了最早期的集成化UTM平台原型之一。该平台具有复杂的架构，集成了多种技术（包括AR界面），并已在意大利塔兰托-格罗塔列机场的真实运行环境中进行了测试与验证。

Drone Response [22]是一款用于在安全要求下配置多架sUAS任务的软件包。具体而言，该研究聚焦于安全检查，旨在检测错误的任务序列，这些序列经过分析，识别导致异常行为的非确定性状态转换、引发死锁或活锁的不可达状态，以及导致任务失败的不良任务序列。每架UAS能够借助机载状态机执行多种任务，每项任务均由特定的工作流程加以描述。与其不同，AcrOSS平台采用了另一种方法：它允许ATC操作员在任务执行中修改空域约束，以应对各种可能发生的突发事件，如紧急迫降、天气警报，甚至难以预测的未定义事件。此外，得益于AR技术的支持，AcrOSS平台还可在实时条件下向UAV飞行员提供信息，并建议其及时采取最优机动方案以恢复UAV的安全状态。

2.2 UAS监管框架

无人机市场的可持续发展及社会接受度，取决于其能否提供有效且透明的保障机制，确保此类航空器的运行在安全与可靠的条件下进行，并受到主管部门的持续监管。AcrOSS项目及其框架内开发的平台是本研究的主要成果，其面向欧洲市场进行设计。因此，本节将重点关注欧盟（EU）监管规定。为确保EU范围内的法律确定性与一致性，并以构建“欧洲单一天空”为愿景，欧盟委员会于2015年12月提出了UAS监管框架修订案。该提案促成了《欧盟第2018/1139号条例》出台。通过该条例，EU对各类无人机的民用飞行活动进行了统一规范，逐步取代此前针对重量低于150 kg的无人机民用运行的各成员国的国内法规。《欧盟第2018/1139号条例》自2021年1月1日起全面生效。同时，该法规配套施行《欧盟委员会授权条例（EU）2019/945》和《欧盟委员会实施条例（EU）2019/947》。

在欧盟层面建立一个统一、连贯且共享的监管框架，一直是无人机行业所有利益相关方的共同诉求，也是实现技术、经济与社会可持续发展的必要保障。这一举措标志着整个行业的重要转折，此前立法格局碎片化，由众多国家性法规构成，这些分散的规定既不利于无人机市场的全面发展，也难以有效规范其运行及应用领域，而这一举措为其提供了清晰指引。如今，《欧盟第2018/1139号条例》对数据保护、操作员培训、飞行器设计、生产、维护与运行，以及注册要求等方面提供了指导，并在第55条中明确规定了无人机的基本要求。

《欧盟委员会实施条例（EU）2019/947》对无人驾驶航空系统的运行要求，以及包括远程飞行员和参与运行的组织在内的人员，都制定了详细规定。就本文所提出的平台而言，该条例对远程飞行员规定了一些重要职责（UAS.SPEC.060）：

• 在开展UAS运行前，远程飞行员应获取飞行地理区域的相关信息，并确保已向相关空中交通服务（ATS）单位、其他空域使用者及利益相关方提供相关运行信息；

• 在飞行期间，远程飞行员必须遵守飞行区域的运行限制，不得在开展应急处置行动的区域附近或区域内飞行。

《欧盟委员会授权条例（EU）2019/945》规定了在《欧盟委员会实施条例（EU）2019/947》界定的规则和条件下运行的UASs和远程识别附加设备的设计与制造的具体要求；同时明确了设计、生产及维护需符合认证要求的UAS类型。2020年5月12日，《欧盟委员会实施条例（EU）2020/639》通过，其对《欧盟委员会实施条例（EU）2019/947》进行部分修订。结合本文所提出的平台，该条例规定：欧盟成员国需在2021年7月1日之前，以统一、通用的数字格式，发布UAS可飞/禁飞空域地图。未来无人机交通流量预计将大幅增长，为确保无人机能与现有空中交通协同安全运行，欧盟委员会认为，在EU航空安全局（EASA）的支持下，制定一套专门的空域监管框架用于空域使用至关重要，相关文件即《欧盟委员会实施条例2021/664、665、666》。AcrOSS项目的推进以欧盟委员会对所有UAS运行规定的强制性U-Space服务为指导，即：①网络识别服务；②地理感知服务；③UAS飞行许可服务；④交通信息服务。USS职责最初由NASA与美国联邦航空管理局（FAA）提出，后被EU条例采纳，现也已纳入AcrOSS并在框架中明确了其功能。

欧盟监管框架与AcrOSS项目开发成果之间的差异在于起飞许可的对象：前者针对四维（4D）航迹，而后者针对隔离空域。

在“4D航迹”方案中，起飞许可涉及一条精确的、基于时间的飞行路径，UAS必须严格遵循。该许可将与一项涵盖整个飞行过程的综合计划相结合，包括爬升、巡航、下降和着陆阶段。该方案强调可预测性与优化性，确保每架UAS的航迹都能与整个交通流无缝衔接。

在“隔离空域”方案中，起飞许可涉及将UAS飞入一个预先划定的空域，该区域专门保留用于特定类型的飞行任务。许可内容明确了这一隔离空域的边界，在此范围内，无人机运行时可避免与其他交通发生冲突。这种方式主要通过空间分离来管理空域使用，确保不同类型的飞行活动限制于指定的区域内。从ATM/ATC的角度来看，隔离空域为空域管理提供了一种简明直接的手段——通过清晰划定边界，监管方更容易实施监管，并确保UAS遵守这些空域规则。

我们认为，两种方案均有效，且不应相互取代，而应相辅相成。监管规定提出的4D航迹方案适用于典型的物流场景（如包裹投递），在这些场景中可以精确预测UAS在任务中必须遵循的飞行路径。然而在其他场景中（如环境监测或人员搜救），AcrOSS提出的方案则更为适宜。

3 研究方法

3.1 设计方法

AcrOSS平台的开发研究基于设计研究方法（DRM）[23]，这是一种结构化的方法，它帮助研究人员在不同背景下系统地解决设计问题、改进流程，并生成将理论与实践相衔接的知识。DRM遵循迭代工作流程，研究人员通常会根据新发现反复回顾前期阶段，不断完善研究工作。此方法主要包含以下四个阶段。

（1）研究梳理：旨在明确研究背景、研究问题及研究目标。

（2）描述性研究I：收集并分析现有问题的数据，识别空白点并把握设计难点。该阶段为开发有效解决方案奠定基础。

（3）规范性研究：基于前期阶段的发现提出解决方案或方法。研究人员开发模型、工具或指导方案，解决已识别的问题。该阶段重点在于创造既实用又有理论支撑的设计改进方案。

（4）描述性研究II：对提出的解决方案进行评估和优化。该阶段通过实证将结果与初始目标进行比较，以验证其效果并进一步完善。

基于DRM将系统化探究与可行成果相结合的原则，精益内容设计指南将这一框架扩展至产品-服务系统（PSS）的开发领域[24]。该指南将DRM的迭代性与循证性方法转化为一种结构化的工程工作流程，该流程基于PSS精益设计方法（PSSLDM）。

相比之下，Simon模型将设计视为一种问题求解活动，强调在系统与利益相关者之间构建接口的重要性，以便应对复杂性并适应动态环境[25]。DRM和精益内容设计注重结构化方法论；而Simon模型的视角更为宏观，侧重于概念性问题建构与适应性设计。

AcrOSS平台设计融合了DRM和精益内容设计的结构化方法，以确保系统化开发并协同利益相关方，同时也体现了Simon模型关于适应性与界面导向型问题求解的原则。密集空域中运行问题的识别属于DRM的描述性研究I阶段；而UTM平台的开发则属于规范性研究阶段，即针对上述问题提出解决方案；将平台在真实场景中进行测试（如塔兰托-格罗塔列机场），属于描述性研究II阶段，旨在验证所提方案的有效性，并收集反馈以进一步优化。

精益内容设计的核心原则强调精简化协作与系统组件间的高效交互，据此，AcrOSS平台架构整合设计了三个相互独立的层级（详见下一节），以确保操作员之间的高效互动。同时，这种三层架构也体现了Simon模型的界面设计原则，为复杂系统之间的有效沟通与协调提供了框架支持。AcrOSS平台采用了迭代优化机制，通过引入操作员反馈，提升系统的可用性与功能性，这正反映了精益内容设计基于真实数据与用户输入持续改进的原则。而Simon模型对适应性问题求解的强调，则启发了平台的应急管理与航迹重规划功能，使其能够动态应对不断变化的运行环境。

3.2 AcrOSS架构

本研究所提出的平台设计基于ATM/ATC操作员与USS之间职责的明确分工：前者负责处理传统航空交通及天气因素相关事务，后者则负责管理UAS交通。AcrOSS项目的一个目标是使ATC操作员无需监控大量的小型飞行器，而仅负责防止传统航空交通与UAS交通间发生干扰，并将包括天气在内的各种突发事件报告给其责任空域内的所有飞行器。基于此，AcrOSS平台被分为三个不同层级（图1）：

• ATM/ATC层负责载人飞行器及相关空域的管理与控制；

• USS层负责UAS运行的管理与控制；

• UAS层。

结合所列的各层，图1展示了平台主要组分之间的关键通信模式。各组分的详细信息、通信模式及相应的协议将在后文中介绍。

ATC与UAS操作员/飞行员以及USS，均通过特定的网页用户界面与平台进行交互。UAS飞行员还可通过带有专用应用程序的AR头戴设备以及触觉操纵杆与AcrOSS平台进行交互[26‒27]。在系统中引入这些接口是为了在可能动态变化的操作环境中，测试可以提高UAS飞行员态势感知的工具。

在AcrOSS平台中，DSS和空域重规划器负责动态控制UAS运行与传统载人航空交通的融合。当出现需改变或取消当前UAS可用空域范围的不可预测事件（如应急情况）时，双方协同工作，负责空域的重新规划。

DTS由先进雷达和基于500万像素全彩高清（HD）摄像头的光电（EO）系统组成，能够为平台中负责数据处理的模块以及安全部门（必要时）提供协作和非协作UAS（包括小型无人机）的位置数据。DTS的目标是整合机场环境中既有监测基础设施提供的信息，以实现对传统有人驾驶航空交通的动态管理，从而支持机场区域的监控。其发射功率为4 W，工作频率在X波段范围内。得益于嵌入式实时决策支持系统，DTS能够在复杂机场场景中于30 s内检测到所有威胁，可在10 km的标准探测范围内同时处理50条以上的航迹，方位覆盖角达2π rad（360°），俯仰覆盖角达0.385 rad（22°）[28]。

AcrOSS平台通过N&A模块、仿真与回放模块以及跟踪网关，为USS在UAS运行的动态控制与管理方面提供支持。其中，N&A模块是平台的核心，可供USS访问，用于汇集所有参与UAS运行的各方间的通信。鉴于该模块在平台架构中的关键地位，第3.3节将对其进行详细介绍。仿真与回放模块负责重现过去的运行场景（回放），或模拟新的场景（如突发事件或出现非协作无人机），其数据来源包括既往运行中的数据，或从模拟的（可能是关键性的）测试案例中生成的合成数据。跟踪网关用于收集来自DTS的位置数据，并将其提供给平台的其他模块。为此，如第3.5节所述，网关利用消息队列遥测传输（MQTT）协议[29]，部署了一个MQTT代理，用于连接发送消息的实体与准备接收消息的实体。系统选用了Mosquitto [30]作为MQTT代理，以便利用其特定的标志位实现更高效的消息处理，第3.5节将对此进行详细说明。为提高AcrOSS平台的安全性，Mosquitto还配置启用了安全套接层/传输层安全性协议（SSL/TLS）。具体而言：

• SSL/TLS确保客户端与MQTT代理之间的传输数据经过加密处理，从而防止敏感信息被窃听；

• SSL/TLS可通过证书验证客户端与代理双方的身份，从而防止未经授权的实体参与通信；

• SSL/TLS确保传输过程中的数据在未经检测的情况下无法被篡改，从而防御消息篡改或中间人攻击。

虽然目前使用的Mosquitto版本为2.0.14，兼容MQTT协议的5.0版本，但MQTT v3.1.1的功能已满足AcrOSS平台的开发需求。

各个实体间的消息采用JavaScript对象表示法（JSON）格式进行结构化。

UAS子系统由UAV平台、地面控制站（GCS）以及若干在本研究项目中专门开发的高级功能模块组成，包括高级态势感知模块、应急管理模块和航迹重规划模块。UAV平台配备了一个无人机机载盒，其中集成了全球定位系统（GPS）接收器、ADS-B应答机，以及用于与DTS通信的第三代和第四代移动通信（3G/4G）长期演进（LTE）用户识别模块（SIM）。

高级态势感知模块是AcrOSS平台为UAS飞行员提供的用户界面的一部分，它确保飞行员能够全面了解飞行区域情况，包括因临时限制和空中交通需求而产生的操作空间变化。应急管理模块与航迹重规划模块协同工作，其中应急管理模块在本地处理应急/突发事件。在此背景下，ATM/ATC通过态势感知模块发布的应急事件通信，触发一系列应对措施和协议，以保障飞行安全。其中，最重要的应对措施之一是航迹重规划，即特定组件会在本地生成新的航迹，并发送至GCS，以便操作员执行规定路线，同时作为通知发送至USS。

3.3 通知与授权平台

N&A管理ATC、USS和UAS的各类流程，其在三个层级上的主要功能如下：

• ATC层负责通知应急事件，并将空域重新规划结果转发给相关的USS和UAS操作员；

• USS层负责批准飞行计划并发送起飞请求，与协作sUAS进行通信，监控飞行，同时通过追踪网关模块访问DTS系统提供的实时位置信息；

• UAS层负责提交飞行计划和起飞请求，并接收关于空域限制的更新信息。

为确保飞行任务顺利执行，N&A平台在各层级中承担不同角色，具体如下：

• ATC层的ATC操作员；

• USS层的USS操作员；

• UAS层的UAS操作员、UAS飞行员及观察员。

ATC操作员的核心任务是监控传统载人航空交通，但也需要了解无人机运行概况。ATC操作员负责通报其责任区内的突发情况。一旦发布应急通知，DSS会向ATC操作员建议可能的应对措施，其中包括空域重规划，具体可能涉及调整、缩减或取消UAS运行的可用空域范围。DSS建议的应对措施需经ATC操作员批准或调整，之后再通报给相关的USS及飞行员。

USS操作员在区域层面管理无人机运行相关服务。USS操作员拥有各自的责任区，该区域是ATC监管区域的子集。他们负责批准或驳回飞行计划与起飞申请，并通过发送信息与UAS飞行员沟通。若发生突发情况，他们还需向飞行员共享新禁飞区的相关信息。此时，USS操作员可向UAS飞行员发送信息，明确应对突发情况所需执行的飞行机动操作。

UAS操作员可以是公司或个人，需要预留专属空域进行飞行活动，该空域将禁止其他飞行器进入。他们可选择提交飞行计划，在特定区域内使用一架或多架无人机开展空中活动，该计划由USS操作员审核批准或驳回。此外，UAS操作员还能在N&A平台中录入自己的无人机机队信息。

在UAS操作员提交的计划执行期间，UAS飞行员负责实际操控无人机。飞行当天，UAS飞行员需前往计划起降地点完成飞行前检查，并将检查结果提交给USS操作员审核。只有在收到起飞许可，且告知飞行活动启动后，UAS飞行员才能操控无人机起飞。飞行期间，N&A平台会向UAS飞行员实时显示sUAS的位置，同时呈现起降点，以及UAS操作员在提交飞行计划时设定的应急着陆点。若发生突发情况，UAS飞行员可使用这些应急着陆点。N&A平台还支持UAS飞行员接收来自USS的通知与信息，若出现突发情况，飞行员还能查看空域限制（如禁飞区）及各类航迹重规划方案。

观察员是在飞行活动期间协助UAS飞行员的人员，其岗位在提交飞行计划时即已指定。观察员能够跟踪飞行进程，并查看发送给UAS飞行员的各类信息。

3.4 先进UAS平台

3.4.1 平视显示器与力反馈

平视显示器由一款运行于可穿戴智能眼镜的AR应用构成。该AR显示器可叠加显示情境信息。用户启动应用时，需通过扫描快速响应（QR）码登录，登录后即可接收包含起飞许可数据的信息（详见清单1）：

清单1. 起飞许可信息。

起飞许可信息中的地理JSON（GeoJSON）部分，包含划定初始地理围栏底部与顶部边界的多边形顶点的大地坐标（纬度与经度）；另外两个JSON部分，分别命名为“最低高度地理围栏”和“最高高度地理围栏”，规定了地理围栏底部与顶部相对于地面的高度。此外，该信息还包含无人机在紧急情况下的着陆点地理坐标。

该AR应用采用Unity 2019游戏引擎[31]和2.7.3版本的混合现实工具包（MRTK）[32]开发。尽管人们常用爱普生Moverio BT-300 [33]头显进行无人机监控[尤其在无人机第一人称视角（FPV）场景中]，但本研究选择了微软HoloLens [34]。原因在于，Moverio BT-300的对角线显示视场角约为0.4014 rad（23°）[35]，而HoloLens的视场角更宽，能让用户在空间中看到更多AR内容。这对于更高级、更复杂的AR体验至关重要，在这类体验中，需要对大量数据或交互式全息图进行可视化呈现。此外，HoloLens还支持用户通过手势和语音指令与数字内容进行交互。

通过HoloLens查看虚拟按钮时，最主要的交互手势是“空中点击”（图2），该手势模拟了传统界面中的鼠标点击操作。从图2左侧所示的手指姿势开始，“空中点击”的动作流程为：将食指向下弯曲，直至与拇指接触，就像在空中按下一个按钮（如右侧所示），随后再将手指恢复至初始姿势。

地理围栏所界定的允许区域边界，在AR中以网格形式呈现。代表地理围栏的多面体表面，通过德劳内三角剖分[36‒38]分解为多个三角形，这种剖分方式能最大化三角形的最小角，且尽可能减少“狭长”三角形的数量[39]，从而降低舍入误差的风险。随后，地理围栏顶点的大地坐标会转换为通用横墨卡托系统下的笛卡儿坐标。着陆点的大地坐标也会经过相同的转换处理。德劳内三角剖分与坐标转换均通过地理空间数据抽象库（GDAL）[40]完成，该库是一款处理地理空间数据的开源工具。正常运行状态下的AR界面示例如图3所示。每当接收到飞行参数时，该应用会检查UAV相对于地理围栏的位置。若UAV处于围栏内部，地理围栏网格保持蓝色；若UAV正快速接近允许区域边界，网格颜色会变为黄色，向飞行员发出危险预警；若UAV处于围栏外部，该应用会将网格设为红色，并启动航迹重规划程序。航迹重规划程序会向飞行员提示最佳策略，引导UAV返回允许飞行区域内。除视觉信息外，操纵杆还会产生力反馈[26‒27]，进一步提升飞行员的态势感知能力。为让飞行员提前预判潜在碰撞风险、明确应采取的操作，该力反馈会模拟UAV与虚拟围栏的接触感。飞行员可参考这一提示，但始终有权否决该建议；飞行员在保留完整操作权限的同时，需对UAV的所有操作承担责任。

显示屏底部中央展示了UAV的3D模型，用以表示飞行器在空间中的姿态。当sUAV距离较远时，飞行员无法清晰目视，该模型可作为辅助判断。显示屏右下角显示UAV剩余电量的百分比，而飞行方向、速度和高度分别以刻度条的形式显示在屏幕的顶部、左侧和右侧。方向角、速度和高度分别通过绿色、黄色和浅蓝色方块形光标标示在相应刻度上，标准着陆点和应急着陆点以不同颜色的圆形符号标识。

3.4.2 应急管理与航迹重规划

当发生涉及某个ATC操作员与某个USS操作员的应急事件时，系统会在MQTT主题上发送JSON消息进行通知，主题格式为across/<id_company_atc>/<id_company_uss>/ emergencyMessagesForDrones。

应急通知仅发送至特定空域内UAS飞行员头戴设备上的AR终端，该空域由ATC和USS所管理，二者分别由参数id_company_atc和id_company_uss进行标识。之所以能实现这一点，是因为这些AR客户在获得起飞许可后，便会立即订阅该MQTT主题。每当接收到的应急通知要求缩减可执行任务的空域范围时，该应用会计算当前地理围栏范围与应急事件信息（清单2）中所描述的管制区域范围（红色地理围栏）之间的差异。

清单2. 应急事件信息。

若UAV因飞行员操作失误飞出允许空域，系统会计算无人机在最短时间内返回空域的最优航迹。为实现这一目标，航迹重规划算法会找到UAV当前位置与地理围栏最近边界之间的最短路径。建议的返航路线航点除当前位置（起点）外，还包括地理围栏的进入点以及围栏内的一个点位。与此同时，AR显示界面会弹出叠加消息，提示飞行员尽快执行该机动操作。

若UAV因空域限制而飞出允许空域，系统会采用相同流程计算返航轨迹，使其返回新地理围栏内，新围栏由原地理围栏与管制区域的空域范围差值得出。在此情况下，系统还会计算执行机动操作的最长允许时间，其值为空域限制生效时刻与当前时刻的差值。基于最长允许时间，系统还会估算出飞行员按时完成机动操作所需的推荐飞行速度。

无论是上述哪种UAV超出地理围栏的情况，AR显示界面均会将地理围栏标注为红色，并用箭头指示UAV返回允许空域的路径，同时在左下角显示待飞行的总距离（图4）。在空域限制的情况下，AR显示界面还会额外显示执行机动操作的最长可用时间及推荐飞行速度。当UAV返回地理围栏内后，围栏会重新变为蓝色。

若突发应急事件导致原本可用的运行空域被完全取消，或UAV无法在规定时限内返回新地理围栏，航迹重规划算法会规划UAV返回起点的最短路径。若UAV无法在应急事件规定的时限内抵达操作员所在位置，航迹重规划系统会评估降落至任务初始规划阶段选定的着陆点是否可行。若该操作所需时间仍过长，则会从一组应急着陆点中推荐最近的着陆点。无论出现哪种情况，AR显示界面都会向飞行员展示推荐航迹，直至无人机抵达已确定的着陆点，并在左下角标注到达该着陆点的距离（图5）。

前文所述的各类应急事件处理操作，对应伪代码3（清单3）中的应急事件管理（manage contingency）函数。

清单3. 描述应急事件管理的伪代码。

清单4. 为UAV抵达安全位置提供操作建议的算法伪代码。

另一方面，伪代码4（清单4）中的移动UAV至安全位置（UAVtoSafePosition）函数，则对应这样一套算法——当UAV无法返回地理围栏，或地理围栏被完全移除时，算法会给出无人机在最短时间内抵达安全位置的操作建议。

3.5 通信协议

先进UAS平台通过MQTT [29]，以JSON消息格式接收实时应急数据。MQTT是专为资源受限设备设计的通信协议，能确保通信消息的低开销，进而降低带宽占用率与设备耗电量。为此，应用在启动时会连接至追踪网关上部署的MQTT代理。该代理会将发布方实体针对特定主题发布的消息，转发给对这类消息感兴趣的订阅方实体。当图1中所示的某一实体需要发送消息时，代理会通过追踪网关发布该消息，并指定对应的主题。只有在连接追踪网关时订阅了该特定主题的实体（即与该消息相关的实体），才能接收到这条消息。

在消息发布时将一个名为“保留”（retained）的特殊MQTT标志设置为“TRUE”，可确保该消息也能发送给后续订阅该主题的客户端。但若在同一主题上连续发布多条消息，仅使用“保留”标志会导致这一系列消息中，只有最后一条会被发送给之后订阅的客户端。这一限制可通过以下方式解决：在主题中加入时间戳或递增的数字标识（ID）作为参数，并使用通配符接收该参数变化时产生的所有消息。

然而，若客户端断开连接然后重新连接，并重复执行此前的所有订阅操作，可能会再次接收所有已接收并处理过的消息。为避免这种不便，除了设置保留标志外，还需采用MQTT持久化连接，恢复已有的订阅状态，无需重复执行该订阅操作。如此一来，断开连接的客户端只需重新建立一次连接，就能继续接收与先前订阅主题相关的新消息，而不会再次收到相同主题的旧消息。MQTT库提供了诸如“清除会话”的标志，将其设置为FALSE即可实现持久化连接。

3.6 运行工作流程

为更清晰地展示整个系统的运行机制，本研究采用业务流程模型与标记法（BPMN），描述了从任务规划到任务结束的完整运行工作流程，如图6所示。BPMN [41‒42]是由对象管理组织（OMG）制定的标准，其目的是提供一种既能被业务分析师理解、也能被技术开发人员看懂的标记法，填补业务流程设计与流程实施之间的空白。

该工作流程中的各项操作，均通过N&A平台的各模块执行。如果UAS操作员需要在敏感区域（如机场场地内或附近区域）执行任务，必须通过网页界面（图7和图8）提交一份操作计划，该界面支持以下操作：

• 选择计划开展作业的ATC区域，随后选择负责该区域的USS（图7）；

• 在地图上划定计划开展作业的飞行空域（图7）；

• 输入飞行计划补充信息，如UAV机型、运行活动、涉及的飞行员、起飞点和着陆点等（图8）。

在这一阶段，UAS操作员在地图上标注出分布合理的应急着陆点尤为重要，这些着陆点将在紧急情况下启用。所有此类信息会被整合为JSON消息，并通过第3.5节所述的MQTT协议发送。USS操作员可通过访问N&A平台，对该飞行计划进行批准或驳回。

当UAS操作员填写完所有信息后，即可提交飞行计划。然后USS操作员会收到完整的飞行计划，经分析后决定批准或驳回。若飞行计划获批，UAS飞行员及相关观察员会在任务执行当日前往任务现场。UAS飞行员通过图9所示的界面完成必要的飞行前检查，以确保作业安全，并将检查结果发送给USS操作员，申请起飞许可。

USS操作员接收UAS飞行员发送的飞行前检查信息，对其进行分析，然后通过界面决定是否授权起飞，如图10所示。本节描述的操作仅涉及单架UAS及其操作员，但很容易扩展到多架UAS和多个操作员，因为平台可设置不同飞行空域，避免在空间和时间上出现重叠。

在收到USS操作员的起飞许可后，配备AR头显的UAS飞行员扫描来自N&A平台的QR码，连接到该平台并接收与任务相关的信息（如地理围栏、起飞点、着陆点）。获取这些信息后，UAS飞行员可以通过在N&A平台界面中点击，或者在AR应用中使用空中点击手势（在第3.4.1节中已介绍）来启动运行。无论哪种情况，USS操作员都会收到通知。

任务启动后，USS操作员和UAS飞行员都可以通过N&A平台查看地图页面，该页面显示多种信息，如无人机位置、预留飞行空域、各类禁飞区域、起飞点（用绿色表示）、常规着陆点（用黄色表示），以及可用的应急着陆点（用红色表示）；同时界面还会显示一个包含所有交换消息的信息框，界面的示例如图11所示。UAS飞行员也可以通过AR显示器查看类似信息，该显示器会叠加第3.4.1节中描述的各类信息。

当需要上报应急事件时，ATC操作员可通过N&A平台中专门开发的功能进行上报。目前，该平台支持上报的应急事件类型包括紧急着陆和天气预警，这两类事件均设有低、中、高三个严重等级，分别对应黄色、橙色和红色三种标识。上报应急事件前，ATC操作员需先选择拟接收该事件的USS，再选定应急事件类型，该事件类型会被发送至AcrOSS平台的DSS，系统将基于基础决策表，为ATC操作员推荐应采取的最佳行动（如空域重规划）。若需进行空域重规划，系统会计算出新的无人机禁飞区域（若存在）。ATC操作员可在地图上查看DSS推荐的禁飞区域，并决定是否采纳或修改该区域。若选择修改，ATC操作员可在地图上自行绘制新的禁飞区域。之后，ATC操作员需确定该区域禁飞的开始与结束时间，并通过图12所示的界面，将信息发送给USS操作员及相关的UAS飞行员。

一旦UAS飞行员收到禁飞区域的通知，若无人机处于应急事件期间可安全作业的空域范围之外，或该空域范围被取消，航迹重规划器就会启动。航迹重规划器的任务是，根据新的空域限制、当前应急事件情况，以及无人机的运行参数和性能限制，确定能让无人机在最短时间内抵达安全位置的最优航迹。重规划的结果可能是以下情况之一：进入允许空域范围；返回着陆点；在应急着陆点着陆。重规划后的航迹会通知给USS，USS可对情况进行监控，也可以向UAS飞行员发送文字消息。最后，UAS飞行员通过N&A平台告知任务结束。

4 结果与讨论

4.1 实验测试

测试研究人员在塔兰托-格罗塔列机场对AcrOSS平台进行了功能测试，以验证平台的功能性，并通过测试结束后的访谈收集操作员反馈。

用于测试AcrOSS平台的UAS为大疆（DJI） Mavic 2 Enterprise Dual四旋翼无人机[43]，采用自由飞行配置。该机型已获得意大利民航局认证，其技术参数如表1所示。

根据意大利民航局（ENAC）的规定，对于自由飞行UAS的地面风险缓冲带（即围绕飞行路径划定、用于降低潜在事故风险的安全区域），具体要求如表2所示。考虑到飞行操作的最大离地高度（H）为70 m，每侧20 m的最小缓冲距离（b）被视作是合理距离，该缓冲带布局如图13所示。

飞行测试所选区域的操作限制条件如表3所示。

每一项实验测试均从UAS操作员预约飞行区域并填写飞行计划开始。随后，该飞行计划由USS审批；批准后，UAS飞行员完成飞行前检查，并向USS申请起飞许可；待USS批准后，UAS飞行员即可启动飞行操作。

在头显上运行的AR应用中，会实时显示并更新飞行参数（速度、高度、航向、无人机姿态、剩余电量）以及划定的允许运行空域边界（地理围栏）。地理围栏会准确且及时地改变颜色，以警示潜在的越界风险。在部分测试中，研究人员模拟了虚假应急事件，以测试ATC操作员、UAS飞行员及相关USS之间的消息能否正确交互。通过调整需飞越的航点数量、与允许空域边界的距离等条件和参数，测试了应急事件管理器的运行效果。在实际飞行过程中，还模拟了非协作无人机场景。当允许空域受限时，AR界面中显示的地理围栏会正确更新，并为飞行员提供引导，告知无人机返回路径，将其带回新的允许空域，或指示其前往最近的着陆点。

4.2 操作员反馈

由IDS公司开发、基于无人机机载盒的探测系统获得了正面评价，该系统尤其适用于城市环境中的货物运输场景。在这类场景中，短程网络存在较大局限性，只能配备合适的基础设施。非协作无人机探测基于IDS公司开发的雷达系统实现，可将对无人机实际位置的探测误差控制在数米范围内，尽管无人机的雷达信号极弱，探测范围仅为数千米，但其仍是该系统的一项关键特征。显然，探测范围有限，难以覆盖大范围区域，因此该系统将仅部署在对安全等级的要求高于常规水平的区域附近，如机场、军事区、关键基础设施等。

在机场测试中，N&A平台的飞行计划提交系统因其用户界面友好而备受认可，用户可通过地图工具直观完成飞行区域预约。格罗塔列机场负责预约流程管理的工作人员认为，使用该飞行计划提交系统有明显的操作优势，具体体现在：

• 该系统从填写和审批两个维度，实现了预约/审批流程的标准化；

• 该系统借助无纸化模式，让流程更高效简洁；

• 该系统依托历史数据库，实现了流程的可追溯性。

不过，操作员也提出了一些可提升工具效率的改进建议：

• 提交飞行计划时新增天气预报信息[可通过公共应用程序编程接口（APIs）获取]；

• 扩展地图（如增加航空地图）；

• 在飞行预约环节添加“预警提示”（如“所选日期存在恶劣天气”“所选时段内该区域已被预约”）。

参与飞行监控操作的飞行员及相关人员均强调，使用N&A平台提供的无人机交通监管系统能带来显著的安全效益，这一方面得益于他们对飞行期间实时情况的掌控力增强；另一方面也因为USS操作员可在必要时迅速、有效地介入干预。事实上，N&A平台支持地理围栏的创建与共享，既能隔离不同飞行作业的分配空域，也能根据需求增长来动态调整飞行空域范围。

平台未来版本需重点关注的改进建议如下：

• 扩展地图（如增加航空地图）；

• 能够在场景的2D视图（如目前已实现的）和3D视图之间进行选择；

• 整合传统载人交通部分与无人机交通部分；

• 整合实时天气信息，如云层、降水量和风速风向；

• 引入自动生成的文本消息（如在出现恶劣天气的情况下）。

在所有实验验证测试中，由Exprivia公司开发的模拟与回放模块均能与平台其他部分实现正常交互。该功能是提升系统性能的高效实践学习工具，因为它支持开展有效的任务复盘会议，操作员可在会议中回顾近期操作经历、识别改进空间、验证已执行任务的目标达成情况及关键问题，以便以更安全、更高效的方式为未来操作进行重规划。

最后，飞行员认为，将AR头显与触觉控制器结合使用，能显著提升操作感知度和注意力水平。界面的直观性及关键信息的易读性也获得了高度评价。不过，操作人员也发现了一些需关注的关键问题，具体包括：

• 头显的佩戴舒适性不足，若长时间佩戴头显可能导致疲劳，且疲劳主要集中在颈部和肩部；

• 在外部光线较强的环境下，头显所呈现信息的可见性可能不够清晰；

• 触觉控制器与无人机指挥控制系统之间的接口通用性/标准化有待提升。

5 贡献与局限性

近年来，航空航天应用（尤其是无人机交通相关应用）取得的进展，与赋能型数字技术的快速发展密切相关。态势感知的概念（即在关键场景的监控、控制与管理中，基于感知质量，获取更多详细信息并有效处理这些信息的能力）正为该领域开辟新的发展方向与前景。在此背景下，采用AcrOSS平台预计将产生的主要影响如下：

• 通过改进低空空域管理，提升所有空域参与者和地面人员的安全性；

• 为在敏感区域开展sUAS低空操作的相关人员制定新流程；

• 助力新CONOPS的标准化，重点关注BVLOS和自主运行，并为制定相关指南与法规提供建议；

• 依托在敏感区域开展BVLOS和自主运行的可行性，开拓潜在的新市场；

• 助力开发新的赋能型技术与能力，以推动欧洲U-Space概念的应用；

• 提供工具以验证新型运行概念的发展以及演示演练；

• 减少所有操作员平等进入低空空域的障碍。

已实施平台的部分局限性与所用头显的人体工学设计相关。长时间佩戴该头显略显笨重，且在晴天强光环境下，可能无法保证图像完全清晰。若将GDAL库移植到安卓系统上，AR应用或许也能在更轻便的头显上运行，甚至这些头显的镜片上可能还配备了遮光板，以抵御过强的阳光。不过，还需要在头显的轻便性和高级功能搭载（如语音命令识别）之间找到平衡。语音命令有助于更便捷地查看平视显示器的内容，因为其能让用户激活或关闭信息的可视化显示，同时避免AR界面因过多的图形和文本元素而变得杂乱。

其他局限性还涉及部分系统组件之间的集成问题。在先进UAS平台的架构中，HoloLens头显、触觉操纵杆与UAS无线电控制器之间的通信，通过MQTT协议以JSON消息交换形式实现。这种方式的优势在于无需对UAS控制器进行硬件改造，且不绑定特定型号的无线电控制系统。不过，未来如果主要的UAS制造商决定将触觉操纵杆的逻辑直接集成到其控制器中，或许能打造出一个更高效的平台。另一方面，如果触觉操纵杆和无线电控制器仍保持分离状态，仍然可以建立两个设备间的直接通信通道，避免消息通过MQTT代理进行传输，以此提升系统的性能。如低功耗蓝牙（由HoloLens支持）或者WiFi直连（由HoloLens 2支持）协议，可以实现直接通信。

因此需要设计一个精确的模型，以根据不同参数（如UAS接近地理围栏边界的速度）来调节触觉操纵杆的反馈力。此外，力反馈的各项参数需要通过涉及多名飞行员的测试进行精准的力校准，从而能够考虑到人与人之间可能存在的不同敏感度差异。

该测试活动的主要局限性在于参与测试的UAS飞行员数量较少。此外，AcrOSS平台为各类关键操作场景而设计，但测试仅在机场场景下开展。

若将实验范围扩大到数十名飞行员，除收集定性反馈外，还可通过发放标准化问卷，如系统可用性量表（SUS）[44]、用户体验问卷（UEQ）[45]、NASA任务负荷指数量表[46]，对先进UAS平台的可用性、用户体验及人体工学设计进行评估。此类测试还有助于在UAS驾驶辅助场景下对多款头显进行对比，进而确定功能与人体工学设计达到的何种平衡最能满足用户需求。在此背景下，借助态势感知评级技术（SART）问卷[47]可更精准地评估不同条件下的态势感知提升效果，该问卷能反映出注意力供给情况、注意力需求程度及态势理解深度三方面信息。此外，还可采用库珀-哈珀量表的UAV专用版本[48]，该量表通常用于评估飞行器在飞行测试中执行任务时的操控性能[49]。

6 结论和未来工作

本研究介绍了AcrOSS平台，此平台旨在为ATCs、UAS操作员及飞行员之间提供交互界面。在架构层面，此平台作为USS的界面，用于在更高层面上与ATM/ATC进行交互，同时在本地层面上与UAS操作员和飞行员进行交互。未来，这样的架构将在管制空域（包括关键区域）为管理UAS运行提供所需的辅助。本研究项目开发的模块包括：①创新型N&A服务平台；②关键区域内UAS端和ATC端的动态无人机交通控制支持系统；③多通道、多星座的无人机机载盒；④适用于机场应用的增强型小型无人机雷达DTS；⑤ SPI。为了在标准运行（如收到起飞通知）或紧急情况（如UAS运行可用空域减少或取消）的场景下实现高效且及时的通信，研究尽可能简化了平台的架构和工作流程。

在完成各组件的单独验证及集成验证后，研究团队在意大利塔兰托-格罗塔列机场开展了专项实验活动，对整个平台进行了测试。此次测试不仅证实了此架构中所有物理模块与数字模块均成功实现，还证明了这些模块在模拟突发情况下也能高效交互。操作员针对AcrOSS系统的主要功能与组件，提供了极具价值的反馈意见及改进建议。

平台的主要局限性体现在三方面：一是所用头显可能存在的人体工学问题；二是部分组件间的通信效率问题，这一问题可通过测试其他协议进行优化；三是参与测试的UAS飞行员数量较少，导致无法在可用性、用户体验及人体工学设计方面开展更精准的评估。

未来的工作将聚焦于两个方向：一是在机场以外的关键场景中测试此平台；二是收集更全面的反馈，以评估用户体验并通过AR界面提升态势感知，此类测试还能让触觉操纵杆提供的力反馈根据用户敏感度进行更精准的校准。

此外，平台还将集成通过查询公共API获取的天气预报信息。这一功能不仅与飞行计划的制定密切相关，还能结合风向与风力，为UAS任务合理推荐适宜的执行时段。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Avanzini G, De Luca V, Pascarelli C. AR-based visual aids for sUAS operations in security sensitive areas. In: Proceedings of the International Conference on Augmented Reality, Virtual Reality and Computer Graphics. AVR 2020; 2020 Sep 7‒10; Lecce, Italy. Berlin: Springer; 2020. p. 289‒98. . 10.1007/978-3-030-58465-8_22
[2]

Avanzini G, De Luca V, Pascarelli C. Integrated platform for sUAS operations in sensitive areas with improved pilot situation awareness. In: Proceedings of the 2021 IEEE International Conference on Cognitive and Computational Aspects of Situation Management, CogSIMA 2021; 2021 May 14‒22; Tallinn, Estonia. New York City: Institute of Electrical and Electronics Engineers (IEEE); 2021. p. 17‒24. . 10.1109/cogsima51574.2021.9475927
[3]

Lin C, Chen TP, Shao PC, Lai YC, Chen TC, Yeh YC. Prototype hierarchical UAS traffic management system in Taiwan. In: Proceedings of the Integrated Communications, Navigation and Surveillance Conference; 2019 Apr 9‒11; Washington, DC, USA. New York City: Institute of Electrical and Electronics Engineers (IEEE); 2019. . 10.1109/icnsurv.2019.8735380
[4]

Dao QV, Homola J, Cencetti M, Mercer J, Martin L. A research platform for urban air mobility (UAM) and UAS traffic management (UTM) concepts and applications. In: Proceedings of the 2019 International Conference on Human Interaction & Emerging Technologies; 2019 Aug 22‒24; Nice, France. Berlin: Springer; 2019.
[5]

Rizwan R, Shehzad M, Awais M. Quadcopter-based rapid response first aid unit with live video monitoring. Drones 2019;3(2):37. . 10.3390/drones3020037
[6]

Homola J, Prevot T, Mercer J, Bienert N, Gabriel C. UAS traffic management (UTM) simulation capabilities and laboratory environment. In: Proceedings of the AIAA/IEEE Digital Avionics Systems Conference; 2016 Sep 25‒29; Sacramento, CA, USA. New York City: Institute of Electrical and Electronics Engineers (IEEE); 2016. . 10.1109/dasc.2016.7778078
[7]

Johnson M, Jung J, Rios J, Mercer J, Homola J, Prevot T, et al. Flight test evaluation of an unmanned aircraft system traffic management (UTM) concept for multiple beyond-visual-line-of-sight operations. In: Proceedings of the 12th USA/Europe Air Traffic Management Research & Development Seminar; 2017 Jun 27‒30; Washington, DC, USA. Red Hook: Curran Associates, Inc; 2017.
[8]

Murakami D, Nag S, Lifson M, Kopardekar P. Space traffic management with a NASA UAS traffic management (UTM) inspired architecture. In: Proceedings of the AIAA Scitech 2019 Forum; 2019 Jan 7‒11; DiegoSan, CA, USA. Reston: American Institute of Aeronautics and Astronautics Inc. (AIAA); 2019. . 10.2514/6.2019-2004
[9]

Capitan C, Castano A, Capitan J, Ollero A. A framework to handle threats for UAS operating in the U-space. In: Proceedings of the 2019 International Workshop on Research, Education and Development on Unmanned Aerial Systems, RED-UAS 2019; 2019 Nov 25‒27; Cranfield, UK. New York City: Institute of Electrical and Electronics Engineers (IEEE); 2019. p. 1‒8. . 10.1109/reduas47371.2019.8999673
[10]

Shah Alam M, Oluoch J. A survey of safe landing zone detection techniques for autonomous unmanned aerial vehicles (UAVs). Expert Syst Appl 2021;179:115091. . 10.1016/j.eswa.2021.115091
[11]

Kaljahi M, Shivakumara P, Idris M, Anisi M, Lu T, Blumenstein M, et al. An automatic zone detection system for safe landing of UAVs. Expert Syst Appl 2019;122:319‒33. . 10.1016/j.eswa.2019.01.024
[12]

Stevens M, Atkins E. Geofence definition and deconfliction for UAS traffic management. IEEE Trans Intell Transp Syst 2021;22(9):5880‒9. . 10.1109/tits.2020.3040595
[13]

Balachandran S, Narkawicz A, Munoz C, Consiglio M. A geofence violation prevention mechanism for small UAS. In: Proceedings of the 31st Congress of the International Council of the Aeronautical Sciences, ICAS 2018; 2018 Sep 9‒14; Belo Horizonte, Brazil. Bonn: International Council of the Aeronautical Sciences (ICAS); 2018.
[14]

Kim J, Atkins E. Airspace geofencing and flight planning for low-altitude, urban, small unmanned aircraft systems. Appl Sci 2022;12(2):576. . 10.3390/app12020576
[15]

Federal Aviation Administration (FAA); OfficeNextGen; Unmanned Aircraft Systems (UAS); Traffic Management (UTM). Concept of operations v2.0. Report. Washington, DC: FAA; 2018 May.
[16]

Rios JL, Smith IS, Venkatesan P, Homola JR, Johnson MA, Jung J. UAS service supplier specification (NASA/TM-2019-220376), Technical Report. Washington, DC: National Aeronautics and Space Administration (NASA); 2019. . 10.1007/978-1-349-95810-8_847
[17]

Matus F, Hedblom B. Addressing the low-altitude airspace integration challenge—USS or UTM core? In: Proceedings of the ICNS 2018Communications—Integrated, Navigation, ConferenceSurveillance; 2018 Apr 10‒12; Herndon, VA, USA. New York City: Institute of Electrical and Electronics Engineers Inc (IEEE); 2018. p. 2F1-1‒11. . 10.1109/icnsurv.2018.8384848
[18]

Jin Z, Zhao Z, Luo C, Basti F, Solomon A, Gursoy M, et al. Simulation of real-time routing for UAS traffic management with communication and airspace safety considerations. In: Proceedings of the 2019 IEEE/AIAA 38th Digital Avionics Systems Conference (DASC); 2019 Sep 8‒12; San Diego, CA, USA. New York City: Institute of Electrical and Electronics Engineers Inc (IEEE); 2019. . 10.1109/dasc43569.2019.9081675
[19]

Pascarelli C, Marra M, Avanzini G, Corallo A. Environment for planning unmanned aerial vehicles operations. Aerospace 2019;6(5):51. . 10.3390/aerospace6050051
[20]

Ramirez-Atencia C, Rodriguez-Fernandez V, Camacho D. A revision on multi-criteria decision making methods for multi-UAV mission planning support. Expert Syst Appl 2020;160:113708. . 10.1016/j.eswa.2020.113708
[21]

Fu Q, Liang X, Zhang J, Fan X. Intent inference based trajectory prediction and smooth for UAS in low-altitude airspace with geofence. Comput Mater Contin 2020;62(3):417‒44. . 10.32604/cmc.2020.07044
[22]

Islam MNA, Chowdhury MT, Agrawal A, Murphy M, Mehta R, Kudriavtseva D, et al. Configuring mission-specific behavior in a product line of collaborating small unmanned aerial systems. J Syst Softw 2023;197:111543. . 10.1016/j.jss.2022.111543
[23]

Blessing LT, Chakrabarti A. DRM, a design research methodology. London: Springer, London; 2009. . 10.1007/978-1-84882-587-1
[24]

Sassanelli C, Pezzotta G, Pirola F, Sala R, Margarito A, Lazoi M, et al. Using design rules to guide the PSS design in an engineering platform based on the product service lifecycle management paradigm. Int J Prod Lifecycle Manag 2018;11(2):91‒115. . 10.1504/ijplm.2018.092826
[25]

Sassanelli C, Arriga T, Zanin S, D’Adamo I, Terzi S. Industry 4.0 driven result-oriented PSS: an assessment in the energy management. Int J Energy Econ Policy 2022;12(4):186‒203. . 10.32479/ijeep.13313
[26]

Alaimo SMC, Pollini L, Pierre Bresciani J, Bülthoff HH. Evaluation of direct and indirect haptic aiding in an obstacle avoidance task for teleoperated systems. In: Proceedings of the 18th IFAC World Congress; 2011 Aug 28‒Sep 2; Milano, Italy. Amsterdam: Elsevier; 2011. p. 6472‒7. . 10.3182/20110828-6-it-1002.02790
[27]

Pollini L, Razzanelli M, Olivari M, Brandimarti A, Maimeri M, Pazzaglia P, et al. Design, realization and experimental evaluation of a haptic stick for shared control studies. IFAC-PapersOnLine 2016;49(19):78‒83. . 10.1016/j.ifacol.2016.10.465
[28]

Ingegneria Dei Sistemi SIDS.p.A. No-drone brochure. Report. Pisa: IDS Ingegneria Dei Sistemi S.p.A.; 2018.
[29]

ISO/IEC 20922 : 2016—Information Technology—Message Queuing Telemetry Transport (MQTT) v3.1.1. International Organization for Standardization (ISO) standard. Geneva: International Organization for Standardization (ISO); 2016.
[30]

Mosquitto; FoundationEclipse; cedalo. Eclipse MosquittoTM an open source MQTT broker [Internet]. Brussels: Eclipse Foundation; undated [cited 2025 Jan 14]. Available from:

[31]

TechnologiesUnity. Unity real-time development platform [Internet]. San Francisco: Unity Technologies; undated [cited 2025 Jan 14]. Available from:

[32]

Microsoft. Mixed reality toolkit [Internet]. Redmond: Microsoft; undated [cited 2025 Jan 14]. Available from:

[33]

Epson M. BT-300 Drone FPV Edition [Internet]. Katella Ave: Epson America, Inc.; undated [cited 2025 Jan 14]. Available from:

[34]

Microsoft. Microsoft HoloLens [Internet]. Redmond: Microsoft; undated [cited 2025 Jan 14]. Available from:

[35]

Zhao C, Beams R, Dahal E, Badano A. Spatially dependent veiling glare degrades image quality in medical extended reality. Virtual Real 2024;28(1):11. . 10.1007/s10055-023-00893-x
[36]

Delaunay C. Sur la surface de revolution dont la courbure moyenne est constante. J Math Pures Appl 1841:309‒14.
[37]

Shewchuk JR. Triangle: Engineering a 2D quality mesh generator and delaunay triangulator. In: Lin MC, Manocha D, editors. Applied computational geometry towards geometric engineering. Berlin: Springer; 1996. p. 203‒22. . 10.1007/bfb0014497
[38]

Osang G, Rouxel-Labbe M, Teillaud M. Generalizing CGAL periodic delaunay triangulations. In: Proceedings of the 28th Annual European Symposium on Algorithms (ESA 2020); 2020 Sep 7‒9; Pisa, Italy. Wadern: Schloss Dagstuhl-Leibniz-Zentrum für Informatik; 2020.
[39]

Sibson R. Locally equiangular triangulations. Comput J 1978;21(3):243‒5. . 10.1093/comjnl/21.3.243
[40]

GDAL Development Team. GDAL—geospatial data abstraction library [Internet]. Santa Clara: Geospatial Data Abstraction Library (GDAL); undated [cited 2025 Jan 14]. Available from:

[41]

Object Management Group, Inc. (OMG). Business process model and notation (BPMN), version 2.0. OMG standard. Milford: Object Management Group, Inc.; 2011.
[42]

ISO/IEC 19510 :2013(E): Information technology—object management group business process model and notation. ISO standard. Geneva: International Organization for Standardization (ISO); 2013.
[43]

DJI. Mavic 2 enterprise dual specifications [Internet]. Shenzhen: DJI; undated [cited 2025 Jan 14]. Available from:

[44]

Brooke J. SUS—a quick and dirty usability scale. In: Usability evaluation in industry. Boca Raton: CRC Press; 1996. . 10.1201/9781498710411-35
[45]

Laugwitz B, Held T, Schrepp M. Construction and evaluation of a user experience questionnaire. In: Holzinger A, editor. HCI and usability for education and work. Berlin: Springer; 2008. p. 63‒76. . 10.1007/978-3-540-89350-9_6
[46]

Hart S. NASA task load index (TLX). Moffett Field: Human Performance Research Group; 1986.
[47]

Taylor RM. Situational awareness rating technique (Sart): the development of a tool for aircrew systems design. In: Situational awareness. New York City: Routledge; 2011.
[48]

Cotting MC. UAV performance rating scale based on the Cooper-Harper piloted rating scale. In: Proceedings of the 49th AlAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition; 2011 Jan 4‒7; Orlando, FL, USA. Reston: American Institute of Aeronautics and Astronautics; 2011. . 10.2514/6.2011-923
[49]

Cooper GE, Harper RP Jr. The use of pilot rating in the evaluation of aircraft handling qualities. Report. Brussels: North Atlantic Treaty Organization; 1969.

AI Summary AI Mindmap
PDF (10715KB)

8629

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉