朱元军，李 妍，高子昂，刘 洋，张学军

（1.北京航空航天大学电子信息工程学院,北京 100191；2.山东交通学院信息科学与电气工程学院,山东 济南 250357；3.民航通用航空运行重点实验室(中国民航管理干部学院),北京 100102）

随着无人驾驶航空器系统（unmanned aircraft systems，UAS，后简称为“无人机”）技术的快速发展和在交通运输领域应用的不断拓展，城市空中交通运输系统（urban air mobility，UAM）逐渐被人们所关注。法国空客、中国亿航智能、巴西航空工业等相关组织机构对UAM 进行了广泛探讨，其内涵包括了客运和物流两个方面。在客运领域，大多数研究都是围绕利用电动垂直起降（eVTOL）飞行器进行载人运输应用，其中典型的几类航空器包括空客开发的Airbus Vahana、亿航智能开发的EHang216等小型航空器，可以为未来的城市出行开辟出新的交通运行模式。在物流领域，以亚马逊、京东、顺丰、迅蚁为代表的企业已经开始布局无人机的物流配送应用，尤其是“最后一公里”的终端配送场景。亚马逊早在2013 年就开始进行无人机配送测试，开发的Prime Air 系列无人机已经获得FAA的许可；顺丰已经基于各种特殊（如医疗冷链、应急配送、特征物流等）配送场景，研发了多种无人机系统和相关的配套设备；京东研发了“京鸿”货运型固定翼无人机，在陕西、四川等省份农村地区开展了无人机配送业务；迅蚁则致力于构建城市空中物流配送网络，为城市提供快速的自动化航空运输服务，并于2019 年获得了民航局发布的首张城市物流运行许可牌照。

城市空中交通运输系统已经成为未来智能运输系统发展的必然趋势，然而无人机进入城市空域运行，会给公共安全带来巨大的安全隐患。针对无人机运行带来的安全风险问题，无人系统规则制定联合体（joint authorities for rulemaking of unmanned systems，JARUS）发布了对于特定类型无人机的运行风险评估（special operations risk assessment，SORA）流程指导意见[1]，中国民航局也发布了《特定类无人机试运行管理规程（暂行）》[2]、《基于运行风险的无人机适航审定指导意见》[3]等规定。这些文件都表明，无人机的运行必须保持在交通运输系统可以接受的风险水平下，尤其在人口密集的城市环境更应如此。虽然城市场景下对无人机在交通运输行业的应用有巨大的需求，但同时城市环境也是无人机运行的高风险地带，开展城市空域无人机的运行风险分析，对于无人机产业的发展具有重要的指导作用和前瞻性意义。

本文将对无人机在城市环境下运行的风险评估和路径规划问题展开分析讨论，从运行风险分析、风险分布地图、运行规划研究3 个方面，对相关研究成果进行分析和归纳，最后对城市环境下基于可接受风险的无人机运行规划发展趋势进行展望。

1 无人机城市空域运行风险分析

风险评估主要指在事故发生前后，运用精确的模型和科学的计算方法，对事故导致的后果以及造成的影响进行有效的量化评估。从城市环境基于可接受风险的角度出发，对无人机开展运行风险控制是其中的重要步骤，SORA 方法对此提供了指导意见。SORA的核心是安全风险管理（security risk management，SRM），将安全相关情景和风险管理措施图形化，可视化评估给定危害情景的风险。SORA 提供了一种定性评估特定类别无人机运行安全风险的思路，并确定这些风险是否已降低至可接受的水平。Denney 等[4]从数学方法的角度补充当前的SORA 方法，提出了基于安全屏障模型的初步概率形式，并使用了贝叶斯框架扩展和增强初始概率模型方法。NASA[5]也提出了一种无人机交通管理系统实时风险评估框架（UTM risk assessment framework，URAF），使用无人机系统的状态数据和外部环境的动态信息，通过贝叶斯网络的概率模型和地面伤亡估计模型，来进行实时的无人机运行风险评估。

中国民航局的特定类无人机试运行管理规程等文件和JARUS SORA 指导意见都将无人机运行带来的风险分为空中碰撞风险和地面碰撞风险两类。空中碰撞风险指无人机与其他航空器发生碰撞的风险，地面碰撞风险主要指无人机系统失效后坠毁对地面人员造成伤害的风险。本章接下来将简要梳理这两类风险评估方法的代表性研究工作。

1.1 空中碰撞风险评估

对于无人机空中碰撞风险评估，Reich[6]从纵向、侧向和垂直方向对民航客机平行航路建立的碰撞风险模型是最早的航空器运行风险评估工作。Zhang 等[7]建立了基于冲突区域的圆柱形无人机碰撞风险模型，研究了无人机与有人驾驶航空器之间的冲突风险。刘畅等[8]也对无人机和入侵航空器进行碰撞风险区域建模，并基于飞行参数定义无人机的飞行安全区域。Rubio-Hervas 等[9]使用了一种数据驱动的风险度量和评估方法，通过概率模型推导出量化的风险水平，该概率模型不仅考虑了环境因素（如天气和信号强度）的内在随机性，还包含了地理因素的外在不确定性，同时该方法可以嵌入到当前的标准风险评估方法中。Liu 等[10]提出了一种基于中国空域不同区域民用飞行密度的飞机碰撞模型，根据相对飞行速度构建了无人机和有人驾驶航空器之间的相对碰撞区域，重点考虑了空中碰撞所造成的死亡率。Sahawneh 等[11]使用蒙特卡洛方法，估算同一高度飞行的无人机与其他航空器的空中碰撞风险。

1.2 地面碰撞风险评估

对于无人机地面碰撞风险，Liu 等[10]同样考虑了该风险造成的死亡率，通过计算满足不同无人机类别目标安全水平所需的系统可靠性来设计多因素风险模型。他们结合实验场景的土地和人口数据以及无人机的本身属性参数，获得固定翼和旋翼无人机撞击地面的伤亡区域以及地面致命伤害的概率。Waggoner[12]对有人驾驶航空器的历史碰撞数据进行挖掘分析，建立无人机空中碰撞风险和地面碰撞风险模型；Lum 等[13]针对在人口密集区域运行的无人机，根据卫星图像和人群分布信息的数据，计算每飞行小时造成地面人员碰撞的估计数量；Goncalves 等[14]考虑STANG 4 671“无人机系统弄适航性条例（USAR）”，提供了基于Petri 网的无人机安全评估过程建模，目的是通过使用Petri 网来显示无人机遭遇高碰撞风险状态的频率和无人机在故障情况下对操作输入的反应能力。

2 风险分布地图

安全目标水平（target level of safety，TLS）是风险管理的最终目标，在民航领域，ICAO 把安全目标水平定义为每飞行小时中所发生的事故次数。航空器进入空域运行，需要评估其等效安全水平（equivalent level of safety，ELS）来衡量是否达到安全标准。在无人机的风险评估程序中，同样将其等效安全水平定义为无人机每飞行小时中所造成的地面伤亡人数。在城市环境下，无论是无人机发生空中碰撞后坠毁，还是无人机系统失效后坠毁，最终都会对地面人群带来安全威胁，尤其在人口密集区域。因此，对无人机在城市空域中运行的安全风估问题，首先需要考虑的是无人机的撞地风险评估问题，最终目标要获得无人机的等效安全水平，并以此建立相应的风险地图（Risk Map），直观可视化的表示无人机运行所带来的不同风险等级分布。如图1 所示，对矢量地理数据（图1（a））进行网格化划分为图1（b），统计地理要素并进行网格化表示为图1（c），最后基于某类型参数的无人机撞地风险水平建立风险分布地图见图1（d）。

图1 无人机撞地风险分布地图构建流程

建立风险分布地图的首要工作是研究无人机撞地风险评估模型及其影响因素。影响无人机地面撞击风险的主要原因有无人机的自身属性因素和地面特征因素。无人机的自身属性因素包括无人机系统故障失效概率和地面撞击区域，实际中地面撞击区域更多受到无人机系统失效后的航迹，即无人机坠毁模式的影响；地面特征因素包括地面人口的分布和地面撞击致死概率。本章接下来将梳理这两类影响因素的代表性研究工作。

2.1 无人机自身参数因素

丹麦奥尔堡大学的La Cour-Harbo[15]分析了4 种无人机系统失效后的坠毁模式，包括弹道下降（ballistic descent）、降落伞下降（parachute descent）、失控滑行（uncontrolled glide）、失控飞离（flyaway）。弹道下降指无人机失去了大部分升力，进入一个接近弹道模式的坠落过程，完全受无人机的空气动力学控制；降落伞下降指无人机系统失效后，发动机关闭，机上降落伞开启，是一个基于降落伞空气动力学的坠落过程；失控滑行指无人机（尤其是固定翼无人机）失去推力，在机身结构完整的情况下，进入自由滑行坠落的过程；失控飞离指无人机完全失去驾驶员的控制，靠自动驾驶仪继续保持稳定飞行直到动力耗尽，其航迹主要受到风的影响。同时，讨论了弹道下降模式下无人机参数和风速对坠落轨迹的影响，建立了一种计算地面撞击点的二维地理概率密度函数，该函数可以快速计算不同人群密度和飞行参数影响下无人机的坠落轨迹；韩鹏等[16]使用贝叶斯网络来评估无人机系统的失效风险，从系统故障、运行环境和人为因素3 个方面提取失效原因，基于该网络计算不同情况下无人机意外坠落事故和中间事件的概率，得出物流无人机正常运行发生安全事故的概率为6.54×10−3，并在文献[17]研究的基础上，继续研究了无人机航迹误差对地面风险评估的影响。

2.2 地面环境特征因素

张泽京等[18]基于等效安全水平的概念，建立了无人机系统安全目标水平的对地撞击模型，该模型同时考虑了无人机的撞击动能、构型参数以及飞行环境因素，计算了不同种类无人机在不同场景下的安全目标水平和我国地域人口的安全目标水平；韩鹏等[19]分析了不同运行工况下无人机地面撞击事故的边界条件，考虑了不同任务场景的地面人口密度和地面遮蔽物保护能力，引入了环境影响影子来表征不同场景下天气、地理环境、基础设施的影响，建立无人机撞地风险评估模型。

3 运行路径规划

基于可接受风险的无人机运行规划，核心思路就是在风险分布地图的基础上，对无人机系统进行路径规划，计算有效运行路径，使对地面人群的风险最小化，达到在城市空域内安全飞行的目的。无人机的风险规划通过流程为：先基于风险分布地图和无人机的自身参数信息进行静态路径规划，然后根据动态更新的风险分布地图，对静态运行路线进行动态调整。本章接下来将简要梳理基于风险分布地图的无人机路径规划方法的代表性研究工作。

都灵理工大学的飞行力学研究组在这方面开展了广泛的研究。Filippis 等[20]讨论了两种基于风险地图的寻径方法，一种是用A*算法分析了最小风险和最短距离的路径；另一种是用遗传算法优化多项式曲线，最小化反映路径长度和碰撞风险的代价函数，同时考虑无人机性能约束；Primatesta 等[21]建立了一种基于云的城市环境下无人机智能导航框架，在不影响安全的前提下实现任务自主。该框架采用了多层逻辑结构，实现自主飞行、信息处理和决策等任务，包含5 层结构，在地图生成层中，提出了一种包括静态因素和动态因素的风险评估策略，设计了两步路径规划方法：离线最优路径规划方法，和考虑风险地图动态变化因素的在线路径规划以及风险地区的自适应更新；同时还在文献[22]中提出了一种基于风险感知的城市环境无人机路径规划策略，该方法使用风险地图，将空间的离散位置与适当的风险代价联系起来。然后分两阶段进行路径的规划，第一阶段使用风险A*算法，根据静态风险因素信息离线计算路径，使该路径的风险最小；第二阶段利用动态风险地图在线对当前离线路径进行规划调整，提出了一种Borderland 算法来快速识别和调整风险因子中动态变化部分所影响到的路径。

国内学者近年内也在此方面开展了研究工作。胡莘婷等[23]建立了无人机在城市环境运行时的风险模型，提出了无人机运行风险的安全评价指标，量化了无人机在城市环境不同区域的安全风险水平，基于建立的风险地图，在无人机最低飞行高度大于飞行区域最高建筑物的情况下，进行最小风险成本的路径规划；李若恒等[24]提出了考虑安全裕度的城市环境模型，是无人机可以与城市建筑保持有效安全距离，并建立了无人机航迹对地面人员的风险评估模型，并依此在城市环境模型中进行无人机路径规划以减少对地面人员的风险；张洪海等[25]提出了基于K-means 聚类的无人机风险评估与量化方法，从飞行冲突、飞行环境和交通特性3 方面分析了无人机风险影响因素，分别构建了无人机空中风险和地面风险指标，建立指标筛选模型与风险评估模型，并在文献[26]中采用栅格法进行环境建模，设计了以航程、高度和危险度代价最小为目标函数的城市环境物流无人机路径规划模型。

4 总结与展望

城市空中交通是未来智能航空运输系统中的重要运行场景，也是城市交通运行系统的新兴运作模式。本文从无人机运行风险因素分析、城市区域风险分布地图构建以及基于风险地图的路径规划方法3 个方面，逐层分析了未来基于可接受风险的城市空域无人机运行方式，然而现有研究大多仅考虑无人机自身参数和地面特征，没有考虑多无人机的空域运行态势对风险分布的影响，风险分布地图的构建方法在精细化程度上仍有待提高，同时缺乏三维角度上对城市空域风险分布和无人机路径规划方法的研究。面向未来城市空中交通系统的实际应用，考虑精细化的无人机风险运行模式将会是今后城市空中交通管理领域研究的重点和趋势。