EN中文

地理科学进展 >

2021 , Vol. 40 >Issue 9: 1488 - 1502

DOI: https://doi.org/10.18306/dlkxjz.2021.09.005

无人机发展新技术

NASA无人机交通管理系统飞行验证试验概述

  • 王茂霖 , 1, 2 ,
  • 吕人力 1, 2 ,
  • 管祥民 1, 2
展开
  • 1.浙江省通用航空运行技术研究重点实验室(浙江建德通用航空研究院),杭州 311600
  • 2.中国民航管理干部学院,民航通用航空运行重点实验室,北京 100102

王茂霖(1992— ),男,四川广元人,讲师,主要研究方向为无人机设计、无人机运行管理等。E-mail:

收稿日期: 2021-02-05

  修回日期: 2021-05-18

  网络出版日期: 2021-11-28

基金资助

国家重点研发计划项目(2017YFB0503401)

国家自然科学基金项目(71731001)

国家自然科学基金项目(U1933130)

国家自然科学基金项目(U1433203)

国家自然科学基金项目(U1533119)

民航协同空管技术及应用重点实验室开放基金课题(0151010)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

An overview of flight demonstration of NASA unmanned aircraft system traffic management system

  • WANG Maolin , 1, 2 ,
  • LV Renli 1, 2 ,
  • GUAN Xiangmin 1, 2
Expand
  • 1. Zhejiang Jiande Key Laboratory of General Aviation Operation Technology (General Aviation Research Institute of Zhejiang Jiande), Hangzhou 311600, China
  • 2. Civil Aviation Management Institute of China, CAAC Key Laboratory of General Aviation Operation, Beijing 100102, China

Received date: 2021-02-05

  Revised date: 2021-05-18

  Online published: 2021-11-28

Supported by

National Key Research and Development Program of China(2017YFB0503401)

National Natural Science Foundation of China(71731001)

National Natural Science Foundation of China(U1933130)

National Natural Science Foundation of China(U1433203)

National Natural Science Foundation of China(U1533119)

Civil Aviation Cooperative Air Traffic Management Technology and Application Key Laboratory Open Fund Projects(0151010)

Copyright

Copyright reserved © 2021
Fold

摘要

随着民用无人机在物流配送、地理信息探测和应急救援等领域的快速发展,美国联邦航空局(FAA)和美国航空航天局(NASA)合作开发了无人机交通管理系统(UTM),并开展了大量的验证试验。根据技术难度,NASA将运行技术和相关的飞行验证试验分为4个技术能力水平阶段,其中第三和第四阶段是UTM试验的核心阶段,也是技术难度最高的2个阶段。论文整理了美国无人机交通管理系统第三和第四技术能力水平阶段的飞行验证试验,根据各项关键技术,对试验内容及运行场景等进行了概述,总结了相关试验经验,对中国无人机运行管理系统的试验设计提出了建议。

关键词： 无人机交通管理; 飞行验证试验; 数据交换; 感知与避让; 通信监视与导航

本文引用格式

王茂霖 , 吕人力 , 管祥民 . NASA无人机交通管理系统飞行验证试验概述[J]. 地理科学进展, 2021 , 40(9) : 1488 -1502 . DOI: 10.18306/dlkxjz.2021.09.005

Abstract

With the rapid development of civilian unmanned aircraft system (UAS) in the fields of logistics and distribution, geographic information detection, and emergency rescue, the U.S. Federal Aviation Administration (FAA) and the National Aeronautics and Space Administration (NASA) have jointly developed the Unmanned Aircraft System Traffic Management System (UTM) and carried out a large number of verification tests. According to the technical level, NASA divides the operation technologies and related flight demonstration tests into four technical level phases, of which the TCL-3 and TCL-4 are the core phases of the UTM test and also the most technically complex phases. This article summarized the third and fourth phases of the flight demonstration tests of the UTM system in the United States. Based on the key technologies, the test contents and operation scenarios, as well as the relevant flight experience were summarized. Finally, some recommendations for UTM system design in China were put forward.

Key words： UAS traffic management; flight demonstration; data exchange; sense and avoid; communication surveillance and navigation

各个国家或国际组织对无人驾驶航空系统(unmanned aircraft system,UAS)的定义略有差异。根据美国联邦航空局(FAA)的定义,无人驾驶航空系统是指无人驾驶飞机以及供远程驾驶员安全有效地在国家空域系统里进行飞行操纵的必需配套设备,包括通信链路和飞行控制设备等[1]。欧洲航空安全局(EASA)定义无人驾驶航空系统为在无人驾驶的情况下操纵的飞机及其配套设备,定义远程驾驶飞机系统(RPAS)为一套可配置的设备,包括远程驾驶飞机、相关的远程驾驶站、所需的指挥和控制链路以及在运行过程中任何时候可能需要的任何其他系统组件[2]。在中国,民航局将无人驾驶航空系统定义为由无人机、相关控制站、所需的指令与控制数据链路以及批准的型号设计规定的任何其他部件组成的系统[3]。在本论文中,将无人驾驶航空系统简称为无人机。
近年来,民用无人机在物流配送[4]、应急救援[5]、空中拍摄[6]和地理信息探测[7]等领域发展迅速,大量民用无人机进入低空空域。FAA预测,美国的小型无人机将从2019年的110万架增长到2022年的240万架,2023年美国注册的非航模小型无人机将从2018年的27万架增长到83万架左右[8]。欧盟预测,到2025年,欧洲休闲类无人机将达到700万架,政府和商用无人机达到20万架[9]。无人机规模数量的全新增长模式,导致无人机的空域使用问题成为产业发展的关键难题。全球各国和国际组织开始将无人机发展的关注热点从无人机制造技术转向无人机运行。美国航空航天局(NASA)于2013年提出无人机交通管理(UAS Traffic Management, UTM)的概念[10],旨在对低空空域内的无人机大规模安全运行进行管理和提供服务[11]。2020年3月,FAA的NextGen办公室发布了UTM系统的第二版运行概念[12],将UTM的飞行验证试验根据需要测试的功能分为4个技术能力水平阶段。另一方面,欧洲于2017年正式提出《U-space的概念与发展蓝图》[13],以支持无人机在低空和超低空空域安全、高效的运行,由欧盟最大的研发创新计划“地平线2020项目”对U-space进行资助,并开展了广泛的试验验证[14]。
目前,中国正在发展无人交通运行管理技术[15],并即将开展无人机试验云系统的开发和试验[16]。本文整理了NASA的UTM系统第三和第四技术能力水平阶段的飞行验证试验,根据各项关键技术,对试验内容及运行场景等进行了概述,总结了相关试验经验,对中国无人机运行管理系统的试验设计提出了建议。

1 试验背景

1.1 UTM飞行验证试验

NASA将UTM的开发验证分为4个阶段,其称之为技术能力水平阶段(technical capability level, TCL),即TCL-1、TCL-2、TCL-3、TCL-4,已分别于2015、2016、2018和2019年完成相关的试飞验证。一级技术能力水平测试的主要是视距内无人机在低风险地区的运行;二级技术能力水平的飞行测试在一级上进行了拓展,主要试验了无人机在低风险地区的视距内和视距外混合运行[17];三级技术能力水平的测试目的在于测试常态超视距运行、空中机对机防撞和避让静态障碍物等能力;四级技术能力水平的测试目的在于超视距运行、跟踪和定位、避让动态障碍物,以及处理大规模突发事件等能力,如图1所示。
图1 UTM技术能力水平阶段[12]

Fig.1 Technical capacity level of UTM system

在正式展开TCL-3阶段的测试之前,NASA已在2016年8月完成了前2个技术能力水平的测试,TCL1-2阶段的开发和验证主要完成了2个任务:第一是搭建了实验室仿真环境[17],第二是初步试验了无人机在低风险地区的视距内和视距外运行[18]。前2个技术能力水平阶段的试验初步验证了UTM系统的运行概念,并为后续无人机超视距运行的飞行试验奠定了研究基础。

1.2 试验场景

TCL-3阶段的主要研究目标是验证无人机通信相关的关键技术,而TCL-4的主要研究目标是收集数据,以了解在城市环境中安全实现大规模超视距无人机运行的要求,并在飞行测试中评估小型无人机的探测和避让、通信、导航和远程识别(远程ID)技术;评估为解决城市运行技术挑战而开发的统一技术服务;并确定现有技术能力方面的差距,以便使城市业务得以开展。TCL-4测试是基于实际试验场景,将不同的研究目标集成到每个场景中。NASA设计了5个试验场景,代表无人机在同一地区内全天的运行,从而研究测试UTM的各项重点功能,试验场景包括:
(1) 多个任务类型的无人机正在城市环境中高密度地运行,在该地区模拟一个突发气象事件,进而以无人机空间保留(UVR)的形式建立一个警告区域。在UVR内正在运行或计划在该区域运行的无人机通过返回起点、重新规划使用与其他运行不冲突的安全着陆点,或避免在UVR内起飞来应对突发事件。
(2) 多种类型的无人机因为一场音乐会在某个地区同时运行,空域容量达到了中高流量密度。在该地模拟发生火灾或医疗紧急情况等突发事件,进而建立了UVR,以供公共安全UTM应急响应,进而取消该地区非必要的无人机运行。清理UVR的运行必须重新规划路径和冲突缓解,以确保无人机安全离场。UTM系统的远程ID识别系统用于识别和联系尚未撤离该区域的无人机运营人。此外,除了公共安全无人机外,还允许新闻报道无人机使用UVR。
(3) 中等流量密度的无人机在机场附近运行,因此需要特定的远程ID识别以及安全响应来监视机场附近的情况,并报告有关信息。有人驾驶通航飞机正在该地区飞行,其中一架飞机的飞行路径与UTM运行空间发生冲突,无人机运营人随后做出响应;另一架运行的无人机模拟进入通信中断和违规状态,附近的其他无人机收到相关信息,进而进行避让。
(4) 高流量密度的无人机在城市环境中模拟运行,一架无人机由于电池电量低需要立即着陆,因此附近运行的无人机需要重新规划路径并避让着陆过程中的无人机;接着发生了大规模的通信和导航中断事件,需要应急管理程序来进行响应。在该场景中,需要请求远程ID识别服务,用于识别报告在同一地区运行的无人机。
(5) 城市郊区发生了多个事故,导致执行各种支援任务的无人机数量迅速增加,运行密度的提高对战略冲突缓解提出了需求,因此需要通过无人机服务供应商(USS)协商来重新规划路径或制定临时运行规则,允许无人机运行空间重叠。运行密度随着协商而增加,多架无人机共享空域,并通过协作实现安全间隔。紧接着,一家为多架无人机提供运行服务的USS出现了严重故障,受影响的无人机启动应急管理程序,并切换到另一家USS。
在这5个场景中,运行的飞行环境和给定场景所需的飞行类型通过试验特征定义,如表1所示。
表1 试验特征

Tab.1 Flight demonstration characteristics

特征 描述 场景编号
运行密度 在特定空域的无人机数量 1、2、3、4、5
运行速度 在指定区域内的无人机起飞和降落次数 1、4、5
运行空间类别 基于区域的运行空间或基于交通的运行空间 1、2、3、4、5
空域类别 管制/非管制空域 1、2、3
地面障碍 建筑物附近的运行 1、4
障碍物类别 动态或静态障碍物附近的运行 4、5
自动起飞/降落 无人机起飞或降落点(同地区或远程) 1、3、4、5
飞行配置 飞行任务分类,如线性检查和区域检查 1、2、3、4、5
起飞/着陆配置 UAS在地面或屋顶起飞或降落 1、4
USS协商 USS请求修改由其他USS管理的运行 1、2、3、5
运行优先级 受导航能力限制的运行(飞行中的紧急情况)或对优先任务作出响应(公共安全) 2、3、4
无人机远程ID 无人机通过/不通过USS网络,由地面/空中实体进行识别 2、3、4
试验事件用于触发运行环境的变化,从而试验不同的技术和程序。试验事件的一般类别见表2。
表2 试验事件

Tab.2 Flight demonstration events

类别 描述 场景编号
无人机空间保留 限制某些特定无人机进入的空域 1、2
冲突 无人机进入有人机、障碍物或其他无人机的限定范围内 1、2、3、4、5
安全着陆 在运行空间内/外着陆、具有可运行/不可运行安全着陆能力 1、2、3、4
USS影响 一个USS中断(停止提供服务)、或者一个运行更改为另一个USS 5
意外的无人机行为 无人机发生飞行事故或飞行方式粗鲁 4
C2(命令与控制)链路中断 基于空中运行量、C2链路小范围或大范围中断 2、3、4、5
导航中断 基于空中运行量、导航小范围或大范围中断 2、3、4、5
无人机远程ID查询 通过/不通过USS识别无人机 2、3、4

2 演示试验内容

2.1 无人机通信

NASA的TCL-3阶段主要测试无人机超视距运行,主要包括运行概念组、数据交换组、通信导航监视组和感知避让组,各个大组按照相应的主题组织试验。不同于有人驾驶飞机,无人机需要通过数据链路精确及时地向运营人和监管机构回传数据,并向空域内其他无人机分享态势信息,因此无人机数据交互技术和通信技术是保障超视距运行安全的核心技术;另一方面,无人机的大规模运行将会对公共安全和居民隐私带来一定的隐患,因此无人机的身份识别也是亟需验证的重要功能。
2.1.1 无人机信息报告服务
在TCL-3阶段的数据和信息交换试验中,NASA测试了“无人机信息报告”技术(UREP),该技术用于UTM系统各参与方交换天气和无人机目视信息,从而增强对空域和天气信息的感知,以提高远程飞行员安全飞行的能力。UREP由客户端系统生成并发送到中央数据服务,数据服务提供订阅功能并批准数据请求,从而共享UTM各参与方发送的报告。UREP试验通过飞行仿真或飞行试验,将生成的数据发送到服务器,其他地区的无人机运营人向服务器发起数据请求以测试UREP服务[19]。
UREP服务基于表述性状态转移原理(REST),其中数据服务器基于JAVA语言,部署在亚马逊云服务器上,并由关系数据库系统(RDBMS)支持,由PostGIS插件向数据库提供地理空间数据和查询功能。REST应用程序编程接口是使用OpenAPI规范2.0定义的,并提供给所有需要与该服务进行数据交换的USS。数据端点是简单的HTTP GET和PUT调用,从而交换UREP数据,如图2所示。数据模型也是在OpenAPI规范中定义的,它严格按照FAA的飞行报告(PIREP)数据交换格式建模,但UREP增加了报告目视飞机的功能,这是PIREP不允许的,这在UREP内被称为“point out”[20]。TCL-3部署的UREP体系架构还提供了一个数据订阅服务,以便发送到UREP服务的任何更新数据都将返回给所有订阅的USS,该订阅功能是使用简单的面向文本的消息传递协议实现的。
图2 UREP架构

Fig.2 Structure of UREP

UREP验证试验给出了3个场景:
(1) 运营人手动提交和检索UREP。无人机运营人A同时部署了一个地面站(GCS)和一个便携式气象站,气象站测量并通告附近有25节(约等于12.7 m/s)的阵风。运营人A将这些信息输入到地面站中,地面站通过4G蜂窝网络连接到互联网。地面站中的软件允许将这些信息以UREP的形式提交给运营人A的USS,然后USS代表运营人将该信息提交给飞行信息管理系统(FIMS)。运营人B在他的USS上订阅了UREP服务,用于接收10英里(1英里=1609.3 m)内的所有新的UREP。运营人B的USS通过FIMS接收UREP数据,并通过订阅服务转发给运营人B。这个过程还包括报告非气象信息,例如在这个场景中,除阵风以外,运营人A还可以报告目视观察到的滑翔机活动。
(2) 无人机自动提交和检索。无人机和地面站通过自动程序,创建一个UREP并发送到USS,然后再将其转发给FIMS。另一架无人机连接到互联网,直接向其USS订阅相关服务,无人机可接收有关气象的UREP。通过解析UREP,无人机对其飞行路径进行调整,以避开报告区域。
(3) 历史数据分析。通过在FIMS中查询了过去一段时间收到的所有UREP,整理各类型的历史数据,包括风场数据等,用于改进气象预测算法。
2.1.2 无人机远程识别功能
在UTM系统中,区分系统内成员和系统外成员的能力非常重要。尽管无人机反制系统技术在人员密集环境中的无人机监测领域有一定进展,但无人机的快速识别以及区分UTM系统成员和非成员的能力仍然是一个关键技术挑战。
作为UTM TCL-3验证试验的一部分,大约124架无人机通过NASA无人机登记和模型数据库(VRMD)系统注册,其中16架用于模拟,已登记的无人机包括预留作备份的无人机,以及在试验的准备过程中出现故障和被替换的无人机。来自试验区的合作伙伴通过NASA的访问和身份控制系统,获得访问已注册的无人机权限。在开展试验之前,所有预计飞行的无人机都必须注册并提供详细的无人机模型数据。在创建时,VRMD会发出一个通用的唯一标识符(UUID),称为UTM无人机识别号(UVIN)。
远程ID识别系统主要基于UTM系统的FIMS、USS以及无人机登记注册数据库,进而确定无人机是否处于活动状态,在UTM TCL-3中实现的远程ID架构如图3所示。远程ID概念的主要目标是测试和验证一系列场景,其中在运行区域附近的授权实体需要对无人机进行识别。包括:
图3 无人机远程ID识别系统架构

Fig.3 Structure of UAS remote ID system

(1) 无人机所有者和联系人的身份;
(2) 无人机性能和等级(固定翼、多旋翼等);
(3) 当前飞行计划、无人机速度和航向、运行计划;
(4) 相应飞行计划的UTM状态,如异常、不符合等。
NASA的无人机试验区开展了多个试验场景。每个试验场景都包括了以下试验要素:
(1) 将被远程识别的无人机,同时向附近广播无人机识别信息;
(2) 公共安全USS(由FIMS授予公共安全角色的USS);
(3) 执行远程无人机识别并验证测试结果的公共安全用户;
(4) 接收无人机原始飞行计划的USS。
公共安全USS获得公共安全许可,使其能够从其他USS请求信息,并查询VRMD以获得详细的特定无人机的信息。
远程ID识别试验场景包括:
场景1:无人机向远程ID识别设备传输一个有效的无人机身份识别号码,同时通过识别设备估算实时坐标。公共安全USS收到无人机身份识别号码以及坐标。无人机观察员判断无人机身份识别号码是否有效以及提交的飞行计划与观测结果是否一致。
场景2:无人机未向远程ID识别设备发送无人机身份识别号码,但远程ID识别设备对无人机的实时位置进行了预测。公共安全USS收到无人机坐标,无人机观察员判断该无人机是否正常运行已提交的飞行计划以及该无人机是否已登记注册。
场景3:远程ID查找测试。公共安全观察员注意到入侵空域的其他无人机,并使用识别设备对其进行查询识别。
2.1.3 无人机通信技术
无人机通信链路通常表示为C2(命令与控制)或C3(命令、控制与通信)链路,NASA在UTM系统的研发过程中,重点对C2链路相关技术进行了研究,并针对蜂窝移动网络的可靠性、可延展性、网络安全和冗余要求进行了试验。UTM主要依靠4G网络和LTE系统搭建C2链路,NASA在Ames 研究中心联合AT&T、Verizon、Sprint和T-mobile等天线运营商,测试了LTE和4G信号的覆盖范围以及通信强度,并开展了相应的飞行试验。飞行试验分为3个步骤,分别是地面测量、LTE带宽测量和不同高度LTE频谱测量[21]。
UTM的最终目标要实现多无人机在低空空域密集自主飞行,图4给出了UTM系统的通信架构,监管方FAA通过飞行信息管理系统(FIMS)向USS传递实时空域管理信息,无人机运营人负责在空域允许的前提下保证运行安全;补充数据服务提供商(SDSP)向USS和无人机运营人提供其他实时信息,如气象信息和交通信息等。另一方面,超视距自动化运行的多架无人机将会近距离飞行,为了安全、有效地飞行,无人机之间必须共享信息,因此,无人机与无人机之间的通信(V2V)是实现高密度运行的核心技术。V2V通信可以让无人机之间实现信息的交换,通过V2V通信,无人机运营人与所有其他无人机运营人进行双向通信,有助于向整个系统传达飞行计划和广播重要信息。此外,从各个无人机获取遥测信息,进而识别低空动态障碍物,以确保在任何时候都能满足四维运行空间约束。
图4 无人机间通信架构

Fig.4 Structure of UAS V2V communication

NASA在TCL-3阶段使用了专用短程通信(DSRC)技术实现无人机之间的通信,用于传输无人机坐标、航向、速度等信息[22]。为了验证DSRC技术,NASA在Langley研究中心选择了3个试验场地。主要试验场地选择在一条长1.14 km的街道,街道试验的飞行高度通常为20~40 m。另2个试验点选择在非街道区域,一个通常用于飞机耐撞性测试的大型龙门架结构和一个大型建筑工地,主要通过无人机爬升和下降测试空间定位精确度,飞行高度在100 m以下。NASA在试验场地开展了多项自动飞行试验,主要包括点对点避障飞行、无人机自动着陆、无人机绕行等,进而验证了DSRC技术。
Chakrabarty等[23]设计了一套用于无人机城市运行互相通信的V2V协议,该协议基于TCP/IP通信协议,通过连接网络上的2个节点以相互通信的方法实现。一个套接字(节点)监听IP上的一个特定端口,而另一个套接字连接到另一个端口。当客户端请求到达服务器时,服务器形成监听套接字,服务器客户端设置用于与网络中的不同无人机通信。NASA在Reflection架构[24]上对该协议进行了部署,如图5所示,并在城市场景下开展了仿真。
图5 NASA Reflection 半物理仿真架构

Fig.5 NASA Reflection simulation structure

为了保证无人机通信的安全性和稳定性,NASA测试了冗余C2链路对于保持无人机控制的作用[25]。实验中使用了2套C2设备,如2套点对点无线电设备或者一套无线电设备和一套蜂窝移动网络设备,试验方式为将无人机在制定区域放飞并发送一个机动指令,然后关闭一套C2系统,再使用另一套系统发送另一个机动指令,检查相应指令的执行情况。NASA在美国的4个无人机试验区进行了试验,并得出了相应的建议,如表3所示。
表3 测试冗余C2系统

Tab.3 Test of redundant C2 system

试验区/无人机类型 C2系统#1 C2系统#2 备注
阿拉斯加/四旋翼 902~928 MHz之间的无线电通信 902~928 MHz之间的
无线电通信		 每套无线电都连接到一个独立的地面站,当C2#1失效时自动切换到C2#2
阿拉斯加/四旋翼 LTE蜂窝网络 902~928 MHz之间的
无线电通信		 C2#1作为主通信,当C2#1失效时自动切换到C2#2
内华达/固定翼 2200~2500 MHz之间的无线电通信 2405~1470 MHz之间的
无线电通信		 无人机运营人手动切换
纽约/八旋翼 5875 MHz中心频率的Wi-Fi,20 MHz带宽 LTE蜂窝网络 C2#1作为主通信,当C2#1失效时自动切换到C2#2
北达科达/直升机 中心频率为757.5 MHz的无线电通信,以90 kHz波形运行 中心频率为757.5 MHz的无线电通信,以90 kHz波形运行 2套链路都传输所有的数据,并过滤掉重复的数据,自动合并到一个单一的接收流
北达科达/固定翼 902~928 MHz之间的无线电通信 1616~1626.5 MHz范围内的卫星通信 C2#1作为主通信,当C2#1失效时自动切换到C2#2
北达科达/六旋翼 2个中心频率为915 MHz的无线电通信,分别设置为高低发射功率 2套不同移动服务运营商的LTE移动通信 自动切换到质量更高的通信链路

2.2 感知与避让

感知与避让技术是无人机自主飞行的重要功能,是保障无人机超视距运行安全的核心技术之一,也是当前无人机研究最为广泛的领域之一。不同于有人驾驶飞机,在无人机大规模运行场景下,感知技术为无人机运行提供态势探测和建模功能,避让技术为无人机运行提供静动态障碍避让功能。需要注意的是,在UTM系统的开发过程中,NASA基于成熟的感知避让技术,着眼于功能模块的集成工作进行了大量的研究,并统筹各研究单位和无人机企业的感知避让技术,进行了飞行试验。
2.2.1 无人机探测技术
UTM的关键功能之一是指挥无人机远离有人驾驶飞机和其他无人机。根据FAA107部规定“小型无人机不得飞越人群上空”[26],有人驾驶飞机飞行员可以通过“看见和避让”的方式来判断当前态势,针对威胁做出决策并完成避让工作以保证飞行安全,而无人机采用的则是“感知和避让”(SAA)技术。《民用无人机空域集成路线图》[27]指出,SAA为无人机提供间隔和碰撞避让功能,保障与有人机“看见和避让”操纵类似的等价安全飞行。但随着大量的无人机进入空域,无人机之间可能出现信号中断。将无人机SAA的水平提升到与有人驾驶飞机相当仍然是一个挑战,无人机的操纵方式决定其必须具备自主的飞行空域的环境感知、碰撞威胁估计、避让路径规划与机动控制能力[28]。
NASA的TCL-3演示试验中对各种方式的SAA进行了试验,如表4所示。
表4 TCL-3 SAA演示试验

Tab.4 SAA flight demonstration of TCL-3

编号 试验内容 关键技术
SAA1 合作型无人机空—空防撞 DSRC
SAA2 合作型有人机/无人机空中防撞 ADS-B in/out
SAA3 非合作型有人机/无人机空中防撞 机载雷达
SAA4 非合作型有人机/无人机空—地防撞 地面雷达
不同的传感器可探测感知的目标有所区别,根据无人机所携带使用的传感器类别可将无人机态势感知方法分为合作型和非合作型2种。在合作型感知过程中,广播式自动相关监视(ADS-B)和DSRC等通信技术可精确地获得目标的运动状态,NASA的Glaab等[29]测试了DSRC技术用于无人机SAA以及4G技术用于无人机控制,使用OBU-201 DSRC单元,以5.86 GHz的频率和26 dB的强度传递无人机信息,包括呼号、经纬度、高度、航向以及速度等。试验测试了地对地、地对空、空对地以及空对空4种传输路径,地面测试距离从100 m到900 m,空中测试距离从200 m到1600 m不等。
非合作型感知环境中,则利用机载雷达和地面雷达完成空空和空地的感知行为。Accardo等[30]试验了无人机利用脉冲雷达探测另一架闯入空域的无人机,从而避免碰撞,证明了机载雷达具有态势感知的能力。
Moore等[31]介绍了4种雷达点云建立地面障碍物几何边界的方法,分别是:① 2.5D最大俯仰角盒;② 2.5D地面地图压缩;③ 3D边界圆筒;④ 3D边界盒;通过Point Cloud Library开源软件获取点云数据,利用提出的算法建立地面障碍物模型,进而在佐治亚和弗吉尼亚试验区进行了验证试验,以测试无人机对高压电力基础设施的检测技术和无人机城市安全运行的技术,数据集的空间采样(平均点间距)范围为0.1~0.6 m。试验结果证明了空中雷达扫描技术在精度和空间细节描绘上都优于卫星。
2.2.2 无人机路径规划技术
无人机路径规划算法通常用于寻找最优轨迹,以节省燃料、缩短飞行时间以及减轻噪声传播影响。在路径规划中,常用的避障方法有路线图法、人工势场法、细胞分解法、概率路线图法和快速探索随机树法。路径规划算法被广泛应用在高度约束的多障碍环境中,从而通过更少的计算时间找到接近最优的最短路径。近年来包括NASA在内的各国研究人员对无人机路径规划算法进行了大量的研究,Ramana等[32]提出了一种同时考虑转弯半径和爬升率约束的避障路径规划算法。Primatesta等[33]开发了一种风险感知路径规划算法,基于坠机、撞击和死亡概率构建的风险图来最小化地面人群面临的风险。在UTM系统研发过程中,Chakrabarty等[34]开发了一个实时运动学树路径规划算法,用于无人机空中避障,该算法基于UTM系统TCL-4约束,能够有效地实时规划出可行路径,避免了其他障碍物和共享空域飞行的其他无人机,从而实现无人机在城市场景中的自主运行,同时还提出了无人机机载设备的配置要求。NASA的Xue等[35]提出了一种城市低空环境下生成避障抗风扰飞行路径的快速算法,该方法首先通过在给定的地面高度上构造障碍物图,将三维路径规划问题转化为二维问题。然后利用四叉树分解建立基于障碍物占用率和风场的搜索空间,利用Theta*和后平滑技术,可以在满足航迹偏角约束的情况下,快速生成城市环境中小型无人机的避障抗风扰飞行路径。
在TCL-4阶段的城市场景飞行试验中,无人机路径规划主要分为2个阶段:全局路径规划和动态避障。全局规划的主要功能是计算和评估无人机在特定时间可能采取的不同航路,无人机通过机载传感器或SDSP获取静态障碍物的坐标,从而全局规划为无人机飞行控制系统提供可行的航路;动态避障是无人机在飞行过程中通过V2V通信获取其他无人机等动态障碍物的位置,从而进行在线路径决策。Baculi等[36]设计了一套小型无人机的机载决策系统,通过相应的指标分析飞行任务的安全性和可行性,并将无人机的飞行状态分为正常、非正常、有需要备降和立即备降4种状态,通过有限状态机技术实现无人机机载在线的决策过程,从而降低了对通信的要求。
为了验证路径规划算法的可行性和鲁棒性,NASA在Reflection半物理仿真架构上进行了算法部署以及模拟仿真。根据NASA的定义,无人机在“运行空间”中飞行,即包含空域坐标和时间的四维空间。城市运行的无人机在航路规划时包含批准运行空间以及应急运行空间,应急空间供无人机在紧急情况下使用。

2.3 监视与导航

相比于数据交换、数据传输以及感知和避让技术,NASA对于无人机监视导航技术的飞行验证试验较少,其主要原因在于,对于无人机超视距运行,其监视导航功能是基于成熟的通信技术,其技术原理类似,因此在试验通信技术的过程中,已部分完成了对监视导航技术的验证试验。
2.3.1 UTM监视技术
类似有人驾驶飞机,UTM系统需要对无人机的运行情况进行监视。根据NASA UTM运行概念的规定,UTM需要保持超视距运行无人机的一致性监视。Guterres等[37]研究了无人机ADS-B监视系统在低空的性能,设计了2个用例,分别测试了带警报的空中通航交通信息感知(TSAA)以及空地空中交通管理(ATM)间隔服务。
NASA还开展了2项辅助超视距运行试验,分别是借助地面车辆上的观察员以及通过无线电切换驾驶员[38]。第一种方法通过车辆搭载无人机驾驶员进行追踪,以保持无人机处于驾驶员视距内,如图6所示,无人机飞行高度40 m,总飞行距离1.1 km。第二种方法通过在飞行中进行切换控制驾驶员的方法实现超视距飞行,如图7所示,试验共包含2名无人机驾驶员,往返飞行距离共3 km,飞行高度为100 m。
图6 地面车辆追踪无人机

Fig.6 Chase vehicle method

图7 双驾驶员切换

Fig.7 Dual pilot method

2.3.2 无人机导航保持技术
NASA在TCL-3阶段测试了GPS信号对无人机的监视效果,主要针对导航信号受到干扰的情况下无人机保持正常运行的能力。测试人员驾驶无人机进入GPS信号较弱的区域,同时使用地面系统跟踪无人机坐标,从而测试无人机在GPS信号中断情况下保持航迹的能力。具体场景包括:
(1) 驾驶无人机靠近附近的高大建筑,测试GPS信号强度改变对无人机导航性能的影响;
(2) 驾驶无人机在开阔区域运行,用护罩屏蔽无人机的GPS接收设备,测试无人机GPS失效对无人机导航性能的影响;
(3) 驾驶无人机飞入再飞出一个建筑,测试无人机GPS信号强弱交替变化对无人机导航性能的影响。
TCL-3阶段通过以上3组试验,测试GPS信号强度变化情况下,无人机保持预定航迹运行的能力,进而测试导航系统的鲁棒性。

2.4 低空空域划分

Jang等[39]基于不同空域结构,提出了一种城市无人机交通流量控制方法。论文在城市基本空域分层(图8)的基础上提出了3种空域结构:空中通道、空中管道和空中走廊,分别对应不同的航路自由度。空中通道系统是最严格的,空中走廊允许最自由的非碰撞飞行。通道和管道分别组成了条状和束状,通道有一个参考中心线,无人机应当沿着该中心线飞行,而管道没有这样的约束,如图9所示。由基础空域结构提出了6类空域结构,如表5所示。
图8 城市空域分层

Fig.8 A concept of vertical sectionalization of the airspace in urban area areas.

图9 基本空域结构

Fig.9 Fundamental airspace structure

表5 基本航路结构

Tab.5 Fundamental structure of flight path

空域结构名称 特征
A1 同向连贯的空中通道,融合交叉
A2 同向连贯的空中通道,分离交叉
A3 双向交替的空中通道,分离交叉
B1 空中管道,融合交叉,需要信号灯
B2 空中管道,融合交叉,需要交叉点时间管制
C 空中走廊,边界交叉点需要管制

2.5 应急处理技术

美国UTM系统的TCL-4阶段就无人机异常运行情况下的应急处理进行了研究和演示验证,NASA提出了3大类12小类紧急情况[36],如表6所示。
表6 无人机紧急情况汇总

Tab.6 Summary of UAS contingencies

领域 细分分类
无人机健康监控 空地通信中断
无人机—无人机通信中断
无人机导航性能退化
无人机电池失效
无人机动力失效
无人机航路 地面动态障碍
空中静态障碍
空中动态障碍
当地危险风场
动态地理围栏设计 附近无人机提供的应急信息
航路沿线的高优先级应急情况
航路前方的危险风场
NASA同时设计了9类异常情况管理(OSM)场景[40],如表7所示,应急要求中的“必须”和“应该”表示了异常情况管理的优先级,无人机和运营人之间制订一致性协议。
表7 通信导航应急管理要求

Tab.7 Requirements of communications and navigation contingencies

异常类型 应急要求 理由
OSM001 运营人必须具备探测无人机和运营人之间通信中断的方法 UTM系统可以使得运营人在约束条件和指令随时间变化的情况下执行任务,因此运营人必须知道是否可以与无人机进行通信
OSM002 运营人应该采取措施获取USS已知的无人机通信中断 USS从补充数据服务提供商获得所需的数据,当探测通信中断的方法已知时,应该能够为任务提供通信质量服务信息,进而减少在执行任务时发生通信中断的概率
OSM003 运营人必须确定缓解无人机通信中断的步骤 运营人必须与无人机通信以遵守约束和指令,并且适应任务中的变化,因此必须采取缓解措施以安全地解决通信中断问题
OSM004 运营人应该采取措施缓解USS已知的无人机通信中断 USS接收其他运营人和其他USS的信息,应该能够支持缓解措施,从而对其服务下的总体运行影响降至最小
OSM005 运营人必须有探测机载导航中断的方法 UTM系统是为运营人在约束条件和指令下执行任务而建立的,因此,运营人必须了解无人机是否保持必要的导航精度和完整性来保持约束和指令
OSM006 运营人应该采取措施探测到USS已知的无人机机载导航中断 USS从补充数据服务提供商获得所需的数据,应该能够在已知探测机载导航中断的方法时,为任务提供通信质量服务预测信息,从而将降低在任务中发生导航中断的概率
OSM007 运营人必须采取措施缓解无人机机载导航中断 为了遵守约束和跟踪指令,无人机必须保持导航性能的准确性和完整性,因此,必须采取缓解措施安全解决导航中断的问题
OSM008 运营人应该采取措施缓解USS已知的无人机机载导航中断 USS接收其他运营人和其他USS的信息,应该能够支持相应的缓解措施,从而将其服务范围内的整体业务影响降至最低
OSM009 运营人必须收集异常情况数据 当UTM运行遇到异常情况时,必须收集数据以总结经验教训,提高运行符合性和安全性
在无人机—运营人通信方向,确定“最小数据传输速率”和“最大往返等待时间”2个参数。如果最小数据传输率未被保持的时间超过最大往返等待时间,认定C2链路已中断,开始启动应急流程,当中断时间超过30 s,无人机启动安全备降。
在运营人—无人机通信方向,确定“响应时间”参数,USS定时向运营人发送状态变更消息,运营人然后将相关的C2输入发送给无人机以响应变更。对于每个状态变化消息,USS都要接收到运营人传输的无人机的确认消息。当超过响应时间没有收到此确认消息时,运营人和USS认定C2通信中断,开始启动应急流程,当中断时间超过300 s,无人机启动安全备降。
NASA提出了一种无人机自动故障管理系统(S2D),该系统通过让无人机执行应急备降,避免对地面人员和财产造成损失,并最大限度地保留无人机和载荷[41]。该系统提出迫降点概念,表示最优的应急着陆点,如图10所示。S2D系统包括无人机健康监测、着陆点选择、视觉辅助着陆、导航路线优化器、智能总线和自适应控制等模块。
图10 迫降应急处理

Fig.10 A concept of S2D crash management system

NASA在Langley研究中心进行了试飞验证,测试了S2D原型系统的可用性,集成了S2D系统的无人机可在应急情况下选择合适的着陆点,规划下滑路径,并可根据实际情况进行二次路径规划。TCL-4阶段的城市运行阶段,NASA的UTM系统提出了应急运行空间和应急降落点概念,在飞行前的本地路径规划阶段就予以设定。

3 总结与讨论

本文从无人机数据交互、感知与避让、监视与导航、低空空域划分以及应急处理技术等方面整理了NASA研发的UTM系统在TCL-3和TCL-4阶段的若干飞行试验。

3.1 TCL-3阶段飞行试验总结

在TCL-3阶段,NASA根据无人机超视距运行条件下对UTM系统的实际需求,主要针对运行概念、数据交换、感知避让以及通信导航监视功能展开了飞行试验,其主要验证的UTM系统功能和飞行试验类别如表8所示。
表8 TCL-3飞行试验汇总

Tab.8 Summary of flight demonstration in TCL-3

分组 试验概述
运行概念 超视距起飞着陆
突发事件管理
UTM公共接口
长时间尺度运行
未经授权空域的无人机进入和退出
数据交换 无人机信息报告
飞行信息管理系统故障
无人机服务供应商（USS）故障
无人机识别
USS-USS协议
气象信息服务
感知避让 合作型无人机空—空防撞
合作型有人机/无人机空中防撞
非合作型有人机/无人机空中防撞
空地远程识别互联
通信导航监视 冗余C2链路测试
GNSS导航失准测试
射频干扰检测
TCL-3阶段开展的飞行验证试验主要针对无人机超视距运行的信息传输功能。根据UTM系统运行概念,确保无人机安全公平地进入公共低空空域的前提是各参与方的合作,不同于传统运输航空,无人机无法直接接收空管系统的语音信息并做出响应,因此保证信息的传输通畅是保障UTM系统为无人机提供服务的核心技术。

3.2 TCL-4阶段飞行试验总结

TCL-4阶段进行的试验专注于无人机城市场景的大规模运行的验证,其主要进行的试验汇总如表9所示。
表9 TCL-4飞行试验汇总

Tab.9 Summary of flight demonstration in TCL-4

分组 试验概述
运行场景 无人机点对点运行
无人机巡查
无人机追逐拍摄
无人机跨区域运行
无人机固定区域运行
高优先级的应急运行
应急程序 应急航路设计
应急降落点设计
无人机应急处理程序
基于风险的应急技术 无人机对外通信(V2X)链路
USS空地通信链路
运行空间重叠试验
低空空域分配 —
UTM系统参与方 普通民众
无人机服务购买方
无人机制造企业
无人机服务供应商
补充数据服务提供商
监管部门
保险
TCL-4阶段NASA提出了SAFE50概念,即“最后50英尺无人机安全自主飞行环境”(1英尺=0.3048 m),该概念是对无人机城市运行场景的汇总和凝练,该环境中对UTM系统各模块进行了集成,并关注了大规模紧急情况下UTM系统各参与方的应急处理技术。TCL-4阶段的试验是在TCL-3验证成熟的无人机超视距运行技术的基础上,以实际运行场景驱动的飞行试验,也是对UTM运行概念的验证试验,进而测试了NASA开发的UTM系统在实际运行场景下的可靠性。

3.3 NASA飞行试验总结

从技术发展阶段来看,TCL-3阶段解决的是无人机运行的技术瓶颈问题,而TCL-4阶段解决的是将已有技术用于城市场景无人机运行的应用问题。
(1) 分析NASA公布的技术文档可得,UTM系统中实现的大量功能是基于已有的成熟技术,如基于DSRC和ADS-B的远距离通信、基于A*算法的飞行路径规划、基于Reflection架构的半物理仿真技术等,UTM系统从提出概念到推出原型系统,仅用了5 a左右时间,在开发过程中,NASA更多地将精力投入到系统集成方面,即制定统一的接口,将分散的各项单独技术吸纳入UTM系统,进而实现完整的无人机交通管理功能。
(2) 从TCL-3阶段开始,UTM系统的飞行试验主要聚焦于无人机的超视距运行,因此稳定精确的远程数据通信成为保障无人机运行安全的核心需求。TCL-3阶段开展的飞行试验主要围绕无人机的数据交互,例如,无人机信息报告是无人机直接向USS和运营人报告当前飞行状态及态势,无人机远程ID识别技术向公众或监管部门传输无人机身份信息,而后续的感知避让、监视导航等技术均是基于无人机远程信息传输基础发展的,信息传输的通畅和准确是保证无人机超视距运行的关键技术。
(3) UTM系统的研发是一项复杂的系统工程,NASA在研发过程中邀请了大量的无人机研发设计制造企业、无人机设备制造企业、移动数据服务供应商以及以FAA为代表的局方监管部门,并组织了2次无人机运行管理系统竞赛。在TCL-3阶段的飞行试验中,NASA将研发人员分为运行概念、通信导航监视、数据交换和感知避让4个研究小组,分模块对系统子功能进行实现和飞行试验,提高了开发效率。
(4) 在TCL-4阶段,UTM系统的飞行试验主要聚焦于将前3个阶段的基础技术应用于实际场景,TCL-4阶段提供的试验场景主要集中在城市场景和大规模应急场景,即从运行环境以及数据传输方面提高运行难度,以测试UTM系统的安全冗余度,能够在复杂环境下通过合理的规划和调度保证无人机大规模运行的安全。TCL-4阶段的飞行试验是场景驱动的,集成了包括数据通信、飞行控制、自主规划和空管等无人机超视距运行必需的要素。

3.4 未来发展趋势

当前,中国民用无人机行业发展方兴未艾,然而,由于民用无人机的无序飞行造成的安全事故层出不穷,对国家和人民的生命财产安全带来了一定的隐患,为此,空域管理部门、民航局、公安及地方政府都积极推动数字化监管平台建设,以保障国家安全、飞行安全与公共安全。本文根据美国NASA UTM系统的开发和飞行试验,总结出以下建议:
(1) 无人机交通管理系统的开发应遵循“运行概念—仿真平台—飞行测试”的研究路线,首先明确民用无人机的运行概念,包括无人机的运行主体、各参与方责任分配、各方需要实现的功能、常规与应急飞行流程以及战略/战术冲突化解等概念;其次搭建实验室仿真平台,针对各类运行场景进行计算机仿真和半物理仿真,进而模拟无人机实际运行时可能发生的各种情况,并验证系统各类功能;最后制定实际飞行测试计划,针对需要验证的各类功能,开展飞行验证,测试系统的稳定性和鲁棒性。
(2) 无人机交通管理系统是一个多主体多角色参与的综合系统,涉及军民航、无人机制造商、无人机运营人、无人机飞手、信息服务提供商以及无人机云服务商等,涉及的机构包括部队空域管理部门、局方、高等院校、研究院所、无人机企业以及地方政府等。与欧美等国不同,中国的低空空域尚未开放,如果直接照搬国外经验将使得无人机的运行管理成为无本之木。2020年民航局在全国范围内设立了13家民用无人驾驶航空试验基地,涵盖了城市场景、海岛场景、支线物流以及综合应用等4类运行场景,试验基地建设了配套的基础设施,民用无人机运行条件相对宽松,适合开展各类无人机运行试验。中国的无人机交通管理系统的试点和飞行测试应与各试验基地合作,在试验基地里开展大量的飞行试验,积累实际的运行经验和数据,进而开发适合中国国情的无人机交通管理系统。
(3) 中国目前在深圳和海南试点了无人驾驶航空器空管信息服务系统(UTMISS)系统,并在全国范围内审批了多家无人机云系统,现有的系统主要提供飞行数据收集服务,与未来的无人机交通管理系统有较大差距,但试点地区已积累了一定的无人机运行量,因此未来应在深圳或海南划设无人机低空适飞空域,在已有的运行基础上,测试能够全面提供运行服务的无人机交通管理系统。
(4) 中国无人机企业众多,包括大量的轻小型无人机企业和部分大型货运无人机企业,然而现行的各类数据标准不一,作为普适性的无人机交通管理系统的基础,应制定统一的试验数据接口,建议基于民航局飞行标准司颁布的《无人机云系统接口数据规范》,为远程数据交互提供参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Federal Aviation Administration. Public law 112-95, title III, subtitle B: Unmanned aircraft systems[EB/OL]. 2012-02-14 [2020-12-05]. https://www.faa.gov/uas/resources/policy_library/media/Sec_331_336_UAS.pdf.

[2]
EASA. Concept of operations for drones, a risk based approach to regulation of unmanned aircraft[EB/OL]. 2015-05-01 [2020-12-05]. https://www.easa.europa.eu/sites/default/files/dfu/204696_EASA_concept_drone_brochure_web.pdf.

[3]
中国民用航空局飞行标准司. 轻小无人机运行规定(试行) [EB/OL]. 2015-12-29 [2020-12-14]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201601/P020170527591647559640.pdf.

[Civil Aviation Administration of China. Regulations on operation of light and small UAV (test). 2015-12-29 [2020-12-14]. http://www.caac.gov.cn/XXGK/XXGK/GFXWJ/201601/P020170527591647559640.pdf.]

[4]
Balaban M A, Mastaglio T W, Lynch C J. Analysis of future UAS-based delivery[C]// 2016 Winter simulation conference (WSC). Washington D C, USA: IEEE, 2016: 1595-1606.

[5]
Tian Y L, Liu K, Ok K, et al. Search and rescue under the forest canopy using multiple UAVs[J]. The International Journal of Robotics Research, 2020, 39(10/11):1201-1221.

DOI

[6]
Ruzgienė B, Berteška T, Gečyte S, et al. The surface modelling based on UAV Photogrammetry and qualitative estimation[J]. Measurement, 2015, 73:619-627.

DOI

[7]
廖小罕. 地理科学发展与新技术应用[J]. 地理科学进展, 2020, 39(5):709-715.

DOI

[ Liao Xiaohan. Advance of geographic sciences and new technology applications. Progress in Geography, 2020, 39(5):709-715. ]

[8]
Price H. Fact sheet: The Federal Aviation Administration (FAA) aerospace forecast Fiscal Years (FY) 2019-2039[EB/OL]. 2019-04-30 [2020-12-20]. https://www.faa.gov/news/fact_sheets/news_story.cfm?newsId=23575.

[9]
SESAR. European drones outlook study[EB/OL]. 2017-04-21 [2020-12-20]. https://op.europa.eu/en/publication-detail/-/publication/93d90664-28b3-11e7-ab65-01aa75ed71a1/language-en/format-PDF/source-38537167#.

[10]
Prevot T, Rios J, Kopardekar P, et al. UAS traffic management (UTM) concept of operations to safely enable low altitude flight operations[C]// 16th AIAA aviation technology, integration, and operations conference. AIAA 2016-3292. Washington D C, USA: AIAA, 2016.

[11]
Aweiss A, Homola J, Rios J, et al. Flight demonstration of unmanned aircraft system (UAS) traffic management (UTM) at technical capability level 3[C]// 2019 IEEE/AIAA 38th digital avionics systems conference (DASC). San Diego, USA: IEEE, 2019: 1-7.

[12]
Kopardekar P, Rios J, Prevot T, et al. Unmanned aircraft system traffic management (UTM) concept of operations[R]. Washington D C, USA: Federal Aviation Administration, 2020.

[13]
Alarcón V, García M, Alarcón F, et al. Procedures for the integration of drones into the airspace based on U-space services[J]. Aerospace, 2020, 7(9):128. doi: 10.3390/aerospace7090128.

DOI

[14]
SESAR. U-space blueprint[EB/OL]. 2017-06-09 [2020-12-23]. https://www.sesarju.eu/u-space-blueprint.

[15]
刘菲, 吕人力. 民用无人机运行管理立法分析与建议[J]. 科技导报, 2020, 38(16):15-28.

[ Liu Fei, Lv Renli. The legislation for unmanned aircraft operation and suggestions for improvement. Science & Technology Review, 2020, 38(16):15-28. ]

[16]
Guan X M, Lyu R L, Shi H X, et al. A survey of safety separation management and collision avoidance approaches of civil UAS operating in integration national airspace system[J]. Chinese Journal of Aeronautics, 2020, 33(11):2851-2863.

DOI

[17]
Homola J, Dao Q A, Martin L, et al. Technical capability level 2 unmanned aircraft system traffic management (UTM) flight demonstration: Description and analysis[C]// 2017 IEEE/AIAA 36th digital avionics systems conference (DASC). St. Petersburg, Russia: IEEE, 2017: 1-10.

[18]
Johnson M, Jung J, Rios J, et al. Flight test evaluation of a traffic management concept for unmanned aircraft systems in a rural environment[C]// Twelfth USA/Europe air traffic management research and development seminar (ATM2017). Seattle, USA, 2017.

[19]
Rios J L, Martin L, Mercer J. Use of UAS reports (UREPs) during TCL3 field testing[R]. NASA/TM-2019-220336. Moffett Field, USA, 2019.

[20]
Rios J, Smith D, Smith I. UAS reports (UREPs): Enabling exchange of observation data between UAS operations[R]. NASA/TM-2017-219462. Hampton, USA, 2017.

[21]
Kerczewski R J, Apaza R D, Downey A N, et al. Assessing C2 communications for UAS traffic management[C]// 2018 Integrated communications, navigation, surveillance conference (ICNS). Herndon, USA: IEEE, 2018.

[22]
Moore A, Balachandran S, Young S D, et al. Testing enabling technologies for safe UAS urban operations[C]// 2018 Aviation technology, integration, and operations conference. AIAA 2018-3200. Reston, USA: AIAA, 2018.

[23]
Chakrabarty A, Ippolito C A, Baculi J, et al. Vehicle to Vehicle (V2V) communication for collision avoidance for multi-copters flying in UTM-TCL4[C]// AIAA scitech 2019 forum. AIAA 2019-0690. Reston, USA: AIAA, 2019.

[24]
Ippolito C, Pai G J, Denney E W. An autonomous autopilot control system design for small-scale uavs[R]. NASA technical report, ARC-E-DAA-TN4888. Moffett Field, USA, 2012.

[25]
Jung J, Nag S, Modi H C. Effectiveness of redundant communications systems in maintaining operational control of small unmanned aircraft[C]// 2019 IEEE/AIAA 38th digital avionics systems conference (DASC). San Diego, USA: IEEE, 2019: 1-7.

[26]
Federal Aviation Administration. Part 107-small unmanned aircraft system[EB/OL]. 2016-06-28 [2021-01-04]. https://www.ecfr.gov/cgi-bin/text-idx?SID=134a6a84e849d78e5722100ee018a452&mc=true&node=pt14.2.107&rgn=div5.

[27]
Huerta M. Integration of civil unmanned aircraft systems (UAS) in the national airspace system (NAS) roadmap[EB/OL]. 2018-07-30 [2021-01-04]. https://www.faa.gov/uas/resources/policylibrary/media/SecondEditionIntegrationofCivilUASNASRoadmapJuly%202018.pdf.

[28]
吕洋, 康童娜, 潘泉, 等. 无人机感知与规避: 概念、技术与系统[J]. 中国科学(信息科学), 2019, 49(5):520-537.

[ Lv Yang, Kang Tongna, Pan Quan, et al. UAV sense and avoidance: Concepts, technologies, and systems. Scientia Sinica (Informationis), 2019, 49(5):520-537. ]

[29]
Glaab L J, Dolph C V, Young S D, et al. Small Unmanned Aerial System (UAS) flight testing of enabling vehicle technologies for the UAS traffic management project[R]. NASA/TM-2018-219816. Washington D C, USA: NASA, 2018.

[30]
Accardo D, Fasano G, Forlenza L, et al. Flight test of a radar-based tracking system for UAS sense and avoid[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(2):1139-1160.

DOI

[31]
Moore A J, Schubert M, Rymer N, et al. UAV inspection of electrical transmission infrastructure with path conformance autonomy and Lidar-based Geofences NASA report on UTM reference mission flights at southern company flights november 2016[R]. NASA Technical Memo 2017-219673. Hampton, USA, 2017.

[32]
Ramana M V, Varma S A, Kothari M. Motion planning for a fixed-wing UAV in urban environments[J]. IFAC-PapersOnLine, 2016, 49(1):419-424.

[33]
Primatesta S, Guglieri G, Rizzo A. A risk-aware path planning strategy for UAVs in urban environments[J]. Journal of Intelligent & Robotic Systems, 2019, 95(2):629-643.

[34]
Chakrabarty A, Stepanyan V, Krishnakumar K S, et al. Real-time path planning for multi-copters flying in UTM-TCL4[C]// AIAA scitech 2019 forum. AIAA 2019-0958. Reston, USA: AIAA, 2019.

[35]
Xue M, Wei M. Small UAV flight planning in urban environments[C]// AIAA aviation 2020 forum. AIAA 2020-2890. Reston, USA: AIAA, 2020.

[36]
Baculi J E, Ippolito C A. Onboard decision-making for nominal and contingency sUAS Flight[C]// AIAA scitech 2019 forum. AIAA 2019-1457. Reston, USA: AIAA, 2019.

[37]
Guterres M, Jones S, Orrell G, et al. ADS-B surveillance system performance with small UAS at low altitudes[M]// AIAA Information Systems-AIAA Infotech@Aerospace. AIAA 2017-1154. Reston, USA: AIAA, 2017.

[38]
Rymer N, Moore A, Young S, et al. Demonstration of two extended visual line of sight methods for urban UAV operations[C]// AIAA aviation 2020 forum. AIAA 2020-2889. Reston, USA: AIAA, 2020.

[39]
Jang D S, Ippolito C A, Sankararaman S, et al. Concepts of airspace structures and system analysis for uas traffic flows for urban areas[M]// AIAA Information Systems-AIAA Infotech@Aerospace. AIAA 2017-0449. Reston, USA: AIAA, 2017.

[40]
Jung J, Nag S. Automated management of small unmanned aircraft system communications and navigation contingency[C]// AIAA scitech 2020 forum. AIAA 2020-2195. Reston, USA: AIAA, 2020.

[41]
Glaab L J, et al. Safe2Ditch autonomous crash management system for small unmanned aerial systems: Concept definition and flight test results[R]. NASA TM-2018-220110. Hampton, USA, 2018.

Options
文章导航

/

〈 〉