基于多Agent仿真的沖突場景識別

林穎達，隋 東，蔡舒影

(南京航空航天大學(xué) 民航學(xué)院 空管運行與安全研究實驗室，南京 211106)

?

基于多Agent仿真的沖突場景識別

林穎達，隋 東，蔡舒影

(南京航空航天大學(xué) 民航學(xué)院 空管運行與安全研究實驗室，南京 211106)

構(gòu)建了基于多Agent的空管運行仿真系統(tǒng)的基本框架，設(shè)計了航空器Agent、空管自動化Agent和管制員Agent. 利用JADE平臺，Java編程語言開發(fā)了仿真原型系統(tǒng)，該系統(tǒng)采用分布式結(jié)構(gòu)，并導(dǎo)入全天的飛行計劃數(shù)據(jù)，實現(xiàn)對全國交通運行態(tài)勢的仿真.為了提高軌跡預(yù)測的準(zhǔn)確性，考慮了風(fēng)的影響.通過對管制員Agent記錄的全天沖突數(shù)據(jù)的分析，可以得到易沖突扇區(qū)主要集中在我國的東部以及中南部區(qū)域，R343和A461為易沖突航路等.沖突數(shù)據(jù)的分析結(jié)果對于航路網(wǎng)絡(luò)的規(guī)劃、扇區(qū)劃分以及飛行計劃的優(yōu)化有重要的實踐意義.

多Agent系統(tǒng)；分布式仿真；沖突探測；沖突場景識別

近年來，空中交通需求日益增長，而現(xiàn)有的空中交通管制保障能力有限，需求與供給的矛盾日益突出.因此，如何在交通流量增長的情況下提高空中交通運行效率并保證空中交通運行安全，對于我國民航業(yè)的可持續(xù)發(fā)展提出了重大挑戰(zhàn).中國民航局于2007年提出了新一代空中交通管理系統(tǒng)發(fā)展框架，其規(guī)劃和建設(shè)的總體戰(zhàn)略目標(biāo)是：在保證航空安全和運行效率的同時，通過建設(shè)高適應(yīng)性的、大容量的、系統(tǒng)結(jié)構(gòu)化的具有中國特色的民航空管技術(shù)和設(shè)備體系，實現(xiàn)我國空管技術(shù)和設(shè)施裝備的全面跨越式發(fā)展.而新技術(shù)新概念的應(yīng)用之前，需要通過驗證以確保安全、容量、效率水平.不管是調(diào)整現(xiàn)有交通系統(tǒng)中的空域結(jié)構(gòu)、航路航線等元素還是采用新技術(shù)新概念都需要事先做安全評估，查找潛在的危險因素.而通過計算機仿真的手段對空中交通的運行進行仿真，不僅可以減少對新技術(shù)新概念驗證的成本，還可以對現(xiàn)有運行模式下所存在的潛在安全問題進行分析評估，具有非常重要的理論意義與研究價值.

1 研究現(xiàn)狀

2012年，Netjasov F[1-3]分別從戰(zhàn)略、戰(zhàn)術(shù)、及運行層面建立沖突風(fēng)險模型，戰(zhàn)略層面主要從沖突概率和沖突數(shù)量這個兩個指標(biāo)對飛行程序的宏觀沖突風(fēng)險進行評估.戰(zhàn)術(shù)層面提出了沖突持續(xù)時間和沖突嚴(yán)重程度的概念，對沖突的規(guī)律和機理進行升入研究.運行層面將管制員的情景意識、工作負荷作為考慮因素，可用于輔助空中交通管理者決策扇區(qū)的合并與分開.同年，王超[4]應(yīng)用隨機過程方法，計算了面向交叉/匯聚交通流沖突頻率的數(shù)學(xué)期望及方差，推導(dǎo)出宏觀沖突風(fēng)險模型.并從沖突演化過程的角度出發(fā)，提出了面向微觀沖突分析，計算沖突嚴(yán)重度、沖突強度和累積沖突風(fēng)險的三個模型.

早期的空中交通仿真軟件多采用面向?qū)ο蠹夹g(shù)，它通過對象、繼承、封裝、消息傳遞等機制實現(xiàn)對客觀事物的有力描述，實現(xiàn)問題描述與處理的統(tǒng)一，大大提高了效率.目前基于面向?qū)ο蠹夹g(shù)的空中交通仿真系統(tǒng)應(yīng)用最廣泛的有工具有SIMMOD[5]，TAAM[6]以及RAMS[7].然而其具有兩個不足，其一，基于單機的集中式仿真難以勝任大規(guī)模微觀仿真；其二，傳統(tǒng)的仿真系統(tǒng)難以模擬空中交通運行中多個實體之間的信息交互.而隨著多Agent技術(shù)的應(yīng)運而生，其自主性和交互性的特點彌補了面向?qū)ο蠹夹g(shù)的不足.介于此，國內(nèi)外學(xué)者開始研究將多Agent技術(shù)應(yīng)用在空中交通領(lǐng)域.

2006年，NASA Ames研究中心的Wolfe S R[8]首先提出在空中交通流量管理中使用 Agent 技術(shù)，利用Agent輔助流量管理各參與方之間的通信，改善決策過程. 2008年，Sierhuis M[9]等研究了基于Agent 的空中交通流量管理仿真，采用信念-請求-意圖(Belief-Desire-Intention，BDI)工具對協(xié)同式交通流量管理問題進行建模.同年，Alam S 采用多Agent構(gòu)架開發(fā)了空中交通運行與管理仿真工具ATOMS[10](Air Traffic Operations and Management Simulator)用于對自由飛行下新技術(shù)新概念的評估.2011年，Sherry L[11]利用 FACET仿真平臺研究了以航空公司為決策主體的航路選擇策略.該研究將航空公司定義為Agent，利用強化學(xué)習(xí)技術(shù)對歷史數(shù)據(jù)、實時反饋信息進行挖掘、分析，以優(yōu)化航空公司的航班時刻制定. 2007年，黎新華[12]對基于Agent的空中交通流量管理系統(tǒng)的體系結(jié)構(gòu)進行了研究，構(gòu)建了空中交通流量管理系統(tǒng)的框架，詳細闡述了系統(tǒng)工作方式及各分 Agent 系統(tǒng)的結(jié)構(gòu).2008年，戴玲[13]研究了多Agent技術(shù)在飛行沖突解脫中的應(yīng)用，文中將航空器定義為 Agent，對空域資源進行了建模，提出了沖突解脫算法，從理論探討了航路資源分配.

2 基于多Agent的空中交通仿真系統(tǒng)

本文采用基于多Agent的方法來對空管系統(tǒng)中的不同實體進行建模與仿真.系統(tǒng)中設(shè)計了三類Agent，分別是航空器Agent，管制員Agent和空管自動化Agent.不同Agent間的通信過JADE平臺來實現(xiàn)[14].JADE是一個完全由Java語言編寫的用于開發(fā)多Agent系統(tǒng)的框架，不僅可以實現(xiàn)對多個實體對象的Agent建模，還可以實現(xiàn)多種類型Agent的聯(lián)合分布式仿真.系統(tǒng)的通信過程如圖1所示.

該系統(tǒng)的主要功能包括：

1)顯示全國空域信息，并可以對全國的航路、機場、扇區(qū)等進行增加、刪除、修改.

2)編輯飛行計劃，可以根據(jù)需要對飛行計劃進行調(diào)整.

3)顯示全國空中交通運行態(tài)勢，包括航班的航班號、位置、高度及速度等.

4)對仿真的速度進行調(diào)整，最多可加速10倍.

5)記錄航班沖突信息，包括沖突航空器對、沖突時間、沖突類型、沖突位置等.

6)記錄管制員的管制指揮行為

圖1 仿真系統(tǒng)架構(gòu)圖

3 基于航空器意圖的沖突探測

針對航空器Agent在仿真運行所產(chǎn)生的航空器狀態(tài)信息，本節(jié)提出了基于航空器意圖的沖突探測算法，以模擬實際管制員的沖突探測行為.以往的沖突探測算法往往只是根據(jù)航空當(dāng)前的位置，通過當(dāng)前速度和航向進行外推以判斷沖突，這樣的方法在航空器轉(zhuǎn)彎時會出現(xiàn)很多沖突漏報和虛報情況，且和有經(jīng)驗的管制員的沖突探測模式有所出入.為了更好的模擬有經(jīng)驗管制員的沖突探測，本文將航空器的飛行意圖以及爬升/下降率作為考慮因素，從水平和垂直兩個角度對航空器未來的飛行趨勢進行更準(zhǔn)確的模擬.

由于使用BADA模型對實時生成的航空器軌跡會產(chǎn)生一系列的航空器運行參數(shù)，包括航空的位置信息、高度、速度、航向、爬升/下降率等信息.這些信息會定時發(fā)送給相應(yīng)的管制員Agent以模擬管制員獲取航空器動態(tài)信息行為，管制員Agent通過獲取這些航班的飛行數(shù)據(jù)并聯(lián)合飛行意圖所管轄扇區(qū)內(nèi)的沖突進行探測.表1列出沖突探測的輸入?yún)?shù).

沖突探測的難點在于如何對未來航空器狀態(tài)向量進行推測，本文為了真實的模擬管制員的沖突探測提出基于航空器意圖的沖突探測算法.通過判斷航空器即將飛越下一個航路點是否為轉(zhuǎn)彎點，將飛行過程分為直線飛行和轉(zhuǎn)彎飛行.

表1 沖突探測輸入?yún)?shù)表

序號屬性變量命名1航班號FLT＿NO2當(dāng)前時刻的橫坐標(biāo)x03當(dāng)前時刻的縱坐標(biāo)y04當(dāng)前時刻的高度h05當(dāng)前時刻的速度v06當(dāng)前時刻的航向θ07當(dāng)前的爬升/下降率v08航班途經(jīng)的各航路點坐標(biāo)集合P={p1，…，pn}9航班途經(jīng)的各航路點時是否需要轉(zhuǎn)彎Tr={tr1，…，trn}

如果下一個航路點不是轉(zhuǎn)彎點，則航空器沿著當(dāng)前航向直線飛行，我們這里假設(shè)航空器沿直線飛行時速度不變，并以當(dāng)前的爬升/下降率進行等速爬升/下降運動.因此，直線飛行時其下一個周期的其位置信息及高度信息可以通過式(1)進行計算，其中為單位時間步長，因此每次沖突探測需要對未來多個周期的狀態(tài)信息進行推測.見圖2.

xi+1=xi+vitsinθi

yi+1=yi+vitcosθi

hi+1=hi+vzt

θi+1=θi

(1)

如果航空器在下一個航路點需要轉(zhuǎn)彎，則采用旁切轉(zhuǎn)彎的方式實現(xiàn)轉(zhuǎn)彎模型的構(gòu)建，并考慮“轉(zhuǎn)入”與“轉(zhuǎn)出”的姿態(tài)調(diào)整段，其示意圖如圖3所示.

其中:r為轉(zhuǎn)彎半徑，α為航空器將要轉(zhuǎn)過的角度，P為轉(zhuǎn)彎航路點，LRollin為“轉(zhuǎn)入”段距離，L為轉(zhuǎn)彎起始點到轉(zhuǎn)彎航路點的距離，Roll in為“轉(zhuǎn)入”段，Roll out為“轉(zhuǎn)出”段.

圖2 沖突探測流程圖

當(dāng)航空器距轉(zhuǎn)彎航路點P的距離一旦等于或小于Lrollin+L，航空器進入轉(zhuǎn)彎程序并且按式(2)計算得到的轉(zhuǎn)彎率ROT以及轉(zhuǎn)彎半徑r進行轉(zhuǎn)彎，當(dāng)航空器所轉(zhuǎn)過的角度一旦等于或大于α，航空器轉(zhuǎn)彎結(jié)束并進入下一航段.

(2)

圖3 航空器轉(zhuǎn)彎示意圖

其中:φ為航空器的滾轉(zhuǎn)角，VTAS為航空器真空速.

在航空器的轉(zhuǎn)彎過程中，我們假設(shè)航空器所處的高度和速度不再變化，因此航空器在轉(zhuǎn)彎狀態(tài)下的下一個周期的狀態(tài)信息可以通過式(3)進行計算.

xi+1=xi+vitsinθi

yi+1=yi+vitcosθi

hi+1=hi

θi+1=θi±ROT×t

(3)

4 沖突場景識別

為了研究我國航班運行過程中沖突的分布規(guī)律并識別出潛在的沖突場景，本節(jié)利用第二節(jié)所提到的仿真系統(tǒng)對全國一天的航班運行進行了仿真.通過對管制員Agent記錄的沖突數(shù)據(jù)進分析，從宏觀的角度對沖突數(shù)據(jù)的時間分布、類型分布、區(qū)域分布進行了分析，并針對具體的沖突場景進行識別.

4.1 沖突類型分類

見表2.

表2 沖突類型分類

爬升/爬升爬升/下降爬升/巡航巡航/巡航下降/下降下降/巡航同向類型1類型2類型3類型4類型5類型6逆向類型7類型8類型9類型10類型11類型12交叉類型13類型14類型15類型16類型17類型18

本節(jié)利用上文所構(gòu)建的基于多Agent的空中交通運行仿真系統(tǒng)對2013年11月16日全國共8 262架次航班運行進行了仿真，管制員Agent通過實時監(jiān)控所管轄扇區(qū)的航空器動態(tài)位置，對其所管轄范圍內(nèi)的潛在沖突數(shù)據(jù)進行記錄，所記錄的沖突數(shù)據(jù)包括發(fā)生沖突時兩架航空器的航班號、經(jīng)緯度、高度、沖突類型以及沖突發(fā)生的時間.全天共探測出潛在沖突10 321對.其中沖突的類型根據(jù)航空器航向之間的夾角以及飛行狀態(tài)分為了18類，如表2所示.

4.2 沖突數(shù)據(jù)分布

在探測出的所有潛在沖突中：同向沖突有2 562個，逆向沖突6 449個，交叉沖突1 310.三種類型的沖突比例如圖4(A)所示，各個沖突類型的數(shù)量如圖4(B)所示.從中可以看出逆向沖突為航路飛行的主要沖突.類型7、類型8、類型9的沖突次數(shù)相對較多，而類型11和類型12相對較少，可見逆向沖突主要發(fā)生在正在爬升的航空器與爬升、巡航、下降航空器之間的沖突.其中類型10的沖突數(shù)量為0，這是因為我國在配備巡航高度層時采取“東單西雙”的策略，因此逆向巡航的航班至少存在300 m的巡航高度差，故不存在沖突；對于同向沖突而言，主要是由于不同航空器之間速度差異引起的，因此各類型沖突分布相對平均；交叉沖突主要發(fā)生在兩條甚至多條航路交叉或者匯聚的情形下，其中同高度層巡航航空器之間的沖突數(shù)量最多，進場匯聚航班之間的沖突最少.

(A) (B)圖4 各類沖突的比例

圖5為全國一天航班運行的潛在沖突數(shù)量隨時間的變化情況，從圖中可以看出沖突在0～7時之間數(shù)量非常少，7～8時數(shù)量開始有所上升，并在8～9時陡升達到峰值，從10時～22時之間數(shù)量趨于穩(wěn)定，從22～24時開始下降.航空器沖突的數(shù)量從另一方面反映了我國空域中正在執(zhí)行飛行任務(wù)的航空器總數(shù)，該沖突分布與航班運行峰谷分布基本契合.

圖5 沖突數(shù)量隨時間的變化圖

在空中交通實際運行中，每個管制員負責(zé)自己所管轄扇區(qū)的沖突調(diào)配.沖突調(diào)配的頻繁程度是反映扇區(qū)管制員負荷的一個重要指標(biāo)，由于每個扇區(qū)的地理位置分布，其繁忙程度各不相同.本文根據(jù)實際扇區(qū)數(shù)據(jù)將我國空域分成了125扇區(qū)，如圖6粉色區(qū)域所示，從圖中可以看出我國西部地區(qū)以及東北部地區(qū)扇區(qū)劃設(shè)空域范圍較大，東部以及南部地區(qū)相對較小.這側(cè)面反映了空域使用的頻繁程度，扇區(qū)劃設(shè)的越小說明該區(qū)域的空域使用越頻繁.

本文對仿真過程中各扇區(qū)的沖突數(shù)量進行統(tǒng)計，選取了20個易沖突扇區(qū)，如表3所示.圖6中藍色○為所有沖突的坐標(biāo)分布，紅色×為易沖突扇區(qū)的沖突坐標(biāo)分布.從圖中可以看出發(fā)生沖突地理位置呈現(xiàn)不均勻的分布，易沖突扇區(qū)主要分布在空域結(jié)構(gòu)復(fù)雜，航路縱橫的華東、中南、以及北京地區(qū).扇區(qū)全天的沖突數(shù)量反映該扇區(qū)的繁忙程度，可以為作為評價管制員工作負荷的一個重要指標(biāo)，并指導(dǎo)更加合理的扇區(qū)劃設(shè).

圖6 易沖突扇區(qū)分布

表3 易沖突扇區(qū)及其沖突數(shù)量

序號扇區(qū)名稱沖突數(shù)量序號扇區(qū)名稱沖突數(shù)量1廣州12扇84811貴陽04扇3072長沙01扇49812鄭州01扇2893武漢02扇48813北京06扇2824鄭州02扇42814北京04扇2665南昌02扇41615青島02扇2646廣州09扇40416南昌01扇2527武漢01扇36017廣州05扇2198合肥01扇35318上海09扇2189長沙02扇31919合肥02扇21010成都01扇30720上海01扇203

4.3 沖突場景識別

相對于歐美發(fā)達國家而言，我國城市對之間的飛行路線相對單一，這就導(dǎo)致了在實際飛行過程中，各航路之間的流量分布不均勻.因此，當(dāng)同一航路有數(shù)架航班同時飛行時，由于航班之間的速度差異或者高度之間的穿越，易發(fā)生飛行沖突.本文綜合沖突數(shù)據(jù)、飛行計劃數(shù)據(jù)、導(dǎo)航數(shù)據(jù)、以及航路數(shù)據(jù)，對航班沖突時所在的航路進行提取，并統(tǒng)計了各航路的沖突數(shù)量，針對同向和逆向沖突各選取了10條典型易沖突航路，如表4所示.航路的沖突數(shù)量反映了該航路的繁忙程度，可以作為航路網(wǎng)絡(luò)設(shè)計與規(guī)劃的一個重要指標(biāo).

表4 同向及逆向易沖突航路

同向逆向航路名稱沖突數(shù)量航路名稱沖突數(shù)量R343260A461921A461150R343729B20890H24543G20481B330348H2480B213331G22179B208265A47073A599211B21367A470208B33066A588174A59955A593172

針對交叉沖突，我們對易發(fā)生交叉沖突的場景進行了識別，具體如表5 所示.圖7選取表中4個典型的交叉沖突場景，圖7(A)為航路G586與航路R343在MAMSI交叉的場景；圖7(B)為航路

A470航路與航路H2在XLN點匯聚的場景；圖7(C)為航路H24，H46，H18三條航路在KNH點交叉的場景；圖7(D)為B208，W50，H2，R343，W127等多條航路在HFE點交叉匯聚的場景.

表5 交叉沖突易發(fā)生場景

交匯航路名稱沖突航路點沖突數(shù)量B208，W50，H2，R343，W127HFE66H24，H46，H18KHN55R343，G586MAMSI47W46，W138，R343，H24LLC38A470，H2XLN36A461，B208，H14ZHO32X72，H18，H2，J48，H22，J47DO28B330，W3，H24，J513，H19KWE27H2，A599P21520A593，R343VMB19

圖7 典型交叉沖突場景

5 結(jié) 語

本文介紹了基于多Agent仿真的沖突場景識別方法，利用構(gòu)建的多Agent仿真系統(tǒng)，模擬全國一天的航班的運行狀態(tài)，對管制員Agent記錄的沖突數(shù)據(jù)進行數(shù)據(jù)分析，研究我國航班運行過程中沖突的分布規(guī)律并識別出潛在的沖突場景.未來可以在多Agent的仿真系統(tǒng)加入航空器地面滑行軌跡生成算法，實現(xiàn)航空器“門到門”的全過程運行，并引入Agent領(lǐng)域中BDI的概念，開發(fā)出更貼近于人的思維過程的Agent.

[1] NETJASOV F. Framework for airspace planning and design based on conflict risk assessment: part 1: conflict risk assessment model for airspace strategic planning [J]. Transportation Research Part C: Emerging Technologies, 2012, 24: 190-212.

[2] NETJASOV F. Framework for airspace planning and design based on conflict risk assessment: part 2: conflict risk assessment model for airspace tactical planning [J]. Transportation Research Part C: Emerging Technologies, 2012, 24: 213-226.

[3] NETJASOV F, BABICO. Framework for airspace planning and design based on conflict risk assessment: part 3: conflict risk assessment model for airspace operational and current day planning [J]. Transportation Research Part C: Emerging Technologies, 2013, 32: 31-47.

[4] 王 超. 飛行程序運行評估的理論方法及仿真應(yīng)用研究[D]. 南京: 南京航空航天大學(xué), 2012.

[5] CHAO W, XINYUE Z, XIAOHAO X. Simulation study on airfield system capacity analysis using SIMMOD[C]// Computational Intelligence and Design, 2008, 1: 87-90.

[6] BAZARGAN M, FLEMING K, SUBRAMANIAN P. A Simulation Study to Investigate Runway Capacity using TAAM [C]// Simulation Conference, 2002. Proceedings of the Winter, 2002, 2: 1235-1243.

[7] SILLARD L, VERGNE F, DESART D. TAAM operational evaluation[R]. EEC Report No. 351, Euro-control Experimental Centre, European Organization for the Safety of Air Navigation, 2001.

[8] WOLFE S R. Supporting air traffic flow management with agents[C]// AAAI Spring Symposium: Interaction Challenges for Intelligent Assistants, 2007: 137-138.

[9] WOLFE S R, SIERHUIS M, JARVIS P A. To BDI, or not to BDI: design choices in an agent-based traffic flow management simulation [C]// Proceedings of the 2008 Spring Simulation Multi Conference. Society for Computer Simulation International, 2008: 63-70.

[10]ALAM S, ABBASS H A, BARLOW M. ATOMS: air traffic operations and management simulator [J]. Intelligent Transportation Systems, 2008, 9(2): 209-225.

[11]CALDER?N-MEZA G, SHERRY L. Adaptive agents in NAS-wide simulations: a case-study of CTOP and SWIM [C]// Integrated Communications, Navigation and Surveilance Conference, 2011: F6-1-F6-13.

[12]黎新華, 張兆寧. 多Agent的空中交通流量管理系統(tǒng)結(jié)構(gòu)研究[J]. 交通運輸工程與信息學(xué)報, 2007, 5(1): 56-61.

[13]戴 玲, 夏學(xué)知. 多Agent技術(shù)在飛行沖突解脫中的應(yīng)用[J]. 艦船電子工程, 2009, 28(3): 62-64.

[14]王 凱，隋 東，胡 京.基于規(guī)則庫的航路飛行沖突探測與解脫[J]. 哈爾濱商業(yè)大學(xué)學(xué)報：自然科學(xué)版，2017，33(1)：117-124.

Identification of conflict scenarios based on multi-agent simulation

LIN Ying-da, SUI Dong, CAI Shu-ying

(Air Traffic Control Operation and Safety Research Laboratory, School of Civil Aviation,Nanjing University of Aeronautics and Astronautics, Nanjing 211106, Jiangsu)

This paper described the approach for creating a multi-agent based simulation system using JADE platform and Java language which can simulate whole day air traffic operation in China. Three kinds of agents were created to support the air traffic simulation. They are aircraft agent, ATC automation systems agent and air traffic controller agent. Wind data were modeled in the system result in accurate trajectory predictions. Through data mining the conflict data of whole day operation recorded by the air traffic controller agent, it is obvious that the vulnerable sectors mainly located in the east and south-central of China. Route R343 and A461 were easy to spell conflicts during the operation. The analysis result can be used to support the air route network planning, sector division and optimization of flight plan, which has a very practical significance and necessity.

multi-agent system; distributed simulation; conflict detection; identification of conflict scenarios

2016-09-11.

南京航空航天大學(xué)研究生創(chuàng)新基地(實驗室)開放基金項目(kfjj20150702)

林穎達(1991-)，男，碩士，研究方向：空中交通運行仿真及分析.

TP241.3

A

1672-0946(2017)03-0363-08