引言
飛行區是機場內用于飛機起飛、降落、滑行的區域，承載了航班運行地面保障作業，每時每刻都有大量不同類型保障作業車輛與飛機同時運行，隨著航班流量增長、機場布局日益復雜，保障場面活動安全、高效、有序運行成為機場面臨的重要挑戰。隨著高精度傳感器、物聯網、自動控制等新技術的快速發展，自動駕駛技術已逐漸走向成熟，無人駕駛在飛行區內這種封閉場景下的應用已成為現實可能，也為解決飛行區運行面臨的挑戰提供了新的思路。
民航局發布的《智慧民航建設路線圖》明確提出了要“積極應用人工智能、大數據、物聯網、智能機器人等技術，推進飛行區保障無人化作業”，這無疑將大大推進無人駕駛技術在民航機場的應用。本文在分析國內無人駕駛技術發展歷程基礎上，探討飛行區無人駕駛技術應用面臨的挑戰，提出一種無人駕駛系統架構框架設想和未來發展的關鍵技術。
無人駕駛技術發展現狀
1.1 國內外無人駕駛技術發展歷程
20 世紀70 年代開始，美國、英國、德國等發達國家就開始無人駕駛汽車的研發，一些車企通過射頻和磁釘方式導引車輛自動行駛。2011 年美國內華達州第一個通過了無人車合法上路， 此后，美國密歇根州、弗吉尼亞州相繼建立多個無人駕駛測試道路和場地，弗羅里達州甚至在弗羅里達理工大學外建立了一個模擬小鎮用于無人駕駛測試。2016 年美國聯邦政府宣布未來10 年撥款40 億美元加速無人汽車發展，減少交通事故率和交通堵塞。2010 年德國柏林自由大學科研人員推出名為“德國制造”的無人駕駛概念車，該車允許乘客利用智能設備向車輛發送消息，車輛通過GPS 系統定位乘客位置，并自動計算最佳路線到達搭載乘客。2014 年德國無人駕駛汽車應用邁出了階段性一步，博世公司首先在高速公路進行無人駕駛汽車測試，此后梅塞德斯奔馳公司在高速公路、鄉間道路、城市道路開展了無人駕駛實地測試。歐盟2014 年攜十余家汽車行業廠商推出Adaptive（智能車輛自動駕駛和技術）項目， 提供2 500 萬歐元支持開發能在高速公路和城市道路上行駛的部分或完全自動駕駛車輛。
我國智能駕駛技術研究始于20 世紀80 年代， 1980 年國防科大、哈爾濱工業大學和沈陽自動化所共同參與研究遙控駕駛防核化偵察車。1992 年國防科大成功研制了我國第一輛真正意義的無人駕駛車，2004 年該校開發的紅旗CA7460 能在城市道路、高速公路環境下運行。2003 年清華大學智能技術與系統國家重點實驗室開發了達到國際先進水平的智能車THMR-V。2005 年上海交通大學研制成功首輛城市無人駕駛汽車ATB-3。2011 年7 月，國防科大在國家自然科學基金資助下研發的HQ3 自動駕駛汽車首次完成了長沙至武漢283 km 高速全程無人駕駛測試，標志中國無人車在復雜環境識別、智能決策與控制等方面達到世界先進水平。
1.2 無人駕駛技術發展現狀與趨勢
事實上無人駕駛是智能駕駛發展的最高形態， 在智能駕駛發展過程中有5 個階段：L0~L4。
其中：
L0 指不具備自動駕駛功能的汽車駕駛。
L1 指具有特定功能的自動駕駛，例如ESC（汽車電子穩定控制系統）、AEB（自動制動系統）、LKA（車道保持系統）。目前主要應用于高檔車輛。
L2 指具有組合功能的自動駕駛，例如ACC （自適應巡航控制）、自動泊車等。目前成果有Mobileye 輔助系統、沃爾沃、上汽集團部分產品。
L3 指受控的自動汽車駕駛，主要代表功能是高度自動駕駛。主要成果有德爾福12 天時間行駛近3 400 km 橫跨美國、長安無人駕駛汽車行駛近2 000 km 從重慶到北京。
L4 指完全無人駕駛，主要代表功能是完全自動駕駛。主要成果有Google 完成200 萬千米路測， 百度完成北京三環路測。
目前，無人駕駛的發展有兩條路徑，分別是：以ADAS（高級駕駛輔助系統）主導和以人工智能主導。L1~L3 等級的智能駕駛系統主要以ADAS 為主導。ADAS 主導的無人駕駛通過單車智能化， 以及ADAS 和高精度地圖的使用為基礎，技術較為成熟，但在突破L3 級實現無人駕駛時遇到諸多難題。
另一條路徑則是以人工智能為核心技術，隨著移動式機器人深度學習能力及自主決策能力的提升，在基于先進互聯網技術、成熟算法和云服務平臺下，以計算機控制汽車取代人工駕駛為目的。對于以人工智能為主導的智能駕駛，V2X 車聯網技術正不斷促進無人駕駛技術的發展。所謂V2X 即V2R（Vehicle To Road）、V2H（Vehicle To Human）和V2V（Vehicle To Vehicle）等技術的結合。深度學習算法和云服務使得智能駕駛能夠獲得更多的學習樣本，優化其本身行為決策算法處理模型，被認為是實現L4 自動駕駛更好的技術路線。
1.3 無人駕駛技術在機場的應用
隨著智能駕駛技術的發展，無人駕駛技術逐漸應用于港口、公園等封閉環境的運行，機場飛行區也成為無人駕駛技術可能應用的場景之一。2019 年11 月法國航空、CHARLATTE AUTONOM 公司與圖盧茲機場測試無人駕駛用于行李分揀區到飛機的行李傳送。英國物流公司IAG Cargo 與Oxbotica 公司在倫敦希思羅機場跑道周邊貨運道路開展自動駕駛測試，Oxbotica 公司還在倫敦蓋特威克機場開展無人駕駛短途接駁驗證。在國內，2019 年香港國際機場與馭勢科技落地全球首個機場環境下常態化運行無人駕駛物流運輸項目。2020 年9 月，湖南空港實業股份有限公司航空貨運分公司在長沙黃花國際機場貨運區使用無人駕駛運輸貨物，實現無人駕駛在內地航空物流的首個商業應用。
飛行區無人駕駛技術應用面臨的挑戰
2.1 飛行區運行車輛分類
為保障航班運行，飛行區內存在不同類型作業車輛，大致可分為4 類（如表1 所示），這4 類車輛有著不同的運行模式。
航班保障車輛為航班提供保障服務，車輛種類最多，運行規則復雜。其中除引導車與除冰車外， 其余車輛僅在機坪活動。
場道維護車輛為機場提供保障服務，負責跑道、滑行道、助航燈光等機場設施的維護工作。主要在機動區活動，也可能為機坪區提供服務。
應急救援車輛僅在緊急情況時進入機場場面， 但同時也有著比其他車輛更高的行駛優先權。
一般車輛即非特種保障車輛，通常只被允許在靠航站樓的服務車道上行駛，不能使用飛機后方的服務車道，在沒有管制許可的情況下也不得進入機動區。
2.2 不同類型作業車輛應用無人駕駛技術面臨的挑戰
航班保障類車輛是執行特定保障作業任務的車輛，其作業區域為機場交通最為密集、環境最為復雜的機坪區域，運行路線與航空器存在空間交集，其作業時停放位置有嚴格要求，通常需要靠近航空器，大部分車輛作業時需要與航空器進行對接。因此解決車輛運行有序調度、人- 機- 車混合場景下安全控制、車輛停靠與對接的高精度控制都將是此類車輛實現無人駕駛需解決的重要技術問題。
場道維護車輛是為地面運行設施設備的維護提供運輸服務車輛，其作業區域主要在機場機動區內，其運行環境與航班保障作業車輛相比相對簡單，但由于其活動區域涉及飛機高速運動區域， 僅依靠單車智能無法保證運行安全性，必須建立機場運行活動全局管控平臺，實現場面活動協同管控。此外，機場場道維護車輛駕駛人員通常承擔了設施設備檢查維護任務，因此對于該類車輛除實現無人駕駛外，還應具備諸如FOD 自動探測、道面狀態自動檢測等自動化功能。
應急救援類車輛是在機場發生緊急情況下執行特定任務的車輛，要求其響應及時，運動速度快， 并能根據實時情況隨機應變，因此根據現階段的機器智能發展水平，在未來相當長時期內，該類車輛應用無人駕駛技術都并非好的選擇。
機場飛行區一般類車輛主要提供人員或貨物的運輸任務，其運行路線一般在靠航站樓的服務車道上行駛，與航空器的運行空間相對獨立，運行場景相對固定，無人駕駛技術在該類車輛上應用有更大的可能性，目前機場環境下的無人駕駛技術應用集中在物流貨運車輛即屬于該類車輛。
目前各類無人駕駛技術開展的大量運行測試仍聚焦于通用公路運輸場景下，飛行區雖然被廣泛認為屬于封閉園區環境，但由于大量作業車輛與航空器在同一時空運行，運行復雜度相較開放公路場景并不簡單，同時飛行區運行有著自身嚴格運行程序與規范，無人駕駛智能決策控制必須與飛行區的運行規則相匹配，無人駕駛在飛行區的應用仍面臨飛行區運行場景適應性、有人無人駕駛混合運行、突發情況應急處置等諸多挑戰。
飛行區車輛無人駕駛系統架構與關鍵技術
3.1 飛行區無人駕駛系統架構
飛行區是機場內用于飛機起飛、降落、滑行的區域，飛行區內尤其是跑道、滑行道上的目標活動呈現典型的管控間隔為特點的運行，無人駕駛技術在飛行區的運行必須與此相適應，僅僅依靠單車智能系統無法滿足飛行區安全、有序、協同運行的要求，必須建立全局智能管控系統，實現場面車輛、飛機協調運行控制，該系統主要原理框架如圖1 所示。
系統包括車輛綜合智能管控平臺、網絡通信環境、智能車輛組成。其中綜合管控平臺接收A-SMGCS 系統、態勢感知系統的態勢信息、管制指令、航空器滑行路由等信息，支撐車輛任務規劃、無人駕駛場面車輛集群管控等任務實現，綜合管控平臺具備無人駕駛車輛實時監控、任務管理、車輛路由規劃、安全預警、對車輛指令控制等功能。
通信網絡作為綜合管控平臺與智能車輛間協同橋梁，負責相互間信息可靠傳輸，將集成光纖網絡、AeroMACS 移動通信網絡、NB-IoT 等網絡通信環境。
智能車輛系統包括車載終端包括無線通信、高精度定位、環境感知、智能決策與控制等組成。
3.2 無人駕駛系統需解決的關鍵技術
在上述框架下，無人駕駛技術在飛行區的應用還應著力解決如下一些關鍵技術：
全局態勢高精度感知：在現有機場場面監視基礎上，應用激光雷達、視頻智能分析，結合車載環境感知回傳數據，構建高精度全局三維精確感知，為全局智能控制決策提供支撐。
車輛環境感知：目前車載傳感器采用毫米波雷達、激光雷達、視頻等實現環境感知，作用距離約在100 m 左右，對于飛機這種須保持遠距離間隔運行的場景，傳感器作用距離有待提升。同時機坪作業區電磁環境復雜，融合式的環境感知是重要發展方向。
協同優化控制技術：協同優化技術基于環境感知技術獲取車輛和路側設施等實時信息，并通過無線通信技術實現車輛與道路互聯互通，整合兩者優勢協同優化交通系統資源，提高道路安全， 其中涉及車車/ 車路信息交互、協同感知、協同預測、協同決策與協同控制技術，以及協同系統仿真測試技術等多個方面。
應急處置技術：對于飛行區運行而言，無人駕駛車輛一旦故障將會占用關鍵道面資源，嚴重情況下可能危及航空器安全，必須研究提升無人駕駛設備運行可靠性、故障預測與主動預警技術。
信息安全技術：當智能車輛車載設備通過無線方式與其他設備或互聯網相連時，信息安全問題隨之產生，應研究從車輛、開放式信息平臺與通信環境等三個層級上構架信息安全的防護體系。
結束語
無人駕駛技術是智慧機場建設的重要發展方向，能夠為平安機場建設提供重要保障，應用無人駕駛是預防人因失誤、違規作業這類不安全事件的有效手段；無人駕駛能夠為智慧機場運行保障提供智能解決方案，其所具有的復雜環境感知、智能判斷、協同控制等功能，是實現機場自動化和智能化轉型的典型應用。為推進無人駕駛技術的應用，需加快建立和完善相關標準體系，建設飛行區模擬運行驗證環境，對相關技術開展充分測試驗證。
地址：四川省成都市新都區馬超東路266號1棟13層1308室
聯系電話：13008139717
