摘要

随着数字化转型在各行业的持续推进，数字孪生逐渐成为各界关注的热点技术。本文分析了数字孪生技术的内涵，梳理了数字孪生的在空管相关领域的应用发展概况，尝试性地构建了一个数字孪生在空管视域下的应用场景，基于该场景展望了该技术在空管领域更广泛的应用，旨在为民航空管业界在规划实施数字孪生相关应用时提供参考借鉴，推动行业数字化转型。

关键词：空中交通管理；数字孪生；应用前景；数字空域；延误预测

引言

2019年，民航局出台的《关于促进机场新技术应用的指导意见》指出，推动包括数字孪生在内的新技术应用；2021年，民航局印发《关于“十四五”期间深化民航改革工作的意见》，提出了以建设“智慧民航”为主线的“十四五”民航发展思路，把科技创新放在推动民航高质量发展的核心位置。

当前，社会各界已形成推进数字化建设的浓厚氛围，民航业内也已形成建设智慧民航的共识。在此背景下，研究数字孪生技术在空中交通管理领域的应用，是提升空管数字治理能力的重要途径，具有重要价值。

1 数字孪生技术概述

1.1数字孪生的发展历程

数字孪生最早在1969年被美国国家航天航空局（NASA）应用于“阿波罗计划”。NASA构建了航天飞行器数字孪生体，以模拟航天器的在轨工作状态。2003年，美国密歇根大学Grieves教授正式提出数字孪生概念[1]。早期的数字孪生主要被应用于军工领域。近年来，其在制造生产、城市管理领域均取得了实质性应用效果，并持续向交通、健康等行业拓展[2]。表1梳理了数字孪生技术的四个发展阶段。

1.2数字孪生的定义

通俗来讲，数字孪生体是现实世界实体或系统的数字化表现，也有学者将这一概念称为“设备影子”（device shadow）或“数字化身”（digital avatar）[3]。国内外许多学者和机构分别从业务、技术和应用等角度对数字孪生做出了严谨的定义。认同程度较高的一种定义为：数字孪生技术充分利用物理模型、传感器更新和运行历史等数据，集成多学科、多物理量、多尺度和概率性的仿真过程，在虚拟空间中完成映射，从而反映相应的实体装备的全生命周期过程[4]。

本质上来说，数字孪生是以现实世界中的实体对象为参照，在虚拟世界中建立一个数字模型。这个模型不再是传统的、基于底层信息传输格式的建模，而是对实体对象外部形态、内部机理和运行关系等方面的整体抽象描述[5]。

1.3数字孪生的关键支撑技术

数字孪生的实现依赖于诸多先进技术，其技术体系可分为数据保障层、建模计算层、数字孪生功能层和沉浸式体验层，每一层的实现都建立在上一层的基础上，如图1所示。

图1 数字孪生技术体系图

2 数字孪生技术在空管领域的应用思路/

2.1空管视域下数字孪生的应用现状梳理

综合文献[2,5.6]来看，数字孪生技术的热点应用领域包括智慧城市、智能制造等。

智慧城市方面，北京市海淀区通过自研的AES数字孪生平台，对辖区内部分区域高精度建模，实现对城市高频事件的感知、城市综合治理；新加坡构建了城市运行仿真系统CityScope，实现对城市的仿真优化、规划决策等功能；此外，我国深圳、印度海得拉巴、法国雷恩、加拿大多伦多等地也开始了相关应用实践[6]。此外，也有学者研究了基于数字孪生的智慧机场。阿姆斯特丹史基浦机场使用建筑信息模型（BIM）构建了一个数字化机场，该模型可用于机场高峰期客流量预测、消防安全分析等；香港国际机场建立了一个机场3D数字模型，以便进行机场布局优化、规划及设计。

智能制造方面，本文着重梳理了在航空航天这一子领域的应用。NASA研究了基于数字孪生的复杂系统故障预测与消除，应用于飞行器、运载火箭等系统的健康管理[7]。文献[8]开发了一种闭环式动态航空货运装卸系统的数字孪生体，可实现对于装卸系统的监控和优化；空客开发了应用数字孪生技术的大型配件装配系统，提高了飞机组装过程中的自动化程度，减少了飞机交付时长[9]；鄂州花湖机场改进了传统的、以图纸为中心的项目管理模式，转变为以建筑信息模型（BIM）为中心的模式，探索了机场数字建造的可行性[10]；文献[3]总结了航空领域较为成熟的几个数字孪生平台，例如：汉莎的Aviatar、空客的Skywise、通用电气的Predix、法航和荷兰皇家航空的PROGNOS、波音的AnalytX等。

综上所述，数字孪生在产业界的应用主要起到五个作用：优化决策、减少工期、降低成本、控制风险和提高质量。

2.2 数字孪生在空管领域应用的能力要求

2.2.1 “同尺度、多维度、高精度”的数据源

实现数字孪生在空管应用的前提是建立统一的数据标准，突破数据壁垒。当前，各类空管运行系统中的数据呈现“多源异构”的特点，需要通过统一的平台进行融合，实现数据的跨部门共享交换[11]。

与此同时，还需确保数据源的高精度，实现对空管运行相关实体对象的数字表达。目前，国内多家科研机构和机场已开展的工作为此打下了良好基础。例如，中国民航科学技术研究院已在国内多个机场建立了ADS-B地面站；广州白云、深圳宝安等机场使用的机场场面飞行区车辆监控系统，可作为构建场面数字模型的数据源[12]。

2.2.2 构建符合空管实际运行的数字特征

在建立空管数字模型的过程中，需从实体对象中抽取数字特征来派生数字孪生体，其关键是设计一套合理的数字特征，使数字孪生体能够全面、准确和及时地反映实体对象的本质要素。

2.3数字孪生在空管领域的应用路径

在未来构建空管数字模型的过程中，数字机场或许是较早实现的数字模型之一。SITA公司发布报告称，将用5到10年时间为美国的机场开发一套完整的数字孪生系统[13]。在实际的数字机场模型中，数据源包括但不限于：机场车辆和航空器目的地、行驶路线、目标优先级等运行数据；车辆和航空器的坐标数据（该数据可通过机场场面活动监视雷达获取）。要实现高可用性的数字机场模型，必须对数据源的精度加以控制。文献[10]研究发现，要实现数字机场的可用性（0.5-1.5米的距离精度），机场内的车辆和航空器等都需要以每秒10次的频率传输其坐标数据。数字机场的一种实现方式如图2所示。融合数字孪生体和各类传感器生成的数据，“投喂”给基于机器学习的人工智能系统，生成管制决策的优化方案；机器学习生成的优化结果也可利用数字孪生体开展并行验证，以节省试验成本，减少在实际环境中开展测试的安全风险[14]。

图2 基于“数字孪生+机器学习”的技术实现路径

2.4数字孪生在空管领域的应用挑战

数字孪生技术高度依赖传感器所采集的数据和信息，对空管而言，航空器实时运行数据是主要数据来源。目前，对航空器运行全程进行精准的全域感知存在较大难度。一方面，航空器在每次飞行中所受到的气压、气流、温度都存在差异，这就在不同程度上影响了飞机的机械构造，这种影响是当前的虚拟世界难以精细刻画的；另一方面，当前的数字孪生技术存在“传感器悖论”：要确定数据源的真实有效，必须由三个传感器来保证（以确保2：1的逻辑有效性），然而要明确传感器工作是否正常，又要增加传感器去检测。总之，如果数字孪生体不能完全刻画物理实体的真实状态，将导致通过数字孪生体得出的预测和判断存在误差。

3 数字孪生技术在空管领域的应用场景探索

本文利用WDP4.3数字孪生平台，尝试性地建立了一个空管机场管制视域下的数字孪生模型，以直观展示数字孪生技术的空管领域的潜在应用场景。图2展示了该数字孪生模型的全景视图。

图3 本文构建的数字孪生模型的全景视图

3.1 实现“模拟+推演+预测”的可视化空管机场管制

如图3所示，该模型为塔台管制员提供了一个跨领域、跨业务、全域视角的一体化指挥和决策平台。通过实时处理大规模、全量、多源数据，该平台可预测仅靠人力无法发现的隐藏事件，尝试性生成超越人工局部次优决策的全局最优策略。

3.1.1机场管制预警监控

以跑道侵入的场景为例。目前，解决跑道侵入的方法包括：建立进出跑道工作制度和协调机制、人为观察等方法。未来，数字孪生系统或可实现航空器、机场车辆的实时状态共享，使两者都能获取彼此的数据。一旦感知到跑道侵入的风险，系统将首先通知机场车辆驾驶员避让并提供撤离路线。相较于传统方式，这种方法响应速度更快、安全系数更高，低至毫秒级的告警响应时间将降低延时处置带来的安全隐患。对管制员而言，跑道侵入风险告警将以显著标识展现在屏幕上，如图4和图5所示。管制员接收告警后，可进入详情界面密切监视跑道侵入车辆的状态。如管制员拥有更高的操作权限，还可以直接向有人驾驶的车辆发布避让指令，或者操作无人驾驶的车辆按照系统给出的路线撤离。

图4 跑道侵入告警（红色标识为告警）

图5 跑道侵入告警详情界面（画中画模式）

3.1.2 航空器路线可视化显示与冲突告警

结合语音识别、机器学习等技术，或可在数字孪生系统中实现航空器滑行、进跑道等管制指令的可视化显示。通过监控地面活动物体的路线和运动态势，系统可预测潜在的运行冲突，并将冲突位置和决策建议推送给塔台管制员。如图6所示，当管制员向呼号为AB1531的航空器发布滑行指令后，系统预判该航空器滑行路线将与某一特种车辆的活动路线存在汇聚冲突，于是在界面上给出预警提示。

图6 飞机滑行路线冲突预警（红色标识为预警）

3.2 基于数字空域实现空中交通流量管理

可基于三维地理信息数据建立数字空域模型，进一步地，按照实际运行情况将数字空域分块并设置分块属性，使其满足空中交通管制的实际需求。

3.2.1 空中交通流量预测

将预定时间内的飞行计划输入数字空域模型，模拟预定空域内的航班运行情况。在数字空域中测算未来一段时间内的空中交通流量，预测潜在的空域容量与流量不匹配情况（容流问题），通过航班密集度热力分布图等可视化方式，调整和改善空管决策[15]。

3.2.2 冲突识别

以空管历史运行数据（航空器状态、飞行计划、空域结构等）作为数字空域的输入，建立航空器冲突预测模型，识别潜在的航空器冲突，给出冲突解脱方案，为管制员提供辅助决策支持。此外，还能将管制策略输入该模型，作为评价管制策略质量和推演空中交通态势的试验平台。

3.2.3 优化扇区划分和航路结构

数字空域可根据预测的空中交通流量动态地、科学地调整管制扇区划分，优化管制人力资源分配；同时，将空中交通流量历史数据、空中交通行为特征、管制规则等输入数字空域中，预测各条航路的流量，作为评价和优化航路结构的重要依据。目前，澳大利亚航空管理局（Airservices Australia）正在建立了一个结合物联网和机器学习能力的数字孪生体，探索实现该目标的可行性[16]。

3.3 航空情报可视化显示与预测

航空情报服务为飞行活动提供所需的信息和数据，是空中交通服务的重要组成部分。借助数字孪生可以优化航空情报的工作流程和信息展现方式。例如，数字孪生机场通过监控设施运行数据预测滑行道中线灯即将发生故障，这一信息随即被推送给机场相关部门，经人工确认无误后，系统立即以航行通告（NOTAM）形式将这一信息发布。与此同时，这一信息将被叠加展现在图3中。相比于目前传统的航空情报工作流程，这种工作方式在很大程度上提高了航空情报信息的准确性和及时性。

4 结束语/

通过结合机器学习、物联网、5G等新兴技术，数字孪生可以对实体对象进行实时建模、监控、分析、预测、控制及一定程度的改造。在空管领域应用数字孪生技术，可围绕空管基础设施建设和信息全生命周期，建立各类流程和信息的交互与映射，形成对空管业务整体趋势的预知，得到具有前瞻性的建议，有助于缓解航班延误、管制员高工作负荷等矛盾。综上所述，数字孪生技术有望在空管领域发挥更大的作用，从而加快我国空管数字化转型，推动我国空管高质量发展。

本文刊发于《民航学报》2023第1期

参考文献

[1]GRIEVES M. Virtually Perfect: Driving Innovative And Lean Products Through Product Lifecycle Management[M]. Florida: Space Coast Press, 2011.

[2]范晓晖, 王迪, 孙琳, 等. 数字孪生应用白皮书[M]. 北京, 2021.

[3]MEYER H, KAMTSIURIS A, ZIMDAHI J. Development Of A Digital Twin For Aviation Research[C]. 2020, Deutsche Gesellschaft für Luft- und Raumfahrt - Lilienthal-Oberth e.V.

[4]李欣, 刘秀, 万欣欣. 数字孪生应用及安全发展综述[J]. 系统仿真学报, 2019, 31(3): 385-392.

[5]杨尚文, 周中元, 陆凌云. 数字孪生概念与应用[J]. 指挥信息系统与技术, 2021(05): 38-42.

[6]杨林瑶, 陈思远, 王晓, 等. 数字孪生与平行系统：发展现状、对比及展望[J]. 自动化学报, 2019, 45(11): 2001­2031.

[7]陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018,24(01): 1-18.

[8]WONG EY, MO DY, SO S. Closed-Loop Digital Twin System For Air Cargo Load Planning Operations[J]. International Journal of Computer Integrated Manufacturing, 2020, 1–13.

[9]ASCon Systems. Digital Twin Is About To Rollout By Airbus[EB/OL]. https://ascon-systems.de/en/digital-twin-is-about-to-rollout-by-airbus/.

[10]黄 琰, 靳学梅, 王振飞. 数字孪生技术在数字化机坪系统中的应用研究[J]. 信息化研究, 2021(12), 39-43.

[11]张锐. 数字孪生“预”见机场未来[N]. 中国民航报, 2021-08-23.

[12]佚名. 智慧赋能|数字孪生为机场和航空器打造“双胞胎”兄弟[N]. 中国民航报, 2022-04-01.

[13] Michael Ørsted-Copenhagen Airport. Improving Airport Decision Making With The Digital Twin Concept[EB/OL]. https://www.internationalairportreview.com/article/101388/digitaltwin-concept-data-airport-operations/, last accessed 2020/08/19.

[14]SAIFUTDINOV F, JACKSON I, TOLUJEVS J. Digital Twin as a Decision Support Tool for Airport Traffic Control[C]. 2020 61st International Scientific Conference on Information Technology and Management Science of Riga Technical University (ITMS), 2020, 1-5.

[15]郑亦斌, 邹洪斌, 钱江, 等. 基于数字孪生技术的空中交通管制方法、系统、电子设备及存储介质[P]. 上海市：CN112258898B,2021-08-24.

[16] Airservices Australia. Airservices ‘Digital Twin’ Technology Wins Isg Paragon Award 2020[EB/OL]. https://www.airservicesaustralia.com/airservices-digital-twin-technology-wins-isg-paragon-award-2020/

0荐闻榜

（ ）