引言

  飞行区是机场内用于飞机起飞、降落、滑行的区域，承载了航班运行地面保障作业，每时每刻都有大量不同类型保障作业车辆与飞机同时运行，随着航班流量增长、机场布局日益复杂，保障场面活动安全、高效、有序运行成为机场面临的重要挑战。随着高精度传感器、物联网、自动控制等新技术的快速发展，自动驾驶技术已逐渐走向成熟，无人驾驶在飞行区内这种封闭场景下的应用已成为现实可能，也为解决飞行区运行面临的挑战提供了新的思路。
  民航局发布的《智慧民航建设路线图》明确提出了要“积极应用人工智能、大数据、物联网、智能机器人等技术，推进飞行区保障无人化作业”，这无疑将大大推进无人驾驶技术在民航机场的应用。本文在分析国内无人驾驶技术发展历程基础上，探讨飞行区无人驾驶技术应用面临的挑战，提出一种无人驾驶系统架构框架设想和未来发展的关键技术。


  1.1 国内外无人驾驶技术发展历程

  20 世纪70 年代开始，美国、英国、德国等发达国家就开始无人驾驶汽车的研发，一些车企通过射频和磁钉方式导引车辆自动行驶。2011 年美国内华达州第一个通过了无人车合法上路， 此后，美国密歇根州、弗吉尼亚州相继建立多个无人驾驶测试道路和场地，弗罗里达州甚至在弗罗里达理工大学外建立了一个模拟小镇用于无人驾驶测试。2016 年美国联邦政府宣布未来10 年拨款40 亿美元加速无人汽车发展，减少交通事故率和交通堵塞。2010 年德国柏林自由大学科研人员推出名为“德国制造”的无人驾驶概念车，该车允许乘客利用智能设备向车辆发送消息，车辆通过GPS 系统定位乘客位置，并自动计算最佳路线到达搭载乘客。2014 年德国无人驾驶汽车应用迈出了阶段性一步，博世公司首先在高速公路进行无人驾驶汽车测试，此后梅塞德斯奔驰公司在高速公路、乡间道路、城市道路开展了无人驾驶实地测试。欧盟2014 年携十余家汽车行业厂商推出Adaptive（智能车辆自动驾驶和技术）项目， 提供2 500 万欧元支持开发能在高速公路和城市道路上行驶的部分或完全自动驾驶车辆。
  我国智能驾驶技术研究始于20 世纪80 年代， 1980 年国防科大、哈尔滨工业大学和沈阳自动化所共同参与研究遥控驾驶防核化侦察车。1992 年国防科大成功研制了我国第一辆真正意义的无人驾驶车，2004 年该校开发的红旗CA7460 能在城市道路、高速公路环境下运行。2003 年清华大学智能技术与系统国家重点实验室开发了达到国际先进水平的智能车THMR-V。2005 年上海交通大学研制成功首辆城市无人驾驶汽车ATB-3。2011 年7 月，国防科大在国家自然科学基金资助下研发的HQ3 自动驾驶汽车首次完成了长沙至武汉283 km 高速全程无人驾驶测试，标志中国无人车在复杂环境识别、智能决策与控制等方面达到世界先进水平。

  1.2 无人驾驶技术发展现状与趋势

  事实上无人驾驶是智能驾驶发展的最高形态， 在智能驾驶发展过程中有5 个阶段：L0~L4。
  其中：
  L0 指不具备自动驾驶功能的汽车驾驶。
  L1 指具有特定功能的自动驾驶，例如ESC（汽车电子稳定控制系统）、AEB（自动制动系统）、LKA（车道保持系统）。目前主要应用于高档车辆。
  L2 指具有组合功能的自动驾驶，例如ACC （自适应巡航控制）、自动泊车等。目前成果有Mobileye 辅助系统、沃尔沃、上汽集团部分产品。
  L3 指受控的自动汽车驾驶，主要代表功能是高度自动驾驶。主要成果有德尔福12 天时间行驶近3 400 km 横跨美国、长安无人驾驶汽车行驶近2 000 km 从重庆到北京。
  L4 指完全无人驾驶，主要代表功能是完全自动驾驶。主要成果有Google 完成200 万千米路测， 百度完成北京三环路测。

  目前，无人驾驶的发展有两条路径，分别是：以ADAS（高级驾驶辅助系统）主导和以人工智能主导。L1~L3 等级的智能驾驶系统主要以ADAS 为主导。ADAS 主导的无人驾驶通过单车智能化， 以及ADAS 和高精度地图的使用为基础，技术较为成熟，但在突破L3 级实现无人驾驶时遇到诸多难题。
  另一条路径则是以人工智能为核心技术，随着移动式机器人深度学习能力及自主决策能力的提升，在基于先进互联网技术、成熟算法和云服务平台下，以计算机控制汽车取代人工驾驶为目的。对于以人工智能为主导的智能驾驶，V2X 车联网技术正不断促进无人驾驶技术的发展。所谓V2X 即V2R（Vehicle To Road）、V2H（Vehicle To Human）和V2V（Vehicle To Vehicle）等技术的结合。深度学习算法和云服务使得智能驾驶能够获得更多的学习样本，优化其本身行为决策算法处理模型，被认为是实现L4 自动驾驶更好的技术路线。

  1.3 无人驾驶技术在机场的应用

  随着智能驾驶技术的发展，无人驾驶技术逐渐应用于港口、公园等封闭环境的运行，机场飞行区也成为无人驾驶技术可能应用的场景之一。2019 年11 月法国航空、CHARLATTE AUTONOM 公司与图卢兹机场测试无人驾驶用于行李分拣区到飞机的行李传送。英国物流公司IAG Cargo 与Oxbotica 公司在伦敦希思罗机场跑道周边货运道路开展自动驾驶测试，Oxbotica 公司还在伦敦盖特威克机场开展无人驾驶短途接驳验证。在国内，2019 年香港国际机场与驭势科技落地全球首个机场环境下常态化运行无人驾驶物流运输项目。2020 年9 月，湖南空港实业股份有限公司航空货运分公司在长沙黄花国际机场货运区使用无人驾驶运输货物，实现无人驾驶在内地航空物流的首个商业应用。


  2.1 飞行区运行车辆分类

  为保障航班运行，飞行区内存在不同类型作业车辆，大致可分为4 类（如表1 所示），这4 类车辆有着不同的运行模式。 
  航班保障车辆为航班提供保障服务，车辆种类最多，运行规则复杂。其中除引导车与除冰车外， 其余车辆仅在机坪活动。
  场道维护车辆为机场提供保障服务，负责跑道、滑行道、助航灯光等机场设施的维护工作。主要在机动区活动，也可能为机坪区提供服务。
  应急救援车辆仅在紧急情况时进入机场场面， 但同时也有着比其他车辆更高的行驶优先权。
  一般车辆即非特种保障车辆，通常只被允许在靠航站楼的服务车道上行驶，不能使用飞机后方的服务车道，在没有管制许可的情况下也不得进入机动区。

  2.2 不同类型作业车辆应用无人驾驶技术面临的挑战

  航班保障类车辆是执行特定保障作业任务的车辆，其作业区域为机场交通最为密集、环境最为复杂的机坪区域，运行路线与航空器存在空间交集，其作业时停放位置有严格要求，通常需要靠近航空器，大部分车辆作业时需要与航空器进行对接。因此解决车辆运行有序调度、人- 机- 车混合场景下安全控制、车辆停靠与对接的高精度控制都将是此类车辆实现无人驾驶需解决的重要技术问题。
  场道维护车辆是为地面运行设施设备的维护提供运输服务车辆，其作业区域主要在机场机动区内，其运行环境与航班保障作业车辆相比相对简单，但由于其活动区域涉及飞机高速运动区域， 仅依靠单车智能无法保证运行安全性，必须建立机场运行活动全局管控平台，实现场面活动协同管控。此外，机场场道维护车辆驾驶人员通常承担了设施设备检查维护任务，因此对于该类车辆除实现无人驾驶外，还应具备诸如FOD 自动探测、道面状态自动检测等自动化功能。
  应急救援类车辆是在机场发生紧急情况下执行特定任务的车辆，要求其响应及时，运动速度快， 并能根据实时情况随机应变，因此根据现阶段的机器智能发展水平，在未来相当长时期内，该类车辆应用无人驾驶技术都并非好的选择。
  机场飞行区一般类车辆主要提供人员或货物的运输任务，其运行路线一般在靠航站楼的服务车道上行驶，与航空器的运行空间相对独立，运行场景相对固定，无人驾驶技术在该类车辆上应用有更大的可能性，目前机场环境下的无人驾驶技术应用集中在物流货运车辆即属于该类车辆。
  目前各类无人驾驶技术开展的大量运行测试仍聚焦于通用公路运输场景下，飞行区虽然被广泛认为属于封闭园区环境，但由于大量作业车辆与航空器在同一时空运行，运行复杂度相较开放公路场景并不简单，同时飞行区运行有着自身严格运行程序与规范，无人驾驶智能决策控制必须与飞行区的运行规则相匹配，无人驾驶在飞行区的应用仍面临飞行区运行场景适应性、有人无人驾驶混合运行、突发情况应急处置等诸多挑战。


  3.1 飞行区无人驾驶系统架构

  飞行区是机场内用于飞机起飞、降落、滑行的区域，飞行区内尤其是跑道、滑行道上的目标活动呈现典型的管控间隔为特点的运行，无人驾驶技术在飞行区的运行必须与此相适应，仅仅依靠单车智能系统无法满足飞行区安全、有序、协同运行的要求，必须建立全局智能管控系统，实现场面车辆、飞机协调运行控制，该系统主要原理框架如图1 所示。 

  系统包括车辆综合智能管控平台、网络通信环境、智能车辆组成。其中综合管控平台接收A-SMGCS 系统、态势感知系统的态势信息、管制指令、航空器滑行路由等信息，支撑车辆任务规划、无人驾驶场面车辆集群管控等任务实现，综合管控平台具备无人驾驶车辆实时监控、任务管理、车辆路由规划、安全预警、对车辆指令控制等功能。
  通信网络作为综合管控平台与智能车辆间协同桥梁，负责相互间信息可靠传输，将集成光纤网络、AeroMACS 移动通信网络、NB-IoT 等网络通信环境。
  智能车辆系统包括车载终端包括无线通信、高精度定位、环境感知、智能决策与控制等组成。

  3.2 无人驾驶系统需解决的关键技术

  在上述框架下，无人驾驶技术在飞行区的应用还应着力解决如下一些关键技术：
  全局态势高精度感知：在现有机场场面监视基础上，应用激光雷达、视频智能分析，结合车载环境感知回传数据，构建高精度全局三维精确感知，为全局智能控制决策提供支撑。
  车辆环境感知：目前车载传感器采用毫米波雷达、激光雷达、视频等实现环境感知，作用距离约在100 m 左右，对于飞机这种须保持远距离间隔运行的场景，传感器作用距离有待提升。同时机坪作业区电磁环境复杂，融合式的环境感知是重要发展方向。
  协同优化控制技术：协同优化技术基于环境感知技术获取车辆和路侧设施等实时信息，并通过无线通信技术实现车辆与道路互联互通，整合两者优势协同优化交通系统资源，提高道路安全， 其中涉及车车/ 车路信息交互、协同感知、协同预测、协同决策与协同控制技术，以及协同系统仿真测试技术等多个方面。
  应急处置技术：对于飞行区运行而言，无人驾驶车辆一旦故障将会占用关键道面资源，严重情况下可能危及航空器安全，必须研究提升无人驾驶设备运行可靠性、故障预测与主动预警技术。
  信息安全技术：当智能车辆车载设备通过无线方式与其他设备或互联网相连时，信息安全问题随之产生，应研究从车辆、开放式信息平台与通信环境等三个层级上构架信息安全的防护体系。


  无人驾驶技术是智慧机场建设的重要发展方向，能够为平安机场建设提供重要保障，应用无人驾驶是预防人因失误、违规作业这类不安全事件的有效手段；无人驾驶能够为智慧机场运行保障提供智能解决方案，其所具有的复杂环境感知、智能判断、协同控制等功能，是实现机场自动化和智能化转型的典型应用。为推进无人驾驶技术的应用，需加快建立和完善相关标准体系，建设飞行区模拟运行验证环境，对相关技术开展充分测试验证。