一种基于大小模型协同架构的民航空中交通管理决策生成方法与流程

本发明属于空中交通管理，具体涉及一种基于大小模型协同架构的民航空中交通管理决策生成方法。

背景技术：

1、本部分提供的仅仅是与本公开相关的背景信息，其并不必然是现有技术。

2、随着全球航空运输量的持续增长，空域资源日益紧张，空中交通管理面临严峻挑战。如何为航班高效、安全地分配飞行高度层，是空中交通流量管理的核心任务之一。高度层分配方案需同时兼顾宏观的战略级策略与微观的战术级执行。

3、传统的空中交通管理策略制定过程高度依赖管制员经验，存在主观性强、效率低下的问题。近年来，数据驱动的智能化方法成为研究热点。现有技术大致可归纳为两类：

4、一类是基于历史经验类比的方法。这类方法通过比较当前场景与历史场景在气象、流量等宏观指标上的相似度，检索并推荐历史上采用过的管理策略。其优势在于能够利用积累的实践经验，提供可解释性较强的预战术决策支持。然而，该类方法输出的策略通常是宏观、定性的，缺乏对单个航班在具体时空维度上的精确量化指导，难以直接生成可操作的航班级高度层剖面。此外，该类方法对输入信息的处理往往局限于结构化特征（如图像、数值指标），难以直接理解自然语言描述的自由文本，并将其转化为可量化的约束条件。

5、另一类是基于数学优化模型的方法。这类方法将高度层分配问题建模为包含目标函数与多重约束的数学规划形式，以最小化冲突、最大化效率为优化目标，在满足安全间隔、航班性能等约束的前提下，为航班集合生成精确的四维航迹。该类方法在求解精确约束优化问题上具有显著优势，能够处理复杂的数值约束，生成精细化的战术方案。但其性能高度依赖于模型边界条件的设定，若缺乏合理的宏观约束引导，在面对大规模、复杂空域时，优化模型的求解空间过大，可能导致计算耗时过长或陷入局部次优解，且难以将宏观的、基于语义的运行规则有效融入模型。

6、因此，现有技术存在以下突出缺点：

7、1）宏观与微观决策脱节：预战术级策略推荐与战术级航迹规划相互割裂。基于历史经验类比的方法给出的宏观方案无法直接指导微观优化模型，而优化模型也难以有效利用宏观策略中的定性知识，导致全局最优方案难以形成。

8、2）大模型的应用范围有限：现有技术中，大模型主要用于处理图像、文本等非结构化数据以支持场景检索，但其输入形式局限于固定特征表示，无法直接接受一段自然语言描述（如运行情境描述）并据此生成结构化的高度层约束。大模型强大的语义理解能力未能与后续的精确运筹优化决策环节进行有效协同，未能发挥“从描述到约束”的桥梁作用。

9、3）小模型的约束瓶颈：战术级优化模型（小模型）的求解效率和效果严重受限于其约束条件的设置。若无有效的宏观先验知识作为约束，模型的变量和约束数量巨大，求解时间长，难以满足实时性要求；若约束过于宽泛，则生成的方案可能不符合宏观运行规则，实用性差。理想的解决路径应当是由大模型从历史经验中提取约束边界，再交由小模型进行精细化求解，而现有技术尚未实现这种协同。

技术实现思路

1、针对现有技术的不足，本发明旨在提供一种基于大小模型协同架构的民航空中交通管理决策生成方法，通过将大模型在宏观语义理解和场景检索上的优势，与小模型在精确数值优化上的优势相结合，形成从宏观预战术策略到微观战术方案的完整决策闭环。

2、一种基于大小模型协同架构的民航空中交通管理决策生成方法，其特征在于，包括以下步骤：

3、步骤1：获取历史场景数据集，所述数据至少包括历史气象雷达回波图像序列及对应时间片段内的历史高度层分配策略；通过通用大模型对历史气象雷达回波图像序列进行语义特征提取，将得到历史语义特征向量与对应的历史高度层分配策略关联存储；其中，大模型为transformer架构且以图像和文本为输入，以文本为输出的预训练深度神经网络，此处使用业内公开的通用多模态大模型；

4、步骤2：获取待决策的气象信息，通过大模型对所述待决策的气象信息进行处理，生成当前语义特征向量；

5、步骤3：将步骤2得到的当前语义特征向量与历史语义特征向量进行相似度匹配，将根据匹配结果关联的历史高度层分配策略作为预战术高度层分配方案；所述方案包括对指定空域、航路或航路点的高度层使用限制；

6、步骤4：获取待规划扇区内的航班信息包括航班号、机型、计划航路、预计进入扇区时间等）、空域结构信息（包括扇区边界、航路点坐标、航段等）以及步骤3得到的预战术高度层分配方案，将所述预战术高度层分配方案转化为对航班在扇区边界点的高度约束；

7、步骤5：构建数学优化模型，所述数学优化模型以最小化扇区内航班飞行冲突或者最小化飞行冲突的同时最大化航班运行经济性为目标函数，以航班性能、安全间隔以及步骤4所述的高度约束为约束条件，对扇区内航班集合的高度剖面进行建模；

8、步骤6：利用优化求解器对步骤5构建的数学优化模型进行求解，生成战术级高度层分配方案，所述战术级高度层分配方案包含扇区内每架航班在不同时间段被分配的具体飞行高度层。

9、在部分实施例中，所述步骤1具体包括：

10、步骤1-1：对于历史气象雷达回波图像序列中的每一帧图像，利用开源通用视觉语言大模型vlm，例如qwen3-vl 32b，基于预设的提示词生成对应的自然语言描述文本；

11、步骤1-2：将一个由连续时间帧构成的场景的所有自然语言描述文本按时间顺序拼接，构建提示词并输入至通用大语言模型llm，生成描述该场景宏观气象演变过程的总结文本；

12、步骤1-3：将所述总结文本输入至文本嵌入模型，生成固定维度的历史语义特征向量：

13、

14、步骤1-4：将所述历史语义特征向量与该时间片段内的历史高度层分配策略建立映射关系，并存入数据库。所述历史高度层分配策略包括但不限于：特定航路点、航段或扇区进出口的可用高度层集合限制、高度层使用方向限制等。

15、在部分实施例中，所述步骤2具体包括：

16、步骤2-1：获取待决策的气象信息，所述气象信息包括自然语言文字描述和/或待决策的气象雷达回波图像序列经视觉语言大模型及大语言模型处理后生成的总结文本；

17、步骤2-2：通过文本嵌入模型对所述自然语言文字描述或总结文本进行向量化，生成所述当前语义特征向量。

18、在部分实施例中，所述步骤3具体包括：

19、步骤3-1：计算当前语义特征向量和历史场景的语义特征向量的相似度，所述相似度计算采用余弦相似度，计算公式为：

20、

21、其中，为当前语义特征向量，为第个历史场景的语义特征向量，表示向量点积，表示向量的l2范数；

22、步骤3-2：提取相似度最高的的历史场景所关联的历史高度层分配策略作为预战术高度层分配方案输出，所述预战术高度层分配方案包括对指定空域、航路或航路点的高度层使用限制，当存在多个历史场景的相似度同样高时，由人工筛选最适合的历史场景。该方案为宏观约束，例如：过“xxx”航路点飞往“yyy”方向的航班，仅能使用高度层9200米。

23、在部分实施例中，所述步骤4中，所述对航班在扇区边界点的高度约束具体为：将待分配高度层的航班的进入扇区高度和离开扇区高度限制在步骤3得到的历史高度层分配策略的高度层使用限制中。

24、在部分实施例中，步骤5：战术阶段，构建数学优化模型

25、在战术阶段，构建一个基于混合整数线性规划的小模型，为规划池内的每一架航空器精确生成满足预战术约束的飞行高度剖面。所述数学优化模型的建模过程具体包括以下子步骤：

26、步骤5-1：定义模型集合与参数

27、首先，定义模型所涉及的基本集合，以明确规划对象的范围。

28、：规划池航空器的集合。在本实施例中，为未来特定时间窗内即将进入目标扇区、待分配高度层的所有航班。

29、：冻结池航空器的集合。指在规划起始时刻已处于目标扇区内、或已发布明确高度指令不可更改的航班。冻结池航班的位置与高度信息作为模型输入，用于冲突识别。

30、：规划池航空器之间违反水平安全间隔的航班对集合。其中。

31、：规划池与冻结池航空器之间违反水平安全间隔的航班对集合。其中。

32、：所有存在潜在水平冲突的航班对集合。

33、：规划池航空器的规划时域所包含的时间步集合。所述规划时域指航空器处于目标扇区内的连续时间段。

34、：冻结池航空器在规划时域内的时间步集合。

35、：对于任意航班对，该航班对违反水平安全间隔（例如，水平距离小于13.704公里）的具体时间步集合。该集合通过空中交通仿真引擎推演航班水平航迹获得。

36、：航空器在扇区内计划进行的调高次数集合，例如表示最多允许两次调高。

37、：高度剖面集合，其中1代表第一高度剖面，2代表第二高度剖面。通过定义两个剖面构成一个“高度剖面区间”，以容纳水平航迹的不确定性。

38、：航空器的可用高度层集合。此集合是预战术阶段高度层分配方案的核心约束之一，例如，对于某一特定航向的航班，。此高度可能受预战术方案约束。

39、：规划池航空器离开扇区时所对应的精确时间步。

40、其次，定义模型所需的关键参数，这些参数在模型求解前已确定。

41、：冻结池航空器在时间步的已知高度（单位：米）。

42、：规划池航空器进入扇区的初始高度（单位：米）。此高度可能受预战术方案约束。

43、：规划池航空器离开扇区时的协议高度（单位：米）。此高度同样受预战术方案约束。

44、：航空器单次调高所允许的最大幅度（单位：米），例如设定为600米。

45、：航空器单次调高所允许的最小幅度（单位：米），例如设定为300米。

46、：模型对连续时域进行离散化处理的时间间隔（单位：秒），例如设定为30秒。

47、：同一航空器相邻两次调高动作之间所必须满足的最小时间间隔（单位：秒），例如设定为60秒。

48、：航空器的爬升率（单位：米/30秒）。为简化模型，假设爬升过程匀速，并基于标称性能进行近似，例如100米/30秒或200米/30秒。

49、：航空器的下降率（单位：米/30秒），近似方法同上。

50、：规定的最小垂直安全间隔（单位：米），在实施rvsm的空域中为300米。

51、：一个足够大的正数，用于在混合整数线性规划中处理逻辑约束（大m法）。

52、步骤5-2：定义决策变量

53、为刻画航空器的动态高度剖面，定义以下决策变量：

54、：状态指示变量，当取值为1时，表示航空器的第个高度剖面上，在时间步的起始时刻，已经开始执行第次调高动作。

55、：状态指示变量，当取值为1时，表示航空器的第个高度剖面上，在时间步的起始时刻，已经结束执行第次调高动作。

56、：方向指示变量，当取值为1时，表示航空器的第个高度剖面上的第次调高动作为爬升；当取值为0时，表示该次调高动作为下降。

57、：高度层占用变量，当取值为1时，表示航空器的第个高度剖面上，在时间步内处于平飞状态，且其飞行高度为高度层。

58、：冲突指示变量，当取值为1时，表示航班对在时间步内违反了垂直安全间隔。

59、：连续决策变量，表示规划池航空器在第个高度剖面上、于时间步结束时刻的精确高度（单位：米）。

60、：连续辅助变量，表示航空器在第个高度剖面的第次调高过程中，在时间步内的垂直速率绝对值。其值根据的取值自动确定为或。

61、：调高状态指示变量，当取值为1时，表示航空器的第个高度剖面上，在时间步内正处于调高过程中（即既不处于开始前也不处于结束后）；当取值为0时，表示处于平飞状态。

62、步骤5-3：构建约束条件

63、模型的约束条件用于确保生成的飞行高度剖面是物理可行的、符合管制规则的，并且严格遵循预战术阶段下达的高度层使用限制。

64、（1）速率构造约束：将方向决策变量与性能参数关联。

65、

66、（2）边界高度约束：强制执行预战术方案和进出扇协议。

67、进入扇区高度限制：

68、

69、其中为中的最小时间步。

70、离开扇区高度限制：

71、

72、其中。若航班无出扇协议高度要求，此约束可放宽为范围约束。

73、（3）高度剖面大小约束：定义高度剖面区间的上下界。第一高度剖面代表“最晚调高”的情况，其高度值恒大于等于第二高度剖面（代表“最早调高”的情况）。

74、

75、（4）高度动态递归约束：描述航空器高度随时间的变化规律。

76、

77、

78、该式表明，只有在时（即调高过程中），高度才发生变化；变化方向由控制（1为上升，-1为下降）。

79、（5）决策变量逻辑一致性约束：保证调高动作的时间逻辑。

80、动作不可逆性：

81、

82、结束晚于开始：

83、

84、（6）单次调高幅度约束：限制每次调高的高度变化量。

85、上限约束：

86、

87、下限约束：

88、

89、（7）调高间隔约束：保证相邻两次调高之间有足够的平飞时间。

90、

91、（8）调高方向一致性约束：确保同一次调高过程中，方向保持不变。

92、

93、（9）剖面区间一致性约束：保证第1、第2剖面的调高幅度和方向相同，以构成一个有效的时间窗口。

94、调高幅度相同：

95、

96、调高方向相同：

97、

98、其中。

99、（10）高度层可行性约束：确保平飞阶段的高度属于可用高度层集合。

100、首先定义调高状态：

101、

102、然后，当处于平飞状态时，高度必须等于中的某一具体值：

103、

104、

105、

106、（11）垂直冲突识别约束：利用高度剖面区间识别冲突，具有较大的安全裕度。判断依据为：一对航空器的第2高度剖面（较低者）与另一架的第1高度剖面（较高者）之间的垂直距离是否小于。

107、对于规划池航班对：

108、

109、

110、

111、

112、

113、

114、对于规划池与冻结池航班对，由于冻结池航班高度是确定的，可将上述公式中和均替换为进行约束。

115、步骤5-4：构建目标函数

116、模型支持多目标优化，以满足不同运行参与方的利益诉求。

117、（1）第一目标（安全性）：最小化扇区内所有航空器之间冲突的持续时间。

118、

119、（2）第二目标（经济性）：最大化规划池航空器在扇区内的高高度飞行时间占比，以降低燃油消耗。

120、

121、步骤5-5：模型求解策略

122、采用分层序列法处理上述多目标问题。

123、第一阶段：仅考虑目标函数（最小化冲突），忽略目标函数。求解此单目标milp模型，获得最优目标函数值。

124、第二阶段：将约束加入到原始模型中，然后将目标函数替换为（最大化高高度时间），再次求解。

125、此方法在严格保障安全的前提下，寻求经济性最优的飞行高度剖面。

126、在部分实施例中，步骤6具体为：利用商业优化求解器（如gurobi、cplex）对步骤5构建的混合整数线性规划模型进行求解。求解器将输出所有规划池航空器在每一时间步的决策变量值，从而形成完整的战术级高度层分配方案。该方案包括每架航空器的调高次数、每次调高的起始时间、结束时间、方向、幅度以及在不同时间段的精确飞行高度。

127、在部分实施例中，所述方法还包括：

128、步骤7：对于战术级高度层分配方案无法解决的潜在冲突，输出告警信息，并转由管制员人工处理或调用其他冲突解脱算法进行干预。

129、本发明的有益效果在于：

130、创造性地将大模型用于处理非结构化的气象信息，检索出宏观的预战术策略，为小模型（优化模型）提供了合理、高效的约束边界。这不仅缩小了优化模型的求解空间，提升了求解效率，还使得生成的战术方案更符合宏观运行规则，实现了“大模型做战略、小模型做战术”的协同决策。

131、大模型的语义理解能力使得系统能理解管制员输入的自然语言气象描述，交互更加智能。预战术约束的引入使得优化模型的结果不再是纯理论的数学最优解，而是具有高度实操性的方案。

132、决策过程清晰透明，预战术方案可追溯至具体的历史相似场景，战术方案则有明确的数学优化逻辑。分层决策架构也使得系统在某一环节失效时，其他环节仍能独立工作，提升了整体鲁棒性。