坐飞机遇上雷暴天气，颠簸盘旋甚至备降都是常事。南洋理工大学（NTU）科研团队最近开发了一套多智能体AI系统，把多架客机的规避雷暴与空中防撞计算，直接交给算法在云端协同完成。
人工调度吃紧，雷雨天航线协同成难题
雷雨天气往往伴随突发的强对流，不仅积雨云形状变幻莫测、移动迅速，还会切断干线空域。对地面空中管制员来说，既要死盯气象雷达预判雷雨走向，又要分秒必争地指挥空中各架飞机拉开安全间距，工作负荷极高。
过去遇到这种情况，地面通常只能提前压缩空域流量，让飞机在地面等待或在空中盘旋。现有的机载单机防撞系统虽然成熟，但缺乏全局协同视野，无法在大流量空域中统一协调多架飞机的绕飞路线，往往导致大面积航班延误和燃油浪费。
图1：动态雷暴单元下多机轨迹规划示意。
图2：从新加坡FIR中选定的真实航路空域，用于模型测试。 新加坡空域实测：4机与8机压力测试过关
为了解决这一痛点，NTU机械与宇航工程学院旗下空中交通管理研究院（ATMRI）的Sameer Alam副教授团队，开发出基于独立深度确定性策略梯度（IDDPG）的多智能体AI算法框架，将空域结构、航迹预测与移动雷暴单体全部整合进实时运算体系。
团队选取新加坡飞行情报区内一片200×200海里的真实空域展开仿真测试。在30分钟的模拟场景中，两个不断变形的雷暴单体自西北向东南移动，4架飞机从3个航路点随机进场。AI系统实时接收飞行数据并动态优化航迹，4架飞机不仅全部安全绕开雷雨区，彼此之间也始终保持了规定的安全间隔。
图3：4架飞机和2个移动雷暴单元在不同时间步长的无冲突轨迹。雷暴单元的动态通过不断变化的轮廓来表现，透明度逐渐降低以表示它们在不同时间步中的进展。
在进一步的压力测试中，进场飞机数量翻倍至8架。面对密集的航路冲突，系统的避障成功率依然达到95%。尽管整体飞行里程略有增加，但航线依然被控制在燃油经济性良好的合理范围内。
图4：无冲突轨迹，比较4架飞机和8架飞机在移动雷暴单元下的模拟。
Our aim is to find an optimal solution to ensure safe separation distance among multiple aircraft and thunderstorm cells while minimising overall flight distance. 数秒内重新规划航线，兼顾安全与航程成本
以往航班临时改道需要机组与地面管制通过无线电反复确认，在雷暴快速推移时往往反应不及。这套多智能体系统的优势在于自适应能力：飞机起飞后先按计划航路飞行，一旦前方雷雨云团变形逼近，算法会在几秒钟内完成多机协同重排，算出一条既避开危险天气又互不冲突的最优绕行路径。
图5：模拟ETA在不同不确定性水平下的分布。
面对日益频繁的极端对流天气，这项研究不仅能有效缓解管制员的监控压力，降低强颠簸伤人事故的发生概率，也为未来更高密度的空中交通管理与无人机协同提供了可行的技术路径。
The aircraft initially follow their predetermined air routes. But as the thunderstorm cells move and change shape, the aircraft reroute around these cells to reach their respective exit waypoints.
📌 要点总结
✦ NTU空中交通管理研究院开发多智能体AI框架IDDPG，实现恶劣天气下的多机协同避障。
✦ 在新加坡飞行情报区200×200海里空域测试中，4机测试达成率100%，8机压力测试达95%。
✦ 算法兼顾避险安全与航程成本，有效降低雷暴天飞机颠簸和延误几率。
转发给经常坐飞机出差的朋友
