⚡ electrical engineering

Secure Coordination for Vertiport Sequencing in Advanced Air Mobility

本文提出了一种用于先进空中交通垂直起降场排序的鲁棒协调框架，该框架将自我报告的远程识别数据与不确定的监视测量相结合，以检测并缓解自利车辆进行的策略性误报以及恶意行为者实施的对抗性欺骗。

原作者： Jaehan Im, Filippos Fotiadis, Ufuk Topcu, David Fridovich-Keil

发布于 2026-05-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Jaehan Im, Filippos Fotiadis, Ufuk Topcu, David Fridovich-Keil

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一个繁忙的未来天空，数百辆飞行出租车（称为先进空中交通车辆）正试图降落在一个拥挤的屋顶站点（“垂直起降场”）。就像在繁忙的十字路口等待的汽车一样，这些飞行出租车需要一名交通指挥官来决定谁先、谁后、谁第三降落。如果它们同时尝试降落，那将是一场灾难。

本文探讨的是如何为这片天空构建一个智能且无法被破解的交通指挥官，即使驾驶员或系统本身试图作弊。

以下是问题与拟议解决方案的分解，采用简单的类比说明：

1. 问题：“撒谎的驾驶员”与“捣蛋鬼”

在正常系统中，交通指挥官会询问每位飞行员：“你何时到达？”然后根据这些回答进行排序。本文指出了这种方法存在的两大隐患：

自私的驾驶员（策略性误报）： 想象一位非常想第一个降落的飞行员。他们可能会撒谎说：“我比实际时间早 5 分钟到达！”如果指挥官相信了他们，这位飞行员就会插队，把其他人往后推。本文将此称为“策略性偏离”。
捣蛋鬼（恶意欺骗）： 想象一个黑客，他们并不在乎降落，只想制造混乱。他们可能会发送虚假信号，让指挥官误以为所有人都在同一秒到达。这会导致指挥官造成大规模交通拥堵，或无谓地延误所有人。本文将此称为“对抗性干扰”。

2. 有缺陷的防御：“雾蒙蒙的窗户”

你可能会想：“为什么不把他们的回答与雷达进行核对呢？”本文指出，我们确实有雷达（监视系统），但它并不完美。这就像透过雾蒙蒙的窗户看一辆车。

雷达可以告诉你车辆的大致位置，但无法看清细节。存在一个“不确定性区域”（即雾气）。
如果一名飞行员撒谎说他们早到 1 分钟，但雷达的误差范围仅为 2 分钟，那么在这个“雾气”范围内，谎言看起来是“合理的”。指挥官无法证明这是谎言，因此不得不接受它。
这意味着，一个精明的撒谎者可以将作弊行为隐藏在雷达误差范围的“雾气”之中。

3. 解决方案：“严厉的教练”（鲁棒协调）

与其试图揪出每一个谎言（由于“雾气”的存在，这实际上是不可能的），作者提出了一种新的思维方式，称为鲁棒设计。

将交通指挥官想象成一位严厉的教练，他知道球员们可能会试图作弊。教练不会盲目信任球员的话，而是设计出一套即使球员在“雾气”范围内撒谎也能奏效的比赛计划。

本文提出了针对这位“严厉教练”的两种不同策略：

策略 A：防范自私的驾驶员
教练假设：“有些球员会试图通过撒谎来获得更好的位置。”因此，教练设计了一套降落时间表，使其对这类撒谎行为具有免疫力。即使有驾驶员试图插队撒谎，教练的规则也能确保这种谎言不会给他们带来太大好处，也不会对其他驾驶员造成太大伤害。这就像制定了一套规则，使得作弊无法带来不公平的优势。
策略 B：防范捣蛋鬼
教练假设：“可能会有人试图破坏整个游戏。”因此，教练设计了一套对最坏混乱具有韧性的时间表。教练会问：“捣蛋鬼能在‘雾气’范围内编造的最糟糕的谎言是什么？”然后构建一套能在这种最坏情况发生而不崩溃的时间表。

4. 目标：一个公平且安全的天空

本文并未声称已经用成品解决了问题，而是为这位“严厉教练”制定了数学规则。

计划： 作者计划运行计算机模拟（就像电子游戏一样）来测试这些规则。
他们将衡量：
- 安全成本： 当所有人都在说真话时，变得“严厉”和多疑是否会使降落时间表变慢或效率降低？（本文预期会有轻微的成本）。
- 安全收益： 当人们确实撒谎时，这种新系统是否能防止正常且信任的系统会发生的混乱和延误？

总结

简而言之，本文旨在教导飞行交通指挥官预料到意外情况。它承认飞行员可能会为了抢前而撒谎，黑客可能会试图制造拥堵。既然我们无法透过传感器的“雾气”看清一切，解决方案就是构建一套足够坚固以应对谎言的降落时间表，使其不会崩溃，从而确保即使有人试图作弊，天空依然保持安全有序。

技术摘要：先进空中交通垂直起降场排序的安全协调

问题陈述
先进空中交通（AAM）在垂直起降场附近的运行需要可靠的协调机制，以在有限的着陆容量和不确定的到达时间下管理高密度交通。当前的协调机制严重依赖自我报告数据（如远程识别 Remote-ID），这些数据提供飞行器身份和位置信息。然而，这种依赖造成了脆弱性：自利的飞行器可能会策略性地误报其预计到达时间（ETA）以获取有利的着陆时段，而恶意行为者可能会伪造数据以扰乱排序或引发拥堵。

虽然将自我报告数据与外部监视（如雷达或光学跟踪）进行比较提供了一种防御手段，但由于测量噪声和估计误差，监视估计值本质上具有不确定性。因此，与监视不确定性区域保持一致的虚假报告无法被立即拒绝。这就产生了一个策略性协调问题：协调者必须在存在可能无法检测但潜在有害的虚假报告的情况下，分配满足最小间隔要求的到达时刻表。

方法论
本文提出了一种安全垂直起降场排序框架，该框架区分了两种不同的虚假信息源，并制定了稳健的排序规则以应对这些情况。

系统模型：
- 系统涉及 $N$ 架飞行器接近一个共享的垂直起降场。
- 每架飞行器 $i$ 具有真实的 ETA（ $\tau_i$ ）并报告一个 ETA（ $\hat{\tau}_i = \tau_i + \delta_i$ ），其中 $\delta_i$ 为报告偏差。
- 协调者利用主动监视系统推断独立的 ETA 估计值。由于感知不确定性，偏差 $\delta_i$ 被限制在不确定性一致集 $\mathcal{U}_i$ 内（例如区间 $[-\varepsilon_i, \varepsilon_i]$ ）。超出该集合的报告将被拒绝；落入该集合内的报告被视为可能虚假，但无法与真实报告区分。
- 目标是最小化系统级排序成本，定义为分配到达时间（ $a_i$ ）与真实 ETA（ $\tau_i$ ）之间调整量的平方和，同时满足最小时间间隔约束（ $s_{min}$ ）。
稳健公式：
本文使用两种稳健优化方法对协调者与报告实体之间的交互进行建模：
- 自利误报（策略性偏差）： 建模为斯塔克尔伯格博弈（Stackelberg game）。自利飞行器观察协调者的稳健化参数（ $\theta$ ），并选择偏差 $\delta_i \in \mathcal{U}_i$ 以最小化其自身的时刻表调整成本。协调者预判这种最佳响应行为，并选择 $\theta$ 以最小化由此产生的系统成本。
- 恶意伪造（对抗性干扰）： 建模为极小极大问题（min-max problem）。外部攻击者向部分飞行器集合（ $\mathcal{M}$ ）注入虚假报告，以最大化系统级排序成本（例如导致拥堵或延误）。协调者选择 $\theta$ 以最小化由这些对抗性偏差引起的最坏情况系统成本。
排序规则：
协调者采用参数化排序规则 $S_\theta$ ，将报告的到达时间映射为分配的日程表。参数 $\theta$ 代表稳健化措施，如置信度阈值或不确定性降低规则，旨在使排序结果对不确定性集合内的报告不那么敏感。

主要贡献与计划成果
作为扩展摘要，本文主要建立了理论框架并概述了计划的数值研究，而非展示最终的实验结果。其贡献包括：

威胁模型的形式化区分： 本文明确区分了旨在获取个人利益的策略性误报和旨在破坏系统性能的恶意伪造，并为每种情况提出了不同的稳健公式。
感知不确定性下的稳健设计： 本文将垂直起降场排序建模为基于监视一致性不确定性集的稳健设计问题，承认由于传感器噪声，完美检测是不可能的。
计划评估策略： 作者提出了一项全面的数值研究来评估所提出的规则。该研究计划比较：
- 基准排序： 直接使用报告时间。
- 自利稳健排序： 针对策略性偏差进行优化。
- 恶意稳健排序： 针对对抗性干扰进行优化。
评估指标： 计划的实验旨在量化：
- 稳健性的效率损失（比较在真实报告下稳健方案与基准方案的性能）。
- 稳健性的安全收益（比较在虚假报告下有无稳健规则的性能）。
- 对交通密度、间隔要求、监视噪声以及潜在不可信飞行器集合（ $\mathcal{M}$ ）规模的敏感性。

意义
本文认为，随着 AAM 交通密度的增加和排序裕度的收紧，虚假信息对运行的影响将比传统空中交通管理更为显著。通过将监视数据与自我报告信息通过稳健优化相结合，所提出的框架旨在保持排序机制的可靠性。它力求防范“公地悲剧”（即个体飞行器利用系统漏洞）和主动的对抗性攻击，确保即使感知能力不完美，垂直起降场的运行依然安全高效。

作者指出，未来的工作将扩展此框架以包含监视资源分配，即协调者动态分配感知资源（如分辨率或功率），以减少特定飞行器的不确定性，从而针对可能的虚假信息源增强排序决策的稳健性。

1. 问题：“撒谎的驾驶员”与“捣蛋鬼”

2. 有缺陷的防御：“雾蒙蒙的窗户”

3. 解决方案：“严厉的教练”（鲁棒协调）

4. 目标：一个公平且安全的天空

总结

类似论文