不要将我们头顶的天空想象成一片无尽的蓝色虚空，而要把它想象成一座由无数隐形房间组成的、繁忙且隐形的城市。这些房间被称为“扇区”（sectors），由一支空中交通管制员团队进行管理，他们就像是这座城市里压力最大的保安。他们的职责是确保试图进入某个房间的飞机数量永远不会超过该房间能够安全容纳的人数。如果试图挤进来的飞机太多，管制员就会不堪重负，安全也会受到威胁。

几十年来，管理这座“天空之城”的系统一直分为两条独立的车道运行。一条车道试图通过让飞机在地面等待（延误）或变换路径（重新路由）来解决交通拥堵；另一条车道则试图通过重新排列墙壁来使房间变大或变小来修复房间本身（改变空域配置）。问题在于，这两条车道互不沟通。这就像是在试图解决交通拥堵时，只想着让汽车等待，却忽略了你其实可以直接在高速公路上新开辟一条车道。这种分离造成了一个混乱的循环：在不知道房间有多大之前，你无法知道该让多少架飞机延误；但如果不先知道有多少飞机要来，你也无法知道该如何把房间变大。

这就是名为 ASPaeroFlow 的新方法发挥作用的地方。你可以把它想象成一个超级聪明、无所不知的交通管理员，它能同时审视整个天空城市。它不再分别处理飞机和房间的问题，而是尝试同时解决这两个问题。然而，天空如此广阔，可能的组合又如此庞大，即使是世界上最快的超级计算机也会陷入困境。这就像是在试图解开一个拥有十亿块拼图碎片的拼图，并试图检查每一块碎片与其他每一块碎片之间的关系——这太耗时了。

来自奥地利、德国和法国的研究团队意识到，他们需要一个聪明的捷径。他们没有试图一次性解决整个拼图，而是发明了一种叫做“分解”（decomposition）的方法。想象一下，你有一个堆满杂物的巨大乱室。与其试图一次性清理整个房间，不如先专注于其中一个乱糟岭角，把它完美地清理干净，然后再转向下一个。论文指出，通过将巨大的天空问题分解成微小的、可管理的局部问题，并完美地解决这些局部问题，你可以在不感到崩溃的情况下清理掉整个乱局。

核心理念：将天空切成易于吞咽的碎片

这篇论文的核心是一个名为 ASPaeroFlow 的新工具。作者构建这个工具是为了处理“联合空中交通流与容量管理”（Joint Air Traffic Flow and Capacity Management）问题。用通俗的话说，他们想要找出同时管理飞机（流量）和空域房间（容量）的最佳方式。

作者认为，旧有的做法——先解决飞机问题，再解决房间问题，或者反之——并不是最好的方法。他们发现，当你试图同时解决所有问题时，你会得到更好的结果，但这在计算上极其困难。为了解决这个问题，他们使用了**回答集编程（Answer Set Programming, ASP）**技术。你可以把 ASP 想象成一个非常讲逻辑、遵守规则的机器人，它非常擅长解决复杂的谜题，但如果谜题太大，它就会变慢。

因此，团队将机器人的大脑与“分而治之”的策略结合在一起。以下是其算法的步骤：

1. 发现问题： 系统观察天空，找到第一个“超载”的扇区——即一个飞机过多的房间。
2. 局部放大： 它不再观察整个世界，而是将目光锁定在那个特定的问题点以及涉及其中的少量飞机上。它创建了一个微小的、局部的版本。
3. 尝试所有局部可能： 对于这个微型问题，系统使用逻辑机器人（ASP）尝试所有可能的解决方案组合。它会问：“如果我们让这架飞机延误会怎样？如果我们重新规划那架飞机的航线会怎样？如果我们把这个房间拆分成两个较小的房间会怎样？”
4. 挑选最优解： 它会选出能消除超载情况的最佳局部方案。
5. 重复执行： 它更新地图并寻找下一个问题点，重复这一过程，直到整个天空恢复畅通。

研究发现：移动墙壁的力量

研究人员在从微小的虚拟场景到涉及数千架次航班以及复杂欧洲和美国地图的大规模现实世界模拟等各种测试中，对他们的工具进行了测试。他们将这种方法与目前航空公司使用的标准“先到先得”（First-Come, First-Served）规则，以及其他先进的数学模型进行了对比。

以下是他们的主要发现：

1. 同时处理优于顺序处理
论文表明，同时解决问题（同时修复飞机和房间）优于分步解决。当他们尝试先修复房间再处理飞机（顺序处理法）时，只有在房间是唯一问题时效果才好。但如果房间无法通过调整来应对交通量，顺序处理法就会卡住。而同时处理的方法则可以通过混合使用延误、重新路由和改变房间结构，找到其他方法无法实现的解决方案。

2. “房间”比“飞机”更重要
关于究竟是什么解决了交通拥堵，其中一个最令人惊讶的发现是：作者进行了一项特殊的“消融实验”（ablation study），通过关闭不同的功能来观察哪一个起到了最大的作用。他们发现，**重构空域（改变房间）**在减少延误和超载方面的效果，远比仅仅移动飞机要显著得多。
可以这样理解：如果你在一个狭小的客厅里举办派对，而来了 50 个人，你可以让一些人在外面等（延误），或者让他们去厨房（重新路由）。但最有效的办法是拆掉墙壁，把客厅和餐厅合并。论文表明，在天空中，“拆墙”（拆分扇区）是我们拥有的最强大的工具。

3. 它具备现实世界的规模处理能力
作者展示了其方法可以处理“工业级”的实例。在模拟中，他们测试了包含多达 31,622 架次航班和超过 19,000 个导航点的复杂图谱。虽然那些试图完美解决整个问题的精确数学模型在面对这些大型问题时会崩溃或耗尽内存，但 ASPaeroFlow 依然能持续高效运行，并在合理的时间内找到解决方案。

4. 它优于旧规则
与标准的“先到先得”方法（称为 CASA）相比，新工具显著减少了必须在地面等待的航班数量。在测试中，新方法几乎解决了所有的交通拥堵，而旧方法则留下了许多未解决的问题。

局限性与未来

论文谨慎地指出，这并非解决一切问题的万灵药。该方法是一种“启发式算法”（heuristic），这意味着它是一种非常聪明的猜测，虽然效果很好，但并不保证能为整个天空找到绝对完美的数学最优解。它通过完美解决小部分问题来找到一个非常好的答案。

作者还指出，目前的模型假设天气和飞机的行为完全符合计划。但在现实世界中，风暴和机械故障随时会发生。他们建议，未来的工作需要处理这些“随机干扰”（stochastic disruptions），并可能使用“可解释人工智能”（Explainable AI）来解释计算机为何做出特定决策，以便人类管制员能够信任它。

最后，这篇论文表明，空中交通管理的未来不在于是在“移动飞机”还是“移动墙壁”之间做选择，而在于如何同时实现两者，并利用一种将宏大且看似不可能的问题分解为微小、可解碎片的聪明策略。通过让计算机同时进行“拆墙”和“移机”的操作，我们或许能让天空的流动变得更加顺畅。