基于大语言模型自动化生成空中交通管制训练场景的方法——AirTrafficGen

《IEEE Transactions on Intelligent Transportation Systems》：AirTrafficGen: Configurable Air Traffic Scenario Generation With Large Language Models

　　空中交通管制（ATC）训练场景的手动设计是一项耗时且高难度的瓶颈工作，限制了可供管制员使用的模拟场景多样性。为解决这一问题，我们提出了一种新颖的端到端方法——AirTrafficGen，利用大语言模型（LLMs）自动化并控制复杂ATC场景的生成。我们的方法采用专门构建的基于图的表示方式，将扇区拓扑（包括空域几何、航路和导航点）编码为LLMs可处理的格式。通过严格的基准测试，我们证明Gemini 2.5 Pro、OpenAI o3、GPT-oss-120b和GPT-5等前沿模型能够生成高流量场景，同时保持运行真实性。我们通过工程化的提示设计实现了对交互存在性、类型和位置的细粒度控制。初步研究发现，这些模型还具备迭代优化能力，能够根据简单的文本反馈修正存在缺陷的场景。该方法为手动场景设计提供了可扩展的替代方案，满足了ATC训练和验证模拟在数量和多样性方面的需求。更广泛地说，这项工作展示了大语言模型在安全关键领域复杂规划方面的潜力。