“显眼性崩溃”：对监控系统故障问题的日益关注导致低空空域的拥挤程度加剧

《Ad Hoc Networks》：Conspicuity collapse: Escalating broadcast on surveillance failure bounds low-altitude airspace density

　　• 空域密度和广播频道负载被证明是相同的变量。
• 年龄逆变将频道带宽转化为分离和密度限制。
• 精确的崩溃条件：应急负载/名义速率与阈值相比。
• 在能见度故障下，广播的加剧，而不是MAC，是导致崩溃的原因。
• 在一个封闭的循环中比较了九种广播方案，并采用了检测与避免机制。

引言
低空经济提出了在前所未有的密度下运行无人驾驶飞机的思路。其网络层正在设计中：架构研究和调查[1]、[2]、[3]描述了一个集成的空地堆栈，在该堆栈中，通信、感知、计算和空域管理是共同设计的；集成感知和通信被提议为其支柱之一[4]；并且预计智能服务将在整个空地层级上运行的大型AI模型上运行，这些模型通过一个以任务为导向的流程来结合感知、通信和计算[5]。所有这些服务都假设每架飞机的状态对于需要它的人来说都是已知且最新的。文献中计算飞机数量的方法是一样的：确定一个最小分离距离，加上一个用于导航和机动不确定性的缓冲区，然后计算空域能容纳多少个不重叠的保护区域。这个数字驱动着走廊设计、垂直起落场吞吐量研究以及该行业背后的商业模式。

计算中包含了一个隐含的假设：最小分离距离只有在每架飞机都知道其邻居的位置时才有意义，而这种知识并不是免费的。它是由一个共享的广播监视频道提供的——无论是网络或广播远程ID、车辆对车辆的侧链路，还是类似ADS-B的能见度链路——每架飞机都会定期向范围内的所有飞机宣布其状态。对于所有人来说，这个频道是相同的，而竞争使用该频道的飞机数量正是容量研究试图确定的密度。因此，空域密度和频道负载并不是独立的设计参数；它们是同一个变量的两种表现形式。

共享的能见度频道饱和并不是新闻。1090 MHz扩展SQUITTER频道在非协调的情况下既传输ADS-B广播也传输Mode S回复[6]、[7]，由此产生的相互干扰是导致其在密集终端空域更新率下降的已知原因[8]、[9]。有四种不同的文献对此进行了探讨，每种文献都回答了与我们不同的问题（第2节和表1详细比较了它们）。

空域容量研究根据几何形状来计算容量：Metropolis模型将空域结构与极端密度下的容量联系起来[10]，受限制的城市空域设计和概念调查比较了走廊和层次结构[11]、[12]，需求-容量平衡将结果作为输入[13]。U-space分离管理概念BUBBLES进一步将最小分离距离依赖于监视性能[14]，但监视性能仍然是输入因素，而不是交通流的结果。广播监视研究评估了所部署的链路：远程ID是否足以提供分离功能[15]，它能实现什么轨迹覆盖范围[16]，它是否能够推动检测与避免机制[17]，以及链路层选择如何影响其延迟[18]；由于1090 MHz ADS-B的容量不足，已经为小型无人机提出了类似ADS-B的Wi-Fi广播[19]，Karch等人对978 MHz UAT ADS-B进行了建模，展示了同频干扰如何降低消息成功率，从而影响碰撞避免[20]。这些研究都是在固定密度或固定链路响应的情况下对链路进行描述的，没有模型考虑了能见度故障对频道的反馈影响。广播拥塞控制会根据频道负载调整发射速率或资源选择：LIMERIC[21]和ETSI DCC[22]根据频道负载设定点进行调节，FABRIC通过网络效用最大化进行调节[23]，LTE-V2X和NR侧链路的基于感知的半持久性调度（SPS）通过预留最小占用资源进行调节[24]、[25]。越来越多的研究开始考虑时间成熟度的影响，从基于兴趣区域（AoI）的自适应信标[26]和针对AoI调整的DCC[27]、[28]，到针对AoI分析的SPS持续性和拥塞控制[29]、[30]、[31]；这些研究大多建议根据优先级或服务类别来权衡通话时间[32]、[33]。这些工作主要基于频道指标（占用率、交付率、时间成熟度）进行评估，而不是根据它们服务的车辆是否保持分离。最后，关于无人机和边缘网络的信息时效性的研究优化了轨迹、聚类、调度和资源分配，以保持数据的新鲜度[34]、[35]、[36]、[37]，或者在时间成熟度限制下最大化吞吐量和减轻计算负担[39]、[40]，通常采用凸优化或深度强化学习方法；在这些研究中，新鲜度要求是外生的，而在能见度频道中，新鲜度是由频道本身必须维持的车辆间距决定的。

这些研究都没有形成一个闭环。当监视功能下降时，飞机不会简单地继续运行：它会宣布一个能见度故障并执行保守的应急措施，这既会增加频道负载，又会使其偏离原定的飞行轨迹，从而有可能与其他飞机发生碰撞。因此，所提供的负载会通过空域几何结构反馈到本身，而不是像传统的ALOHA双稳态[41]、[42]那样通过重传积压来反馈。现有的研究既没有推导出这种反馈不稳定的条件，也没有确定控制它的设计变量。结果，该领域优化了媒体访问方案——我们展示了这一因素的重要性远低于通常假设的那样——但却忽略了决定空域是否崩溃的应急规则。现在这个问题变得重要了，因为低空经济的运营概念以及将在同一频道上使用广播认证方案的机制，正在这样的空域存在之前就被制定出来。

在本文中，我们分析了耦合的频道和空域系统，并表明低空空域是否崩溃是由其应急程序中的一个条款决定的，而不是由媒体访问方案决定的。我们证明了一个年龄逆变关系，该关系将频道带宽转换为分离距离的米数，并推导出负载递归崩溃的确切条件：
Kr0 = (rcontr0 ? 1)Tcont + δr0 > κ(a)，
其中r0是名义报告速率，rcont和Tcont是应急广播的速率和持续时间，δ是由应急机动引起的负载，κ(a)是一个仅依赖于所需监视窗口ΔRSP中报告数量a的阈值。该条件不涉及媒体访问方案、频道预算或碰撞模型；它与飞机在宣布监视故障后采用的广播速率的升级比率rcont/r0?1成线性关系，因此它是一个关于运营概念的陈述，而不是关于MAC的陈述。

我们在一个封闭循环模拟器中测试了这一预测，在4672次运行和十一个实验中，使用了一个与处理无关的最终基准——在同一密度和同一城市中，与完美监视相比的分离损失——并在预定的±20%范围内进行了等效性测试，比较了九种广播方案，包括部署的远程ID广播、LIMERIC、ETSI DCC、侧链路SPS、FABRIC和基于兴趣区域的信标。使应急通话时间中性化，这样即使失去了监视图像的飞机也会减速并平稳下来，但不会增加广播强度，从而使LIMERIC的性能提高了3.15倍（2.95, 3.37倍），ETSI DCC的性能提高了2.80倍（2.67, 2.93倍），并将其之间的差距从2.61倍压缩到了1.23倍，这相当于频道预算的1.5倍，在12种触发设置中都取得了胜利，并消除了一个宽达5.2倍的滞后循环。相比之下，监视文献推荐的三种能见度机制都没有达到这种效果：沉默作为合规和按风险比例分配通话时间在等效性下是无效的，而携带意图的报告比沉默更糟糕。

我们的贡献包括：
1. 年龄逆变关系Δ? ≥ n?/2B，在每种调度政策下都是成立的，通过可达集论点被转化为一个保证下限（由峰值年龄n?/B控制）和一个平均下限（由n?/2B控制），从而得出空域交换的频谱上限（定理1）。
2. 几何介导的负载递归的精确崩溃条件（定理2），其扩展到任意故障规律和自适应速率（命题1），以及将其重新排列为随密度变化的应急速率设计阈值（备注2，方程（25））。
3. 测量表明，这个阈值而不是速率控制器或MAC的选择决定了结果：这种效果大于任何测试过的媒体访问机制，能够承受所有触发参数和风险预算的冲击，并且在两种空域配置中都得到了验证。
4. 三个有界的负面结果：在TOST下，沉默和按风险比例分配通话时间是无效的；携带意图的报告会降低15%到21%的分离距离，同时提高跟踪精度，因为航线方向改变了避免层消耗的报告速度；我们诊断了这个问题，修复了它，并用一个包含航位推算作为极限的预测器家族来限制修复后的机制。

本文的其余部分组织如下：第2节定位了这项工作并将其与最接近的研究进行比较（表1）。第3节定义了耦合模型并证明了其参数值（表2），第4节对其进行了分析。第5节规定了四个设计杠杆。第6节是评估方法论，第7节和第8节分别给出了评估结果及其影响，第9节解释了研究结果并指出了有效性的威胁。一架飞机报告出现了能见度故障，因为相关通信渠道未能正常工作；该飞机增加故障报告频率的做法会进一步加重这个故障渠道的负担，从而导致故障状况恶化。通常情况下，低空空域的容量是通过几何计算得出的，这一计算过程隐含着一个假设，即监控工作是免费的。但实际上并非如此：监控工作是由一个共享的广播渠道来完成的，而这个渠道的负载量与所需计算的空域密度是一个相同的变量。我们研究了哪些设计因素会影响这一反馈机制，并通过分析与实证研究得出了结论。在任何情况下，分析结果都表明：Δ?≥n?/2B。这一关系可以分解为两个限制因素——其中一个限制因素是由平均年龄n?/BCRedI所决定的。

**作者贡献声明：**
Phat T. Tran-Truong：负责撰写初稿、软件开发、方法论设计、调查分析及概念框架构建。
Ha X. Son：负责审阅与编辑、验证结果、方法论改进及形式化分析。
Phien Nguyen-Ngoc：负责审阅与编辑、项目监督、方法论完善及概念框架构建。
Tung Q. Nguyen：负责软件开发及数据整理。
Nhan T.K. Nguyen：负责数据可视化及软件实现。
Huy G. Tran：负责结果验证及数据处理。
Thuc M. Nguyen：参与整个项目的全面管理工作。

**关于写作过程中使用生成式AI与AI辅助技术的声明：**
在准备本研究的过程中，作者使用了AI工具（Anthropic Claude）来检查语法错误、优化文本内容并整理参考文献条目。使用该工具后，作者对内容进行了必要的审阅和修改，并对出版物的内容负全责。

**关于利益冲突的声明：**
作者声明不存在任何可能影响本文研究结果的财务利益冲突或个人关系的情况。

**致谢：**
我们感谢胡志明市政科技大学（HCMUT）和VNU-HCM对这项研究的支持。

**团队成员：**
Phat T. Tran-Truong | Ha X. Son | Phien Nguyen-Ngoc | Tung Q. Nguyen | Nhan T.K. Nguyen | Huy G. Tran | Thuc M. Nguyen | Triet M. Nguyen | Khanh H. Vo