9月19日，第十六届北京航展成功落幕，无人机展区的大放光彩，似乎成了航展的主角。不过，不少媒体认为，无人机的发展仍然受到空域监管能力的制约，短期内很难成为真正的空域用户。
然而，不可否认的是，无人机空中交通管理UTM（UnmannedAircraftSystemsTrafficManagement）正朝着基于大数据的信息化管制发展，UTM的诞生，将依赖互联网作为主要通信手段。对此，UTM管制员需要从空域“指挥家”转变为“大数据”专家。
无人机监管的“大数据”麻烦
随着技术的飞速进步，无人机在工业生产领域的应用不断扩大。土地确权、遥感航测、农业植保、电力巡线等商业应用成为了无人机应用的主要需求，无人机正逐渐成为民用航空的一支重要力量。然而，庞大的机队规模和增加的飞行总量，给无人机空域监管制造了不小的麻烦。
无人机机队规模庞大。研究机构EVTank发布的《2015年度民用无人机市场研究报告》显示，全球无人机在2014年迎来大约39万架的销量，其中民用无人机占96%。该机构还预测，到2020年，全球无人机年销量有望达到433万架。相比有人机每年交付总量不到5000架，无人机的交付量是其百倍，并且这个比例还在飞速提高。
交付量不断增加的背后，是高速增长的空中交通事故。8月，美国联邦航空局（FAA）公布了有人机在空中与无人机相遇的统计数据，截至8月，今年共发生650起空中相遇事故，是去年同期事故量的4倍之多。由于美国已累计售出50万架无人机（FAA统计），并且交付量正在迅速增加，无人机空中交通事故已迈入了高发期。
无人机空域监管能力不强的原因，除了庞大的机队规模外，还有难以统计的驾驶员数量和千差万别的无人机载荷设备。这些共同构成了无人机运行“大数据”，需要通过有别于传统的新技术帮助我们解决监管问题，重新构建监管框架与信息流。
无人机监管将飞入“云”时代
无人机本身就是高度依赖信息技术和数据驱动的行业，虽然空域监管制度还不完善，但“云”监管的思路已被广泛认同。
今年7月28日，美国航空航天局（NASA）召开了“无人机交通管理系统（UTM）大会”。大会认为，UTM不需要管制员持续不断地监视每一架无人机，而是由UTM向管制员提供各种空域运行数据，并由后者根据这些数据对空域中的运行作出决策。会议还指出，UTM系统应该具备自主决策特性，例如，根据当前的天气情况决定无人机是否可以运行，自主决策特性包括自我配置、自我优化和自我保护三个方面。在这次会上，Google公司提出未来UTM需要采用空域服务商（AirspaceServiceProviders（ASPs））的模式提供禁飞区、气象、地形障碍、交通、飞行计划等数据服务，并通过移动蜂窝网络（3G、4G）对无人机空域进行规划和容量管理。
目前，UTM系统尚待建成，但另一项基于云端的自动告警服务APP即将上线。FAA今年上半年公布了一款名为“B4UFLY”的移动终端APP，旨在帮助无人机用户了解飞行地点或飞行计划是否安全、合法。该程序的主要功能包括：通过显示器，告知操作者当前的位置信息，信息丰富的互动地图信息、附近机场信息和其他采用同样系统的其他无人机信息。FAA在今年8月28日，发布了1000个“B4UFLY”内测，内测数达千人，该测试计划进行两个月，并在测试结束之后，于今年底之前公开发行。虽然B4UFLY没有交互功能，但是通过云端的空中交通服务的部分功能已经启用。
UTM面临的挑战
挑战一：如何突破感知避让的技术障碍。有人机在空中运行采取“看见避让”的原则，即使在仪表飞行时，如果气象条件许可，驾驶员仍需遵守“看见避让”。无人机上由于没有驾驶员，应当采取“感知避让”的运行原则，但是FAA规定，无人机感知避让能力不得低于看见避让能力。从目标来分，无人机感知避让可分为合作式和非合作式两种类型。
合作式感知面临的挑战是需要降低设备价格、减轻重量和减少能耗。Amazon公司提出了一种地面车——车通信手段（V2V）解决方案。Google提出了移动蜂窝网络（3G、4G）通信技术，此外还有短距离ADS-B设备（UAT和1090ES模式）、LTE无线通信设备、基于802.11p通信协议的设备用于合作式感知避让。虽然在技术上不存在太多障碍，但是如果用于低载荷能力的微小型无人机，仍然存在较大困难。
非合作式感知技术面临的挑战是感知避让精度有待提高。美国有近5000架有人机没有装备应答机等设备，其中有一半飞机甚至连航电设备都没有（例如动力三角翼、滑翔机等），驾驶员很难观测到空中的无人机，即使观测到无人机目标，仍然需要判断这是近处的一架无人机，还是远处的一架有人机。这些都是非合作感知避让目标。航空无线电委员会（RTCA）规定：无人机在空中要及时发现有人机并进行避让。但是，基于传感器（惯性测量装置、激光雷达、相机等设备）的非合作式感知避让技术受到精度、机载设备精度、计算能力和轨迹预测能力的限制，仍存在较大误差，有待提高。
挑战二：在差异化载荷设备水平和运行环境下，如何制定UTM标准。在特定空域下，小型无人机的机载能力以及运行方式并不一定适应所有场景和飞行任务。例如，配置较低装备的无人机可能满足在边远地区飞行的安全需求。然而，如果需要在城市环境运行，则需要更为高配、安全的设备，以最大程度减少对人身安全、财产等造成损失的风险。Amazon将无人机载荷设备能力分为四类，分别为“Basic”、“Good”、“Better”和“Best”。其中，Best包括以下设备能力：（1）具有保证安全间隔的地测数据，（2）在线飞行规划管理，（3）可靠的网络链接，（4）合作型感知避让，（5）非合作感知避让。具有Best能力的无人机可以在低空实现安全自动化运行。UTM面临的挑战在于多元异类空域主体之间（包括有人飞机，不同设备能力的无人机），如何协调好空域间隔和相关运行标准以满足国际民航组织要求的空域技术风险，即不超过每飞行小时2.5×10m-9次致命碰撞事故。
挑战三：在空域服务商（ASPs）模式下，如何进行无人机安全认证。在UTM框架中，除管制部门和无人机运营商之外，选取第三方空域服务商的模式被广泛认同。但是，空域服务商如何构建无人机安全认证机制，是UTM需要解决的核心问题之一。Google公司提出了无人机安全认证系统，通过身份注册机构、认证授权机构和权限审查机构3家机构建立无人机安全认证的生态系统。首先建立高效的公钥设施（PublicKeyInfrastructure（PKI）），使无人机运营商生成一个公共的和一个私用的“密匙对”。运营商将公共密匙提交给注册机构，注册成功后，进一步将信息递交至认证授权中心，认证授权中心通过认证后给运营商发放资格证书，资格证书包含了运营商和认证授权中心二者的信息。然后，运营商将资格证书与飞行计划一同提交给空域服务商，后者继续将资格证书递交至权限验证中心，通过验证授权后，即完成了无人机的安全认证工作。最后，空域服务商受理飞行计划，提供空域服务。空域服务商虽然只提供信息认证和飞行计划受理服务，但是在管制部门和无人机运营商之间架起了一座桥梁，模块化地解决了无人机安全认证问题。
破题UTM发展，需突破大数据瓶颈
在“互联网+”的时代，建立信息化的UTM系统从技术上或许不存在障碍。难点在于如何建立监管与服务间的平衡制度，例如，如何让利益相关方接受UTM系统、在商业化运作下政府如何进行安全认证等。要破题UTM的发展，需利用无人机自身的大数据优势，建立互联网监管与服务体系。但是，从技术上看，利用大数据分析对UTM作出管理决策，需要突破三方面瓶颈：一是数据分析技术，无人机数据来源多样，各种非结构化数据进一步加大了分析决策难度；二是要解决数据孤岛问题，理论上无人机运行会产生庞大的数据，但实际上需要完善服务，平衡相关方的利益，让UTM成为无人机制造方、运营方和监管方都能接受的系统，才能形成大数据；三是人才的瓶颈，大数据对UTM管制员提出了新的技能要求，在掌握传统空中交通服务的基础上，能维护管理数据系统，熟练应用大数据分析工具，具备交叉学科知识与技能。
无人机运行大数据带动了无人机交通管理方法论上的变化，其本质是人的行为正在被虚拟化。管制员人工指挥的方式在UTM中根本无法实现，随着智能手机等移动互联终端设备的普及，通过数据建模对无人机运行作出决策成为主要发展趋势。UTM管制员必然会从拿着话筒的一线管制员退居为负责系统开发、数据维护的幕后角色。此时，管制员需要具备数据思维，重视数据的全面性，关注数据的复杂性。大数据成为UTM的核心价值，并将深刻影响空域的使用模式，甚至会对空域监管框架进行重新构建。（刘洋、管祥民）