南京航空航天大学:复杂城市场景下城市空中交通垂直起降场选址与优化
南京航空航天大学论文复杂城市场景下城市空中交通垂直起降场选址与优化（Vertiport Location Selection and Optimization for Urban Air Mobility in Complex Urban Scenes），摘要垂直起降场（Vertiport）是电动垂直起降飞行器（eVTOL）的专用配套设施，是保障城市空中交通（UAM）高效、可持续运行的核心载体。但城市土地资源紧缺、空间环境复杂，且选址需兼顾多重目标，导致 UAM 基建选址问题难度持续上升。本文面向载人城市空中交通运营，构建一套完整的垂直起降场系统化选址框架。首先，从安全、经济、社会三大维度，将选址核心影响因素划分为高、中、低三级优先级，搭建模块化分级评价指标体系；依托地理信息系统（GIS）构建空间筛选流程，初步筛选出垂直起降场备选点位；其次，在渐进覆盖模型中引入需求满足度变量，构建面向起降场优化选址的 PCM-DSL 模型，并设计混合智能算法完成模型求解；以深圳市为实证案例，结合真实城市数据验证整套方法的有效性。研究结果表明：起降场建设规模与空间占地要求直接决定可适配土地类型；过度收紧经济约束会造成设施空间过度集聚，而结合城市功能分区制定差异化选址标准，可提升公共服务均等化水平；将起降场布局于高需求区域能够显著提升整体需求满足度，同时单场站服务容量、服务辐射半径对整个 UAM 系统运行效能存在关键影响。研究结论可为国内城市空中交通规划落地提供实操参考，优化城市土地资源配置，支撑城市低空交通规模化、可持续落地。关键词：城市空中交通（UAM）；地理信息系统（GIS）；评价指标体系；渐进覆盖模型1 引言全球人口持续增长、城镇化进程加速，城市群成为城市空间发展主流趋势。城市建成区不断扩张、城区功能分化，地面交通可达性持续下降，居民通勤时长显著增加；同时城市出行需求爆发式增长，传统地面交通基础设施长期超负荷运转。在此背景下，依托 eVTOL 等先进航空技术发展的城市空中交通（UAM）被视为缓解地面拥堵的重要解决方案。载人空中出租作为 UAM 核心业态，可补充现有多模式地面交通网络，缩短跨区域出行时间、提升交通可达性。其核心目标客群为商务人士、城市高收入通勤群体，这类人群更看重出行时效，对出行成本敏感度较低，也是 UAM 商业化初期的核心市场。尽管发展前景广阔，UAM 规模化落地仍面临诸多瓶颈，地面基础设施建设是最突出短板。美国国家航空航天局（NASA）在 UAM 运行概念文件中指出，起降场规划建设是低空交通规模化推广的核心环节，起降场供给不足是制约行业扩张的第二大障碍；欧洲单一天空空中交通管理研究计划（SESAR）发布的第四版低空运行体系运行手册明确，起降场不只是 UAM 运行物理载体，更是保障城市低空飞行安全、高效、可持续运行的核心枢纽；欧洲航空安全局（EASA）、优步空中出行白皮书均提出，大都市区域缺少配套地面设施是 UAM 落地最大难题。学界针对 UAM 地面设施提出多种定义，依据飞行器载客量、功能分为小型起降场、空中园区、垂直起降场、空中港、低空基地等，本文统一使用垂直起降场（Vertiport） 指代所有支撑 eVTOL 运行的地面基础设施。当前全球尚未实现大规模 UAM 商业运营，起降场选址相关研究多停留在理论层面，现有研究主要分为两类：一是识别选址影响因素；二是构建选址优化模型。现有文献梳理的选址约束要素涵盖：空域资源、航线净空、气象条件等航空核心约束；场站布局、土地供给、基建成熟度等场地要素；地面拥堵、多模式接驳等交通要素；噪声污染、社会公平、公众接受度等社会要素；政策法规、市场需求、建设运营成本等经济政策要素。多准则决策方法（MCDM）是场站选址主流工具，学者采用最优最劣法、层次分析法（AHP）、德尔菲法搭建多维度评价体系；GIS 技术被广泛用于空间叠加、多源数据可视化适宜性分析；K-means 聚类、约束聚类等数据驱动算法可基于出行大数据挖掘高潜力备选点位；另有大量研究将起降场选址转化为设施选址优化模型，通过遗传算法、混合整数线性规划、贪心启发式算法求解，包含枢纽中位模型、覆盖优化模型、鲁棒优化模型等。但现有方法存在明显缺陷：多准则决策高度依赖专家打分，主观性强；聚类算法无法独立处理多目标、多约束耦合选址问题；传统枢纽选址模型基于静态中心化网络假设，难以适配 UAM 动态多节点协同、多层级运营特征。本文将起降场选址定义为典型设施选址问题，摒弃传统权重打分模式，采用分级模块化评价框架降低主观偏差，适配不同城市环境；先通过指标体系筛选备选场地，再构建优化模型确定最终布局；改进传统渐进覆盖模型，引入需求满足度指标，在土地资源有限、需求分布不均的城市环境下，实现设施覆盖最大化与服务均等化双目标。载人 UAM 完整出行链路：乘客通过步行 / 地面交通抵达出发起降场→乘坐 eVTOL 飞往目的地起降场→落地后换乘地面交通完成最后一公里。起降场作为出行起讫节点，空间布局直接决定系统可达性、出行便捷度与公共服务公平性。城市核心区土地竞争激烈、地价高昂，建筑密集、空域环境复杂，叠加经济、需求、环境、安全多重约束，衍生两大核心研究难题：复杂城市环境下如何科学筛选适配起降场建设用地？eVTOL 三维运行特性带来复杂空域约束，选址同时受人口密度、土地性质、交通接驳、安全法规、噪声环境等多要素耦合影响，且不同城市社会经济、空间格局差异巨大，难以形成通用评价体系，亟需一套结构清晰、可本地化调整的柔性指标框架。如何筛选最优起降场点位，最大化匹配城市出行需求？城市出行需求空间分布极不均衡，商业核心区需求高度集中，城郊、居住区供给缺口大，极易出现资源分配失衡；需量化各区域需求满足程度，在兼顾布局公平性的前提下实现长期可持续规划。整体流程：基于地形、用地、建筑、交通网络等三维空间信息筛选备选场地；再从备选点位中择优确定最终起降场，搭建高效低空交通网络，保障空域设施布局合理、服务覆盖效率最大化。研究分为两大核心模块：模块化分级评价指标体系、PCM-DSL 优化选址模型基于分级指标体系的 GIS 空间筛选梳理安全、社会、经济三大维度选址要素，结合文献与行业专家意见，将指标划分为高、中、低三级优先级，搭建分层模块化评价框架；结合 ArcGIS 与 Python 开发空间筛选工具，完成三维空域障碍物分析，输出符合标准的起降场备选点位。基于 PCM-DSL 模型的场站布局优化在传统渐进覆盖模型（PCM）中新增需求满足度变量，构建改进 PCM-DSL 模型；以设施数量、场站容量为约束，最大化城市整体需求满足度；设计混合遗传算法求解大规模选址问题，输出最优起降场空间布局方案。整套框架融合 GIS 定性空间筛选与定量数学优化模型，适用于各类大型城市低空交通战略规划。起降场属于公共交通基础设施，需兼顾区域均衡发展与公众接纳度，核心指标：用地兼容性：城市用地分为居住、商业、工业、农业、交通、公共服务六类，农用地、生态保护区、敏感区域建设适配度极低；社会公平：避免设施过度集中于核心商圈，均衡覆盖居住区、文旅、交通枢纽等各类兴趣点（POI），保障不同群体均等享受 UAM 服务；POI 分为交通枢纽、商业服务、公共配套、休闲文旅、居住、工业园区六类；政策管控约束：政府机关、军事区、中小学、加油站等区域设置强制安全缓冲带（30–100 米），划为限制建设区；地面交通接驳：起降场需与地铁、高铁、机场等地面枢纽近距离衔接，实现多模式一体化换乘。安全为选址第一准则，分为场地空间尺寸、空域净空两大板块：场站场地尺寸要求梳理主流 eVTOL 机型参数（空客、亿航、Joby、Lilium 等），飞行器最大外廓尺寸 D 值区间 4–15.24m，本文保守取值 16m 作为设计基准；参考 FAA、EASA、ICAO 规范，起降场分为起降区（TLOF）、最终进近起飞区（FATO）、安全缓冲区（SA），不同机构给出差异化最小占地标准；场站分为极简单起降坪、配套充电停机坪中型场站、融合旅客服务大厅大型综合枢纽三类。空域净空约束依据 EASA 空域规范划分三类起降飞行程序：单方向起降（1 类）、双向起降（2 类）、全向无遮挡起降（3 类）；结合建筑高程、数字地形模型构建三维障碍物模型，自动校验进近离场航线是否存在遮挡，仅保留无障碍物航线的备选场地。3.1.3 经济维度UAM 初期出行成本偏高，目标客群以高收入人群为主，两大核心指标：人口密度：人口密集区潜在出行需求更大，将出行需求划分为居住、工作、休闲、通勤四类，结合人口栅格数据预测区域潜在客流；租金水平：住宅租金、写字楼租金可间接反映区域居民收入、企业商务出行强度，高租金区域用户付费意愿更强，商业化落地收益更高。区别于传统 AHP 固定权重静态评价模型，本文将安全、社会可行性、经济可行性全部指标划分为高 / 中 / 低三档优先级，可根据城市发展阶段、规划目标自由组合，适配不同城市差异化规划需求，规避指标权重争议，提升模型通用性。3.3 基于 ArcGIS+Python 的备选场地筛选流程搭建自动化空间分析工具链，整合行政区划、建筑轮廓、数字高程、POI、路网、限制区矢量数据；核心环节为三维空域障碍物校验：遍历备选场地 360° 全方向构建起降空域几何体，与建筑、地形做相交判断，仅保留存在无遮挡起降航线的点位作为有效备选场地。单个需求点可被多个起降场服务，但需求满足总量不超过 100%；可建设起降场总数存在上限，单场站最大服务容量有限；集合 N：所有出行需求栅格点；集合 V：所有备选起降场点位\(q_i\)：需求点 i 出行总量；(d_{ij})：需求点 i 到场站 j 距离(r_j)：场站 j 完整服务半径；(l_j)：场站 j 最大服务半径(f_{ij})：场站 j 对需求 i 的覆盖概率；(x_j)：0-1 二元变量，是否建设场站 j(p_{ij})：场站 j 对需求 i 的需求满足度（0~1）；H：场站建设数量上限优化目标：最大化城市全域总满足需求(Max Z=sum _{iin N} sum _{jin V} q_{i} p_{i j}\)覆盖概率分段函数：距离完整半径内需求完全满足；完整半径至最大半径区间满足度随距离指数衰减；超出最大半径无服务。场站安全间距约束：任意两座起降场间距大于最小安全距离；容量约束：单场站分配客流高于最低建设门槛、低于最大服务容量；服务可行性约束：仅当场站建成时，才可分配需求满足度；需求分配约束：单个需求点被所有场站分配的满足度之和≤1；变量定义域约束：场站建设为 0-1 变量，需求满足度为连续 0~1 变量。城市尺度需求点与备选点位数量庞大，精确求解器计算成本极高，本文构建贪心初始化 + 遗传算法 + Gurobi 精确局部优化混合算法：遗传迭代优化：基于总满足需求度作为适应度，交叉、变异迭代寻优；局部精确优化：固定场站选址后，通过 Gurobi 求解最优需求分配矩阵。数值对比验证：混合算法计算效率远高于纯精确求解器，最优解偏差低于 2.5%；相比单纯遗传算法，场站空间分布更均衡，无严重集聚现象，兼顾计算速度与布局公平性。深圳全域面积 1997.47km²，常住人口超 1700 万，居民收入位居国内前列，已落地多项 eVTOL 试飞试点，具备真实 UAM 应用场景。多源数据包含：地理基础矢量、POI 兴趣点、手机信令出行轨迹、人口普查栅格、分片区住宅 / 写字楼租金统计年鉴；结合主流 eVTOL 参数设定模型输入（续航 15–250km、载客 1–6 人、起降噪声 60–85dB）。出行需求测算：融合居住、办公、休闲、交通枢纽四类 POI 与动态手机信令，生成高精度城市出行需求热力图。高标准统一指标筛选：全部维度采用高优先级标准，筛选出 212 个备选点位，高度集中于南山区（占 55%）、宝安、龙华；适配场地主要为商业楼宇屋顶、高架沿线绿地、滨水地块，但滨水地块距离核心居住区较远，服务公平性不足。安全标准放宽后，城市楼宇屋顶大量纳入备选，点位数量大幅提升；高安全标准下仅绿地、滨水等低建筑遮挡区域可选；经济约束降低，备选场地全域扩散；严格经济门槛会造成点位高度集聚；社会公平指标可平衡区域点位分布，缓解核心区过度集中。基于城市功能分区差异化评价将深圳 74 个街道划分为商务、制造、文旅、居住四大功能区，分区定制三级指标优先级：商业区重经济、居住区重安全与社会公平、工业区降低安全约束、文旅区降低经济门槛。差异化方案筛选得到 3977 个备选点位，空间分布更均衡，解决统一标准下点位集聚问题。基于 3977 个备选点位、2370 个需求栅格开展优化，调整场站建设数量 H（10–250）测试系统性能：场站数量与需求满足度：边际收益递减，H=10 至 100 覆盖度快速提升；超过 210 座场站后，需求满足度提升不足 1.3%，最优建设规模区间 180–210 座；但场站超过 150 座后，计算耗时呈爆发式增长。最终布局特征：场站集中于南山、福田、罗湖、宝安西部城市核心；大鹏、盐田等东南片区点位极少，受人口密度、生态管控、基础设施薄弱限制。需求满足度均值 0.653，大部分区域实现中等偏高水平服务。出行需求：商务出行覆盖度对需求规模变化最敏感，休闲出行覆盖度最稳定；场站最大容量：容量越小，场站越密集；容量提升可减少核心区集聚，优化空间均衡性；服务半径：半径越大，单场站覆盖客流越多，布局更分散；半径过小则需要高密度场站，易出现服务重叠冗余。6 结论与展望核心研究结论安全指标是决定场地适配性的核心约束，全域统一高标准会大幅压缩可用土地，需结合城市区域特征设置差异化安全阈值；仅依靠经济指标选址会造成场站过度集聚，损害城郊公共服务公平性；按城市功能分区实施分级评价标准，可优化场站空间分布，提升全域服务均衡度；场站布局在高需求区可提升整体客流覆盖，但易出现服务重叠、资源浪费；单场站最大服务容量直接影响空间集聚程度，大容量场站可减少点位密度，优化布局均衡性。
