面向航空交通管理中AI辅助飞行计划的决策保障层研究

生成式AI正被非正式地应用于航空交通管理（ATM）中的飞行计划生成、轨迹解读和约束检查等任务。尽管这些工具能减轻工作负荷并加速规划流程，但其非确定性输出在人机协同场景下会带来安全与运行风险。本文提出AI信任与保障层（ATAL），一种模型无关的决策保障架构，用于评估AI生成的飞行计划输出是否足以满足运营使用的需求。ATAL融合了提示变化下的语义稳定性、结构化输出的运营一致性以及对领域规则的规范性约束验证，并将这些信号映射为决策准备等级（DRL），供人类操作员参考。一项受航空交通管理启发的实验研究表明，可以在影响飞行计划验证或执行前识别出不安全、不一致或具有误导性的输出。尽管该研究以航空领域为背景，但该框架也可推广至其他需要在监管约束下由人类监督的高安全关键决策支持领域。