CoFly 低空交通协调平台与飞行场景

系统设计 / UX设计｜校企合作项目｜2026.05—07

CoFly 低空交通协同调度平台

项目概览

本项目面向未来大湾区低空交通的调度场景，设计了由 AI 处理常规调度、协调员把控关键决策的协同平台。

我的工作

负责空域管理与航线安全文献研究，梳理平台的信息架构和核心流程，并与团队共同完成高保真界面及交互原型。

项目成果

人机协同机制AI 辅助，快速决策

高保真界面协调员工作流程系统界面

功能原型动态天气航线模拟

向下滚动查看项目

从飞行器研发，走向城市规模化运营

eVTOL 是一种以电力驱动、具备垂直起降能力的新型飞行器。

UAM（Urban Air Mobility，城市空中交通）则是利用 eVTOL 等航空器，在城市及都市圈内提供通勤、接驳和物流服务的低空交通模式。

Background项目背景

单一 eVTOL 飞行器发展为城市规模化 UAM 运行网络 — 当更多飞行任务进入有限的低空空间，UAM系统需要同时处理航班状态、天气变化、空域规则与多方协作。

三项城市低空交通挑战：空域密集——有限空间需要承载更多航线、任务与约束；环境多变——天气和临时限制持续改变空域与航线状态；多方协同——监管方、运营方与协调员需要共享态势并共同决策。

运营挑战正在发生转移

低空交通的关键问题，正从“如何飞行”转向“如何在动态条件下安全、高效地管理飞行”。

上述变化说明，低空交通需要新的管理方式。

但“如何管理”仍是一个过于宽泛的问题，因此我们从区域场景、协调员任务与现有框架三个层次继续收敛。

Problem Definition问题定义

问题定义从运营变化、区域场景、协调员任务与研究缺口四层逐步收敛，对应提出人机协同、动态天气响应、完整决策闭环和明确人机职责边界四项需求。 — 如何帮助协调员借助 AI 高效应对动态天气下的空域变化，同时在复杂、高风险决策中保有最终控制权？

从系统功能，转向协调员的判断路径

问题明确后，通过梳理城市空中交通系统、任务处理模型、人机协同研究，我们将协调城市空中交通任务的认知路径划分为 4 个阶段。

Framework框架建立

框架建立图：将城市空中交通系统的六类核心服务映射到信息获取、信息分析、决策制定与行动执行四类人类信息处理活动，并收敛为态势感知、冲突分析、任务决策和执行记录四阶段协调员认知路径。

让自动化提升效率，同时保留人的判断权

四阶段框架确定了工作顺序，接下来我们将其转化为三个可落地的设计策略。

Design Strategy设计策略

01

动态地理围栏

要解决: 天气变化快，固定围栏与大范围空域关闭难以及时、精细地响应风险。
设计方式: 根据天气风险动态更新围栏状态，并主动提示受影响空域与航班。

预期价值

精细空域控制
提前识别风险

02

认知阶段式交互

要解决: 功能导向的界面使信息分散，协调员需要在多个模块之间手动整合信息。
设计方式: 按照“看见—理解—决策—追踪”组织信息与操作，让判断过程保持连续。

预期价值

缩短决策路径
减少认知切换

03

异常流程下的人机分工

要解决: 系统只负责告警、不辅助解决，复杂冲突仍然全部留给人工处理。
设计方式: AI 生成候选方案，协调员确认或调整，系统执行并持续反馈结果。

预期价值

提高响应速度
人工保有最终决定权

AI 不替代协调员，而是承担高频信息处理与方案生成，让人把注意力留给复杂判断。

在具体调度流程中，明确人机核心交互

设计策略明确后，我们进一步把人机职责落实到调度流程：系统先判断冲突类型，再决定自动处理还是请求人工介入。

同时在宏观层面，系统闭环由 3 个主要环节构成：数据输入—系统处理—执行与反馈。

核心交互Human-AI Workflow

系统闭环由数据输入、系统处理、执行与反馈构成。气象、地理围栏、飞行器和起降场数据进入系统，系统处理后更新围栏边界、重新规划任务并向运营商推送通知。

CoFly 人机协同调度平台

CoFly 人机协同工作流：系统整合实时数据并判断冲突类型。常规冲突由 AI 自动生成并执行标准方案；异常冲突由 AI 预警并生成候选方案，协调员比较、修改或确认后由系统执行，最终持续监控并记录结果。 — 自动化程度随风险与不确定性变化：场景越标准，AI 处理越多；风险越高，协调员介入越深。

让界面跟随协调员的判断顺序

我们将“看见风险—理解冲突—做出决策—执行追踪”的工作路径进一步映射到界面布局中。

Interface Layout页面布局

CoFly 低保真调度界面总览，界面由左侧 AI 协作区、中部实时空域地图、右侧人工决策区和底部执行记录组成。

布局迭代

在第一版低保真界面方案中，航班与天气信息分散在地图下方，协调员需要频繁切换视线并手动整合信息，削弱了地图作为态势感知主视图的作用。

因此，我们重新调整了信息层级：

从“按功能摆放信息”，调整为“按决策阶段组织界面”

保留中央地图，专注展示实时空域态势

将告警、天气和受影响航班集中到 AI 协作区

将候选方案、修改与确认操作集中到人工决策区

通过时间轴与状态记录追踪执行结果

最终布局展示

CoFly 低保真界面，已标注态势感知、冲突分析、任务决策与执行记录四个区域及其判断顺序。

CoFly 高保真调度平台：左侧汇总 AI 风险预警，中部展示大湾区实时空域地图，右侧呈现候选方案与人工决策，底部记录执行进度。

Key Scenario页面流程展示

天气态势地图：显示台风移动路径及其影响区域。 — 天气进入系统
外部天气数据形成新的影响区域，系统显示位置、范围和持续时间。

风险识别界面：地图标出天气影响区域，左侧展示告警与冲突航班。 — 识别风险
AI 生成待确认地理围栏，并识别受影响航班、风险等级和冲突时间。

方案生成界面：左侧展示当前任务，右侧呈现地理围栏与航线调整建议。 — 生成方案
AI 提供绕行与延迟两类建议，同时显示对航程、时间和安全范围的影响。

人工判断界面：地图中对比三条候选绕行路线，右侧展示方案比较与调整操作。 — 人工判断
协调员比较候选方案，可接受建议、调整延迟时间、重画航线或修改围栏边界。

确认执行界面：地图显示选定的新路线，航班状态更新为正常。 — 确认执行
协调员确认后，系统更新围栏和航班任务，并在地图中显示新的路线与状态。

持续监控地图：显示运行中的航班与空域整体状态。 — 持续监控
系统继续检查天气变化；如果条件再次改变，已批准航班会被重新标记，协调员可进行二次调整。

航迹视图：网格地图显示航班标识、位置、飞行方向和路径关系。 — 航迹复核
切换航迹视图，查看航班位置、飞行方向与路径关系，辅助协调员核对调整后的运行态势。

观看原型演示

约 2 分钟 · 英文字幕

天气变化
风险识别
方案建议
人工确认
执行反馈

单独打开视频