清華大學車輛與運載學院長聘教授曲小波：《城市低空出行：載具、數據與孿生平臺》
2025年5月29日，由中國汽車工程學會汽車大數據應用分會、北京理工大學聯合主辦的“2025汽車大數據應用產業大會暨中國汽車工程學會汽車大數據應用分會成立大會”在北京亦莊隆重召開。大會以“數智驅動 擎啟新章”為主題，聚焦汽車大數據在電動化、智能化、網聯化轉型中的核心作用。
低空出行作為城市立體交通的新興領域，正引發全球關注。清華大學車輛與運載學院長聘教授、中國汽車工程學會汽車大數據應用分會副主任委員曲小波在《城市低空出行：載具、數據與孿生平臺》中，展望了城市低空出行及飛行汽車平臺面臨的機遇與挑戰，并從載具、數據、孿生三大方面介紹了所取得的研究成果。
清華大學車輛與運載學院長聘教授、中國汽車工程學會汽車大數據應用分會副主任委員 曲小波
以下為演講回顧：
尊敬的孫逢春院士，尊敬的趙祥模校長、廉總、侯福深秘書長，各位領導、各位專家、各位業界同仁，大家上午好！
三年前我剛剛回國工作的時候就參加了新能源汽車國家大數據聯盟舉辦的產業大會，今天非常高興能夠來到中國汽車工程學會汽車大數據應用分會成立大會，和大家探討城市低空出行。今天我主要討論數據在載具設計、孿生測試、瓶頸管控上的不可替代作用。
背景：城市擁堵
大家都希望生活在城市中，無論是歐美還是中國，城市化是不可逆轉的，人口都在向城市集中。人口向城市集中最大的問題就是會引起嚴重的交通擁堵，嚴重的交通擁堵會導致交通運輸工程這個學科最核心的矛盾。傳統上的交通供給是強依賴基礎設施的，也就是說，早高峰時我們有更大需求，但無法把現有基礎設施變大，兩車道就是兩車道，不可能變成五車道，到夜間低谷時兩車道還是兩車道，基礎設施是固性的，這個固性我們無法解決。怎么樣的運載工具、什么樣的出行模式可以解決基礎設施的固性？我們就弱化基礎設施作用，采用輕基礎設施、重運載工具的交通模式，那就是飛行。早高峰時如果交通需求非常非常大，可以開出10個虛擬航道，因為它的基礎設施非常輕，不需要花非常多的錢，開出10個航道是有可能的，而在夜間需求低谷時，可以只保留一個航道。
政策和市場
2023年我國開始提出“低空經濟”這個詞，2024年被廣泛定義為低空經濟元年，政府機構、航空行業、汽車行業、科技行業都非常重視低空經濟這個領域。但是低空飛行或者城市低空載人飛行并不是新鮮事物，1939年就有了直升飛機，但直到現在，我國民用直升飛機只有800多架，為什么它從來沒有上過量？我國地面交通有4億多輛車，但直升飛機只有800多架，這是由直升飛機本身問題決定的。
直升機困境
直升飛機是使用內燃機的，內燃機總有壞的可能性，它只有一個內燃機、一個槳，如果壞了就掉下來了，有非常大的安全隱患。另外內燃機振動噪聲非常大，像傳統汽車一樣是傳統動力，控制也是粗放的機動性很低，尤其是高密度通行情況下很難做自動駕駛，從而導致一定要有駕駛員。即使在民航局將要發布的規定之中eVTOL也是需要有一個安全員的。駕駛員培訓周期長、成本高，就導致它不可能成為流水線產品，成本大概是1500萬一架。
載具：飛行汽車平臺
從2016年開始，我國的新能源汽車發展得很好，電池能量密度提升了接近3倍，使得我們能夠使用電驅為飛行汽車提供動力。地面智能化做得相對比較好之后，對電驅的安全自主飛行機動性更好。張老師對飛行汽車提出的定義是：“飛行汽車依靠電力新能源驅動，可以垂直起降穿梭于城市，具有安全自主駕駛能力的大眾化載運工具。”它不會只有800多架，它一定是一個大眾化的載人工具，是以電動化和智能化為基礎出現的低空立體化。
電動垂直起降飛行器有三種：一種是多旋翼，旋翼平行于地面，爬升力是垂直于地面的；第二種是復合翼，復合翼是有翅膀的，可以利用空氣動力學在巡航時用翅膀來控制；第三種是傾轉旋翼，在爬升時平行于地面，爬升起來之后垂直于地面。
飛行汽車平臺有幾個特點：
1.電驅、安全冗余和自動駕駛
為什么飛行汽車能解決直升飛機的問題，第一它是電驅，電驅是分布式的，分布式有很多槳，我們有8個槳，壞掉1個它還是可以安全降落的，互相之間提供了安全冗余。我們要做的第二代產品是12個槳，壞掉2個也可以安全降落。其他產品也做過類似測試，電驅分布式可以提供安全冗余，電驅可以有更好的機動性，還可以做自動駕駛。
2.車規級供應鏈
我們可以更好的利用氫能源汽車供應鏈，即使現在有一些車規級的沒法上飛機，但是當新能源汽車再向前發展一步的話，可以與新能源汽車共用供應鏈，這樣它的價格會大大降低。
3.大眾化
飛行汽車生產將來一定會大眾化，上量之后一定是流水線生產，而不是定制化生產。根據美國的估計，飛行汽車將來的售價大概在20萬美金，合人民幣100萬出頭的樣子，在中國的供應鏈和生產情況下，肯定可以下探到70-80萬人民幣的水準。
4.數量級
根據空域能力和兩個飛機之間尾流以及飛機之間的通行能力，我們預計飛行汽車大概會是千萬量級，將來它的規則肯定是要更多參考地面交通規則，因為它上量了，但民航系統沒有任何管理大數量級交通工具的能力。剛才提到直升飛機有800多架，我國民航客機只有4000多架，它的管理經驗就是基于“醫生處方”，我開了一個處方，你只能按照這個做，任何沒有提到的你都不可以做，而地面交通是基于規則的，你只要不違反規則，其他任何事情你都可以做。
今天匯報主要是載具、孿生、管控這三方面，載具方面數據能夠提供什么樣的支撐，孿生測試方面提供什么樣的支撐，瓶頸管控方面提供什么樣的支撐。
面向出行場景的飛行汽車設計——以場景分析牽引載具研發
首先，設計一個什么樣的載具才能夠和地面交通相比，才能夠讓10%-15%的出租車或者私家車挪到低空飛行上去。這是我們從2017年就開始做的一個非常大的研究，當時和美國合作，美國有12個最大的區和中國10個最大的城市，我們做了相關對比分析，當時設計的是首末段用地面交通的模式：使用地面交通從你家到離家最近的停機坪，然后從停機坪飛到另外一個停機坪。比如我用飛行從清華飛到亦莊的某一個停機坪，從停機坪到會場用地面交通的模式。
我們也要確定關鍵技術設計參數，剛才提到有多旋翼、復合翼、傾轉旋翼不同形式。多旋翼適合多少載人數量，它適合的巡航速度是多少？傾轉旋翼、復合翼又有不同的對應參數。這個模型我今天不展開講了。我講幾個我們的結論。
我們對北京、上海、廣州、深圳基于不同拓撲結構和出行需求做了分析。復合翼，在北京有大概80%的市場份額，多旋翼大概20%的市場份額；深圳多旋翼的市場份額會更高一點，主要原因是在很多場景下飛行距離很短，我稍后會講支撐數據。這里不會有傾轉旋翼的市場，因為傾轉旋翼要到100公里以上才對復合翼有一定的優勢。載人數方面，因為座位數增加，空載率就有可能增加，多旋翼載人數是2人，復合翼大概是4人。相關的充換電哪種更好，各自優缺點是什么，我們在大的研究中都做了相關計算。
簡單提一下為什么說多旋翼和復合翼的份額占據了幾乎100%的份額。我們在城市中的飛行距離、飛行時長一般都是很短的，大概只有5-6分鐘，不需要飛更長的時間，比如從清華到亦莊來正常是40多公里，如果直線飛大概只有30多公里，這已經是北京最遠的飛行距離了，普通飛行一般都是20公里左右。
我們也做了粵港澳大灣區連通性研究，粵港澳大灣區有5個機場，13個大型高鐵站，它們之前沒有連通性，我們很難從廣州機場落地再去深圳機場換乘。如果用飛行汽車它的連通性就會很好，10多公里可以用多旋翼，30多公里用復合翼，100公里從廣州到深圳可以用傾轉旋翼，有不同的構形。基于不同的構形基于剛才的模型我們也設計了網絡，時間會從平均的110分鐘左右，降低到十幾分鐘，這也就意味著我們在18個大交通樞紐之間穿梭的時間，相當于在同一個機場內不同航站樓穿梭的時間，北京首都機場從1號航站樓到2號航站樓也是需要十幾分鐘的，這樣的話就會大大促進連通性。
我們基于所有設計參數設計了一款很有競爭力的飛行汽車，2024年10月18日與奇瑞汽車做了發布，到現在我們做了不同的測試，采用垂直起降，飛起來后用固定翼巡航的模式。研發過程我今天不做過多闡述了。
跨尺度低空交通數字孿生系統——低空載具交通擬真測試環境
基于我們非常高精度的出行數據，基于很多設計參數，我們知道什么樣的產品具有競爭力，能夠和出租車進行離岸選擇。這里有一個測試，我們做了虛實融合，某一個槳已經停轉了，但我們還能夠安全的保持降落。
在不同的場景下肯定有不同的載運工具，我們有多旋翼、復合翼、傾轉旋翼，每種載運工具有不同的大小、不同的載重、不同的巡航速度，是異構的，異構的情況下肯定要做異構測試。新能源汽車因為機動性很好，大部分場景下是做單車測試。而飛行汽車在機動性很差的情況下，如果只做單機測試是無法做到高密度通行的。我們做了載具級別的虛實孿生的數字孿生系統，場景可以生成白天、晚上，生成下雨、下雪、霧天，采集也是數字孿生最基礎的操作，可以做到精度大概2厘米，1分鐘的時間就可以做相關的建圖。我們也做了異構機型的建模，在孿生空間里面，可以做相關實際場景測試，去提升測試效率，加速測試流程。風場我們也做了相關的建模。
面相低空起降場景智能化管控——解決低空交通運作關鍵瓶頸
有了很好的三維環境，有了異構機群環境，我們可以做不同的場景、不同的連接測試，測試過程中發現最最瓶頸的場景是起降，起降需要全息的基地云的環境，能夠盡量最大化起降場地的通行能力。這個是持續高密操作的，載運平臺是異構的，運行環境是復雜的，在這種情況下肯定需要基地云的全息環境，需要多元的融合感知。這方面我們也做了很多相關數據集，我們的合作伙伴一方面是汽車行業，一方面是航天低空，是我們非常密切的合作伙伴，我們一起在重慶交付了兩個項目。
多元的融合感知，我們希望用最少的資源做到非常高精度的多元全息環境。商業航空中的起降是由塔臺管制、進近管制、區調進近塔臺，我們剛才的數字孿生空間里希望把其中的兩個進近給取消掉，能夠大大降低每一架飛機的降落時間。接下來會在青島有一個實際的測試場測試，我們也建了排序模型，基于我們能夠有的全息環境做了排序的模型。
最后我們希望做的效果是，飛機的尾流特性我們是無法消除的，但是其他所有的，如果我們有更多的資源，有更多的基地云設施，有全息的環境，我們可以把它的混合風險、變化性降到最低。現在我們在孿生環境中預計需要70秒鐘的時間去完成一架飛機起降。和航天低空一起合作，我們做了終端調度平臺，數據起了非常非常重要的作用。
簡單總結一下。載具層面有不同的構型，我們和美國有非常大的不同，美國的基礎設施沒我們好，他們的傾轉旋翼是很重要的場景，而在國內城市出行之中，15公里以下用多旋翼，15公里之上用復合翼，傾轉旋翼的市場會相對比較小。
有了數據之后，我們做孿生，加速我們虛實融合的測試，對飛行汽車飛控算法提供測試環境，像剛才我提到的某一個槳失效的情況下或者某兩個不同的失效槳的組合情況，我們應該做怎么樣的調整，為未來低空的交通講座管控系統奠定底座。以及為未來低空交通管控系統奠定底座。
第三個是管控，我們最大的瓶頸是起降，飛起來以后是三維空間，起降是準二維空間，起降過程中我們一定要有全息感知，基于尾流效應，這是我們永遠摒棄不了的，其他的我們都可以通過資源加持盡量提高它的精度，減少它的隨機性。我們全面協同飛行汽車起降落地實現安全高效的起降，謝謝大家！
- 大家都在看