近年來，低空經(jīng)濟(jì)作為國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)經(jīng)歷了爆發(fā)性增長(zhǎng)。無人機(jī)物流、城市空中交通和低空旅游等新興領(lǐng)域蓬勃發(fā)展，從根本上改變了傳統(tǒng)的空域利用模式。然而，低空空域的開放和飛機(jī)數(shù)量的增加雖然帶來了經(jīng)濟(jì)效益和社會(huì)便利，但也引發(fā)了嚴(yán)重的安全挑戰(zhàn)。實(shí)踐中，"黑飛"無人機(jī)干擾民航運(yùn)行的事件頻發(fā)，直接威脅著航空運(yùn)輸安全。未經(jīng)許可的無人機(jī)侵入政府機(jī)關(guān)、軍事設(shè)施和核電站等敏感空域區(qū)域，對(duì)國(guó)家主權(quán)和安全構(gòu)成嚴(yán)重威脅。此外，低空飛機(jī)還存在被用于恐怖襲擊和走私等犯罪活動(dòng)的潛在風(fēng)險(xiǎn)。這些低空緊急事件通常具有高度的時(shí)空動(dòng)態(tài)性、快速演變和復(fù)雜的相互依賴性。它們的發(fā)生和發(fā)展往往涉及空間和時(shí)間維度的多因素相互作用，給依賴固定監(jiān)控點(diǎn)和靜態(tài)規(guī)則庫的傳統(tǒng)安全系統(tǒng)帶來了前所未有的壓力。傳統(tǒng)安全措施在應(yīng)對(duì)這些新興威脅方面存在顯著局限性：它們難以有效描述和模擬低空網(wǎng)絡(luò)中威脅的時(shí)空傳播路徑和動(dòng)態(tài)演變模式，導(dǎo)致情境感知的及時(shí)性、風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和智能決策支持能力不足[[1], [2]]。因此，開展低空緊急事件智能預(yù)警系統(tǒng)的研究具有理論和實(shí)踐意義。
為應(yīng)對(duì)日益突出的低空安全威脅，國(guó)內(nèi)外學(xué)術(shù)界和工業(yè)界探索了多種技術(shù)方法[[3], [4]]。在低空風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)技術(shù)中，當(dāng)前方法主要利用雷達(dá)、光電和無線電監(jiān)測(cè)系統(tǒng)進(jìn)行目標(biāo)檢測(cè)、識(shí)別和跟蹤。這些方法通常采用傳統(tǒng)的時(shí)間序列分析技術(shù)進(jìn)行基本趨勢(shì)外推和預(yù)警[[5], [6]]。雖然這些方法可以實(shí)現(xiàn)基本的數(shù)據(jù)感知和表面預(yù)測(cè)，但通常缺乏對(duì)低空環(huán)境空間拓?fù)浣Y(jié)構(gòu)和時(shí)空序列之間深度非線性相關(guān)性的建模能力，難以滿足復(fù)雜場(chǎng)景下的精確預(yù)測(cè)需求[[7], [8]]。
在時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)領(lǐng)域，由于其強(qiáng)大的時(shí)空相關(guān)性建模能力，該技術(shù)在交通流量預(yù)測(cè)和人群運(yùn)動(dòng)分析等場(chǎng)景中取得了顯著成功[[9], [10]]。經(jīng)典模型如STGCN和ASTGCN通過圖卷積網(wǎng)絡(luò)捕獲空間依賴性，并通過時(shí)間卷積或循環(huán)網(wǎng)絡(luò)處理時(shí)間動(dòng)態(tài)，展現(xiàn)出出色的特征提取性能[[11], [12]]。然而，將STGNN直接應(yīng)用于低空安全領(lǐng)域——一個(gè)具有獨(dú)特空間約束、行為模式和風(fēng)險(xiǎn)傳播特性的領(lǐng)域——仍處于起步階段。其模型架構(gòu)的適應(yīng)性、場(chǎng)景特征的有效編碼和預(yù)測(cè)性能都需要進(jìn)一步驗(yàn)證和優(yōu)化[[13], [14]]。
在注意力機(jī)制研究中，自注意力及其變體通過動(dòng)態(tài)計(jì)算輸入元素的重要性權(quán)重，在提高模型性能和解釋性方面表現(xiàn)出獨(dú)特優(yōu)勢(shì)[[15], [16], [17]]。對(duì)于時(shí)空預(yù)測(cè)任務(wù)，注意力機(jī)制使模型能夠關(guān)注關(guān)鍵的時(shí)間段或空間節(jié)點(diǎn)。然而，當(dāng)前研究主要將其視為STGNN中的輔助模塊。關(guān)于如何深入整合注意力機(jī)制與STGNN以更好地模擬隨時(shí)間和空間演變的低空事件的異質(zhì)性和關(guān)鍵影響因素的系統(tǒng)研究仍然很少[[18], [19], [20]]。
總之，當(dāng)前關(guān)于低空緊急事件精確預(yù)警的研究面臨一個(gè)根本矛盾[[21], [22], [23]]：一方面，低空風(fēng)險(xiǎn)的動(dòng)態(tài)時(shí)空耦合需要具有強(qiáng)大相關(guān)性建模能力的模型；另一方面，現(xiàn)有方法在適應(yīng)空域結(jié)構(gòu)和動(dòng)態(tài)聚焦關(guān)鍵時(shí)空信息方面存在不足，導(dǎo)致預(yù)測(cè)準(zhǔn)確性和解釋性受限[[23], [24], [25], [26], [27]]。
因此，本文聚焦于低空緊急事件等級(jí)預(yù)測(cè)的核心任務(wù)，并選擇ASTGCN及其擴(kuò)展作為基本框架。這主要是因?yàn)槠浣Y(jié)構(gòu)清晰（時(shí)空注意力的分離），并且易于與本研究提出的自適應(yīng)圖構(gòu)建、門控融合等其他模塊集成。盡管近年來出現(xiàn)了圖變換器（Graph Transformer）等模型，但它們的計(jì)算復(fù)雜度高，且不像STGNN那樣直接編碼空間結(jié)構(gòu)信息。本文提出了一種新的預(yù)測(cè)模型，深度融合了注意力機(jī)制和時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)。這種架構(gòu)（GCN + 注意力）可以視為一種有效的折中方案，更好地滿足了低空安全預(yù)警的實(shí)時(shí)性和清晰空間關(guān)系的雙重要求。通過構(gòu)建自適應(yīng)空間域圖來準(zhǔn)確表示時(shí)空相關(guān)性，并設(shè)計(jì)門控時(shí)空注意力機(jī)制以實(shí)現(xiàn)動(dòng)態(tài)特征聚焦，本文最終實(shí)現(xiàn)了對(duì)事件風(fēng)險(xiǎn)等級(jí)的精確和可解釋的預(yù)測(cè)，為構(gòu)建智能低空安全防護(hù)系統(tǒng)提供了核心算法支持。
