空中出租车省下的时间，都在地面还回去了：深度强化学习+V2X把门到门时长压掉34%
空中出租车省下来的时间，很可能在地面接驳环节全部还回去。这是城市空中交通（UAM）商业化中一个被长期低估的真问题：乘客关心的是门到门总时长，而不是空中段飞了多久。西安电子科技大学庞奥宇、王茂楠、沙子帆、岳文伟、李长乐团队，联合诺基亚贝尔实验室 Chung Shue Chen 与香港中文大学（深圳）潘文安，在《Heterogeneous Vertiport Selection Optimization for On-Demand Air Taxi Services: A Deep Reinforcement Learning Approach》（arXiv:2601.21316，2026 年 1 月 29 日提交，cs.LG/cs.AI）中提出 UAGMC 框架，把空地两段放进同一个决策问题，并已在 GitHub 开源代码。
论文解决了什么问题
现有 UAM 研究大多默认乘客"已经站在起降场里"，把优化重心放在航路、调度、间隔上。但真实出行链条是：地面出发点 → 地面交通抵达起降场 → 等待与登机 → 空中飞行 → 目的地起降场 → 地面交通抵达终点。论文指出，关于空地一体化出行系统中乘客最优综合路径策略的研究至今仍然稀缺，缺乏系统性探索。
更棘手的是"异构"二字：城市里的起降场（vertiport）在容量、位置、地面接驳条件上千差万别——有的建在 CBD 楼顶但泊位只有两个，有的在城郊容量充裕却离地铁两公里。把乘客按比例平均分配到各起降场，是目前最常见也最粗糙的做法，结果往往是热门场站排长队、冷门场站空转。
方法亮点：统一建模 + 深度强化学习 + V2X
论文的技术路径分两步：
- 统一优化模型：把空中段与地面段的策略选择合并建模，同时刻画多模式交通网络的动态特性，纳入实时路况与乘客决策行为，而不是把两段割裂为两个子问题分别求最优。
- UAGMC 框架（Unified Air-Ground Mobility Coordination，空地统一出行协同）：用深度强化学习做序贯决策，配合 V2X（车联万物）通信获取实时地面交通状态，动态完成起降场选择与空中出租车航线规划两件事。
| 对比维度 | 传统比例分配 | UAGMC 框架 |
|---|---|---|
| 决策对象 | 仅空中段或仅地面段 | 空地两段联合决策 |
| 起降场分配 | 按固定比例静态分配 | 基于实时状态动态选择 |
| 信息输入 | 静态需求预测 | V2X 实时路况 + 乘客行为 |
| 平均出行时间 | 基线 | 下降 34% |
34% 这个数字来自仿真实验对比。团队把代码开源在 GitHub 的 Traffic-Alpha/UAGMC 仓库，这在 UAM 调度类论文中并不多见，也让第三方复现与二次开发有了抓手。
对低空/eVTOL 产业意味着什么
第一，它把起降场选址与起降场调度切成了两个问题。国内不少城市在低空基础设施规划阶段热衷于"建多少个点、建在哪儿"，但这篇论文提醒：即便点位已经建成，如何在运行中动态决定"这位乘客该去哪个点"，同样能挖出 30% 量级的效率空间——而后者几乎不需要额外土建投资，属于典型的软件红利。
第二，V2X 与低空的融合有了具体的应用场景。中国已在多个城市推进"车路云一体化"试点，路侧单元与车端数据本就在积累。把这套地面智能网联的实时数据接入低空调度系统，是低空经济少见的、能直接复用既有基础设施投资的方向，对地方政府的投入产出比很友好。
第三，对运营方的定价与调度策略有直接启发。既然门到门总时长才是乘客的真实感知，那么运营平台就应该按"综合时间收益"而非"空中里程"来做产品设计与动态定价——这与我们此前分析的 eVTOL 单座成本经济学是同一枚硬币的两面。
局限与展望
需要清醒的地方有四点。其一，34% 的提升是相对"比例分配"这一较弱基线得到的，若与经过调优的启发式调度或运筹优化方法对比，差距大概率会收窄，论文并未给出这类强基线的对照。其二，全部结论来自仿真环境，乘客决策行为是建模假设而非真实出行数据，实际乘客对换乘、步行距离、票价的敏感度远比模型复杂。其三，V2X 通信被理想化处理，未充分讨论时延、丢包、覆盖盲区对决策质量的影响。其四，论文聚焦效率优化，空域安全间隔、空管审批时延、恶劣天气下的运力骤降等约束尚未纳入，而这些恰恰是国内实际运行中最常见的瓶颈。
展望来看，这类研究真正的价值不在那个百分比，而在于它确立了一个正确的问题框架：UAM 从来不是一个航空问题，而是一个城市综合交通问题。国内城市若要在低空出行上跑通商业闭环，把地铁、网约车、起降场放在同一张调度网里考虑，恐怕是绕不开的一步。
相关阅读
- 低空基础设施 2026：起降场、通信、气象三张网怎么建
- 旧金山湾区 UAM 采用潜力仿真：高峰出行时间最多省 80%？
- eVTOL 单座成本经济学：票价要打到多少才有人坐
- 都市圈交通与 eVTOL：通勤场景的可行性边界
- 城市低空走廊怎么划：UAM 空中走廊设计规则拆解
常见问题
UAGMC 框架的 34% 效率提升是怎么算出来的？
该数字来自仿真实验，是与传统比例分配方法（按固定比例把乘客静态分配到各起降场）对比得到的平均出行时间降幅。需要注意这是相对较弱基线的对比，若与调优后的启发式调度或运筹优化方法对照，差距可能收窄。
为什么说起降场选择比起降场选址更值得关注？
选址属于一次性土建投资，点位建成后就固定了；而起降场选择是运行期的动态调度决策，论文显示仅通过优化这一决策就能挖出 30% 量级的效率空间，几乎不需要额外基建投入，属于典型的软件红利。
V2X 车路云数据接入低空调度，在中国有现实基础吗？
有。中国已在多个城市推进车路云一体化试点，路侧单元与车端实时数据持续积累。把这些地面智能网联数据接入低空起降场调度系统，是低空经济中少数能直接复用既有基础设施投资的方向，但需注意通信时延、丢包与覆盖盲区对决策质量的实际影响。