研发设计收录论文、预印本和会议论文；标题保留原文，预印本与设计目标请核对原文。未经过编辑判断的资料展示在全部动态中。
随着自主飞行器的大规模引入和交通密度的增加，集中式管理不足以协调大量有人和无人驾驶飞行器。因此，提出了专用的先进空中交通（AAM）走廊，以组织高密度的自主交通流。为了可扩展地提供自主飞行器在轨迹规划中的灵活性，推动了在AAM走廊中开发去中心化交通管理方法。在本研究中，我们扩展了一种多智能体强化学习（MARL）方法，以应对空中走廊网络中去中心化交通流管理的挑战。我们在单走廊设置中训练的策略，以零样本方式测试在越来越复杂的多走廊网络中的表现，这些网络包含合并和分叉的组合。实验结果表明，学习到的行为能够很好地转移到交通密度、网络几何形状和异构车辆性能不同的场景中，而无需集中协调或模型再训练。我们从走廊边界符合度、完成率、平均速度、行驶距离和保持飞行器间分离度等方面评估系统级性能。我们发现，尽管我们的策略仅需要本地协调的进入、穿越和退出行为，但它们集体产生了理想的走廊网络交通流。（预印本；同行评审状态请核对原文。）
系统理论过程分析（STPA）是一种推荐的方法，用于分析复杂系统，能够识别数千个传统技术如故障模式和影响分析（FMEA）和故障树分析（FTA）常被遗漏的安全要求。然而，缺乏管理这些要求的结构化框架带来了挑战，尤其是在快速发展的环境中。本文介绍了一个可扩展的框架，用于优先排序STPA衍生的要求。该框架整合了每个STPA步骤的输出，并结合了基于四个关键因素的专家评估：实施时间、成本、要求类型和监管覆盖范围。为了减少主观性，采用蒙特卡洛模拟（MCS）来计算并稳定要求排名。自动化工具链支持该框架，使优先排序的要求在缩放矩阵中动态映射。这种可视化有助于决策并确保各开发阶段的可追溯性。该框架适用于从早期概念化到更高级阶段，增强了其在迭代系统开发中的实用性。该框架通过一个实际案例研究进行了验证，该研究聚焦于电动垂直起降（eVTOL）操作，与英国民航局合作进行。研究结果直接贡献于CAP3141，一份民用航空出版物，识别了系统性操作风险和安全缓解措施，供监管机构、运营商和垂直港口使用。优先排序过程支持决策（预印本；同行评审状态请核对原文。）
系统理论过程分析（STPA）是一种广泛推荐的方法，用于分析复杂系统的安全性。STPA可以根据分析的细致程度和所分析系统的复杂性，识别出众多不安全控制动作（UCAs）和要求。管理众多结果具有挑战性，尤其是在快速发展的开发周期中。已进行了大量研究以优化管理并优先排序STPA结果的效率。然而，保持优先排序的客观性和传达优先排序结果已成为常见挑战。在本文中，作者提出了一种互补方法，结合了安全分析师和领域专家的输入，以更客观地优先排序UCAs。这是通过评估每个UCAs的严重程度、每个控制器或决策者发出UCAs的影响因素，以及由评估UCAs关键性的主题专家提供的排名来实现的。此外，引入了蒙特卡洛模拟以减少主观性和相对性，从而实现更客观的UCAs优先排序。作为更好地传达优先排序结果并规划系统开发下一步的手段，开发了一个动态缩放优先排序矩阵，以捕捉不同优先排序的UCAs集合。该方法应用于一个实际项目，以提高电动垂直起降（eVTOL）的安全运行。结果突出了需要优先排序的关键UCAs（预印本；同行评审状态请核对原文。）