Aerospace and Data Science

| 香港城市大学

我们的研究融合了基于物理信息的机器学习、随机优化与实地部署，致力于开发管理世界上最复杂、风险最高的运行系统所需的智能技术。

一、航空运输系统

为航空安全与效率开发“更加主动的智能管理”。

我们在航空安全领域的研究已超越传统的超限检测，迈向主动式、数据驱动的监控。通过利用大规模飞行数据记录器（FDR）与监控数据，我们助力航空业预测风险、优化资源配置。

影响亮点： 研究成果被美国国家航空航天局（NASA）、欧洲航空安全局（EASA）和中国民用航空局（CAAC）引用和采纳；获《麻省理工学院新闻》（MIT News）及《Flight International》报道。

主动安全管理（ClusterAD）： 我们开发了ClusterAD框架，通过增量聚类与高斯混合模型识别飞行数据中的运行风险。

• 代表性论文
  • Analysis of flight data using clustering techniques for detecting abnormal operations. Li et al., Journal of Aerospace Information Systems (2015). [DOI] | [PDF] | [Citations: 200+] [期刊最高引论文之一]
  • Anomaly detection via a Gaussian Mixture Model for flight operation and safety monitoring. Li et al., Transportation Research Part C (2016). [DOI] | [PDF] | [Citations: 300+]
• 特邀报告
  • “Analysis of flight data using clustering techniques for detecting abnormal operations”, European Aviation Safety Agency (EASA) Flight Data Monitoring (FDM) Conference, Cologne, Germany, 2017.
  • “Using big data in monitoring normal operations”, International Flight Crew Training Conference 2017, Royal Aeronautical Society, London UK, 2017.
  • “AI for Flight Time Prediction and Fuel Management“, KLM Webinar series – AI for Sustainability, Amsterdam, Netherlands, 2022.
  • “Anomaly Detection and Pattern Recognition in Flight Data for Airline Safety Management”, Applied Machine Learning Days (AMLD) at EPFL, Switzerland, 2020. [Watch Video]
• 专利
  • US Patent No. 11,299,288: Method of Presenting Flight Data of An AircraftLi, L., Charruaud, F., Zhao W. (2022)
    
• 媒体
  • “In plane view: New tool analyzes black-box data for flight anomalies” – MIT News [Link].
  • “IN FOCUS: Mining digital avionics data for future safety” – FlightGlobal [Link]

运营优化与燃油智能： 我们利用深度学习提供高精度飞行时间预测，帮助航空公司做出基于数据的燃油加载决策，在安全与环境可持续之间取得平衡。

• 代表性论文
  • Flight time prediction for fuel loading decisions with a deep learning approach. Zhu & Li, Transportation Research Part C (2021). [DOI] | [Pre-print PDF]
  • Multi-Graph Convolutional-Recurrent Neural Network (MGC-RNN) for Short-Term Forecasting of Transit Passenger Flow. He et al., IEEE Transactions on Intelligent Transportation Systems (2022) [DOI] [Citations: 100+]
  • High-Speed Rail Suspension System Health Monitoring Using Multi-Location Vibration Data. Hong, et al.  IEEE Transactions on Intelligent Transportation Systems (2020) [DOI]

空域与交通分析： 我们利用ADS-B数据，对全球主要枢纽的空中交通流量进行基准比较，模拟网络延误并识别航路拥堵瓶颈。

• 代表性论文
  • Flight trajectory data analytics for characterization of air traffic flows: A comparative analysis of terminal area operations between New York, Hong Kong and Sao Paulo. Murça et al., Transportation Research Part C (2021). [DOI] | [Citations: 100+]
  • Characterizing air traffic networks via large-scale aircraft tracking data: A comparison between China and the US networks. Ren, P., & Li, L. Journal of Air Transport Management (2018). [DOI] 

从空域到外太空： 我们提出了一个基于扩散模型的框架来识别卫星的“生命模式”，为空间交通管理中的行为监测树立新坐标，旨在保障长期轨道安全与可持续性。

• 代表性论文
  • Learning Satellite Pattern-of-Life Identification: A Diffusion-Based Approach. Y. Ye, et al., IEEE Transactions on Aerospace and Electronic Systems (2025), [DOI] | [PDF]| [Code]
• 获奖
  • MIT ARCLab Prize for AI Innovation in Space, 2024, 6th Place. [CityU News Link] [MIT News Link]

二、低空经济（LAE）

通过智能交通管理规模化拓展城市空中交通。

随着城市空域成为物流新前沿，我们的团队正在开发面向无人机配送与旅游的“操作系统”，重点关注高密度城市环境中多运营主体飞行作业规模化运行的核心挑战。

• 路径规划（CitySkyPlan）： 我们设计了基于网格的路径搜索和基于Transformer的强化学习框架，用于动态无人机路径规划。该工作受美国专利号11,915,599和12,560,943保护。
• 无人交通管理（UTM）： 我们的研究开发了“空中走廊”与4D轨迹管理系统，综合考虑城市风场影响（CFD模拟）、第三方风险及拥堵收费。

影响亮点：与行业合作伙伴 Antwork Robotics 和 Meituan 合作，部署真实场景下的无人机配送解决方案。

• 专利
  • US Patent No. 12,560,943: Route Network Planning for Drone Logistics in Urban Environment Li, L., He, F., Zhang, L., He, X. (2026)
  • US Patent No. 11,915,599: Grid Based Path Search Method for UAV Delivery Operations in Urban Environment Li, L., He, F., Zhang, L.(2024)

• 代表性论文
  • Air corridor planning for urban drone delivery: Complexity analysis and comparison via multi-commodity network flow and graph search. He et al., Transportation Research Part E (2025). [DOI]
  • A distributed route network planning method with congestion pricing for drone delivery services in cities. He et al., Transportation Research Part C (2024). [DOI]
  • A distributed route network planning method with congestion pricing for drone delivery services in cities. He et al., Transportation Research Part C (2024). [DOI]

• 报告与报道
  • 特邀报告: AI Symposium @ A*STAR, Singapore, 2026. AAAI AI4AT Workshop, Singapore, 2026
  • 媒体报道: “城大学者研无人机「城市智能空路」 日内瓦国际发明展夺银奖” by Sing Tao Daily, May 2024.

三、工业智能

将系统监测转化为卓越的业务与环境效益。

我们将控制理论、随机优化和大语言模型（LLM）应用于关键基础设施与制造业，确保复杂系统保持可靠性与能效。

• 流程优化： 我们的“从数据到部署”框架融合机器学习与专家经验，在优化工业流程的同时降低能耗，保持产品品质与业务绩效。
• 基础设施健康监测： 我们开发数据驱动、物理可解释的模型，用于高速铁路悬架系统及卫星太阳能电池阵列驱动组件（SADA）的预测与健康管理（PHM）。

• 代表性论文
  • An industrial process optimization framework: from data to deployment with case studies in food production processes. Liu, et al., Journal of Intelligent Manufacturing (2025) [DOI]
• 预印本
  • Reliable and Fast Metro Rescheduling: Large Language Model Agent-Guided Optimization. Huang et al., (2026) [DOI]
  • Comparing Process Control Digital Twin Approaches: Wort Boiling Case. Zhang, Y., Li, L., Ye, Y., & Boshoff, D. (2026) [DOI]
    

四、除此之外

虽然工业运营是我们的核心领域，但我们相信数据科学的工具具有普适性。因好奇心驱使，我们偶尔将分析框架应用于理解我们栖居的城市及穿行其中之人

• The image of the City on social media: A comparative study… (2021) [DOI] [Citations: 200+]
• How do new transit stations affect people’s sentiment and activity? (2022) [DOI] 

[View Full Publications List]