作为新兴的交通控制产业,无人机技术的发展对推动社会经济的前进有着重要作用,随着空中交通控制技术的提升,空域的开放度越来越高,自由飞行这一交通概念被许多交通控制系统所接受,高空中适用于无人机的交通空间范围和日益增长的交通流量之间的问题日益凸显,尤其在空域的主要交通干路上此类问题更为突出,为了缓解空中交通流量的压力,提高无人机航路规划的合理性,有效的缩小无人机之间飞行距离,提升空中交通资源的利用率,需要建立无人机飞行冲突探测模型,在为空域交通安全提供保障的基础上提高空域利用率。在对空域进行飞行冲突的安全性测评时,要对此空域每飞行小时可能冲突次数进行数值分析,然后对量化结果进行冲突风险级别划分。为了解决现阶段空域资源利用率较低的问题,从无人机的冲突探测角度入手,先建立无人机冲突探测模型,选择无人机的航路范围、最大速度和飞行时间为研究对象,以时间地理学理论为基础,建立时空描述棱镜（STP）模型,根据STP模型的优势来对空中交通冲突探测问题的解决方案进行完善,传统的STP模型是基于布朗运动的概念建立的,对比无人机的飞行特性,并且考虑到在实际飞行的过程中,无人机有时会出现航路变动情况,针对此问题,对STP模型进行了改进,将无人机CNS因素以及飞行意图的判定分别与自由飞行的概念进行融合,这样可以使得冲突探测模型更加贴近无人机的实际飞行情况,有效的缩小了无人机冲突探测空域范围。STP模型应用在无人机动态飞行过程的冲突判断,这一过程需要对无人机的位置进行预测,由此来判断冲突可能性,无人机在飞行的过程中,会受到例如:导航性能、防撞系统、天气因素、专家知识等因素的影响,因此加入了对影响无人机航路的因素判定。这些因素都会影响到无人机的未来时间点航迹规划方案,因此对无人机飞行意图进行了数据分析,建立了飞行机动识别模型,由此为无人机冲突风险的证据融合以及级别划分提供数据规则库的建立依据。根据无人机的航路偏移特点、飞行航迹历史监测值、当时飞行间隔、CNS性能、冲突对象可达域范围、天气影响、设备燃耗性能特点来对无人机的飞行冲突范围进行划分,通过ER（证据推理融合）以及BRB（置信规则库）模型的建立来对飞行冲突风险等级进行划分,加入了投影协方差P-CMS-ES（投影协方差矩阵自适应进化策略）来优化飞行冲突风险探测数值的精确度。最后根据风险分级的结果来完善对应的冲突风险处理方案。