在今年4月于德國法蘭克福舉辦的客運航站樓博覽會上，如何幫助機場優化飛機過站表現成為大家關注的焦點。
皇家史基浦集團飛機過站流程負責人杰弗里·謝弗說：“直到最近，飛機過站都像一個黑盒子。”通常，機場為航空公司的航班分配一個登機口，但超出這一點的情況在很大程度上就不在機場的控制范圍內了。
過去，機場對飛機過站流程中可能出現的延誤不易察覺。如今，越來越多的機場正在轉向人工智能（AI）和計算機視覺技術，以期看到“黑盒子”里究竟發生了什么。
預測過站航班延誤
“飛機過站的大多數流程不是由機場執行的，而是由地服代理商或航空公司執行的。結果，我們對發生的事情一無所知。數十年來，只有當我們注意到航班沒有按計劃起飛時，我們才知道出現了問題——沒有早期預警，也不能預測航班起飛時間。”謝弗說。
雖然地服代理商保留了記錄，使用時間戳標記每個步驟的完成情況，但實際表現不盡如人意。“獲取高質量的數據是一項挑戰。因為還有其他航班，延誤對眼前這個航班來說可能不是問題，但對等待使用登機口的下一個航班來說是問題”。
在航班運行高峰時段，當下一個航班需要立即使用停機位時，航班延誤尤其令人擔憂。謝弗說：“這是一個動態的過程。下一個航班必須等到有可用的停機位為止，這會產生額外的排放。所以，這不僅是等待時間的問題，它可能產生連鎖反應。”
機場可以為即將到來的航班分配一個新的登機口，但這并不受旅客或機場的歡迎。“登機口變動牽涉甚廣，對地面工作人員、保障車輛、行李和貨物運輸來說都會發生變化，而且通常是在最后一分鐘。”謝弗說，“這就是為什么很多機場現在都在收集信息，以期準確預測航班延誤。航班難免會延誤，但我們希望盡快知道這一點，這樣我們就可以在不影響其他流程的情況下采取行動，避免嚴重的航班中斷。”
荷蘭阿姆斯特丹史基浦機場已使用人工智能跟蹤航班整體表現，并發現需要更多關于飛機過站的數據。“我們已經開發了一種算法，可以確定航班延誤源，我們稱之為阿姆斯特丹機場航班延誤分配方法（AD?AM）。它將航班延誤原因分為五類，其中一類是過站延誤。此類延誤大約占40%，但我們無法進一步解釋延誤原因”。
為應對這種情況，史基浦機場現在使用由航空解決方案公司開發的專門的過站監測系統，這被稱為“深度過站”。它利用歷史的、實時的和預測的數據，為所有利益相關者從根本上優化飛機過站流程。使用基于AI的圖像處理系統，算法可在30個過站流程中檢測和報告70多起獨特的過站事件，最早可提前40分鐘檢測到航班延誤，從而幫助謝弗和他的團隊作出更明智的決定。
“最重要的是，我們現在可以預測航班何時準備起飛。”他說，“我們可以比地服代理商更準確地做到這一點。因此，我們的登機口分配員可以在沖突發生前20分鐘知道，并作出相應反應。”每個停機位上裝有兩個攝像頭，可跟蹤飛機過站流程，其每5秒鐘會發送一張照片到云端，端到端的AI能夠據此知道停機坪上的實時情況。
“該算法可以識別保障車輛正在執行的流程，不僅是航油加注車輛已經就位，而且還包括油管已經從車上連接到飛機上。我們正在史基浦機場的所有停機位安裝攝像頭，目前有70個停機位已經完成安裝，另外30個很快將上線。”謝弗說。
控制飛機過站流程
德國柏林勃蘭登堡機場也采用了新的計算機視覺技術，以優化飛機過站流程。這是德國首個使用基于人工智能的自我學習軟件解決方案優化飛機過站表現的機場，其在49個停機位上使用由Assaia公司開發的過站控制系統。
柏林勃蘭登堡機場首席運營官托馬斯·霍夫·安德森在談到使用過站控制系統前的情況時說：“我們注意到，飛機過站流程缺乏可見性。在航空公司、地服代理商和機場之間共享實時信息是不可能的。我們發現，很難在航空公司、地服代理商、機場和歐洲航行安全組織之間作出優先決策。因此，我們的航班正常受到了飛機過站流程可見性低的負面影響。我們的目標是提高航班準點率，因為這影響了航空公司的盈利能力。”
這項技術已經在柏林勃蘭登堡機場一半停機位上部署，通過特定的警報向流程經理提供及時更新的信息。
“流程經理現在可以與地服代理商進行溝通——當收到警報時，他們可以與利益相關者溝通。當配餐、行李裝卸等事件沒有按計劃進行時，他們已經對系統發出的警報作出反應，并與地勤人員取得聯系，確保航班能夠按時起飛。”安德森說。這使得流程經理能夠在操作中心進行基于事實的對話，并及時采取行動，以解決任何潛在的問題。
“我們組建了一個團隊，其任務是確保飛機過站在任何情況下都能如期進行。”安德森解釋說，“例如，如果我們收到行李卸載沒有如期進行的警報，流程經理可以要求團隊成員進行干預，以幫助地勤人員確保旅客沒有延誤，飛機可以準時推出。這有助于我們確保所有利益相關者執行服務交付計劃。現在的美妙之處在于，我們可以將人力、數字與物理資產的有效性結合起來，從而為旅客提供最好的體驗。”
提高過站流程可見性
謝弗表示，這些新的人工智能工具不是用來追究責任的，而是用來幫助大家的。“我們使用這些工具不是為了證明地勤人員犯了錯誤，而是為了找到確切的癥結。”他說，“這不是追責，而是改善運營，因為我們想要確保航班準點。在我們擁有這些數據之前，我們只有運營團隊的書面報告，而地服代理商也會從員工那里拿到同樣的報告。任何關于哪里出了問題的討論都很少有成效，因為我們各執己見，而且經常意見相左。現在，我們可以通過數據或視頻片段了解到底發生了什么。”
員工短缺仍然帶來挑戰。“并不是某一個特定的任務或階段更容易出錯，受影響最大的是員工。流程延遲的原因可能有1001個，從人員配置問題到上一個環節延遲并產生影響。”謝弗說，“現在我們有了人工智能，而不僅僅是事故報告。我們可以看到事件發生的原因總是復雜的，很少是線性的。”
飛機過站流程可見性的提高意味著地服代理商不再需要不斷向基地報告航班狀態。“過去，當出現問題時，地服代理商不得不浪費時間打電話甚至開車過去與控制中心的工作人員進行溝通。但現在，他們可以直接解決問題，減少溝通和報告的工作量，確保他們專注于保證航班安全和準點，這是一項重大進步。”謝弗說。
地勤人員還可以使用深度過站更好地管理計劃，其帶來的主要好處是可預測性大幅提高。“地勤人員預測航班起飛和延誤的能力提高了一倍，因而他們可以優化資源配置。這都是關于合作的。空中交通管制中心可以看到哪個航班首先準備就緒，這確保我們也可以充分利用自己的稀缺資源——跑道和登機口。優化飛機過站流程可以增加旅客吞吐量和提高放行準點率”。
對安德森來說，將人工智能和計算機視覺應用于飛機過站流程物有所值。“從財務上講，基于過站控制系統在效率、安全和可持續性方面帶來的好處和預期好處，這項投資很容易被證明是合理的。”他說，“這只是一個開始——我們現在只用到了技術帶來的部分潛力。我們正在思考它如何在其他領域幫助我們，如根據實時數據，讓旅客了解何時準備登機。我認為，未來它還將帶來更多好處，如發現安全隱患等。”（花果 編譯）