在今年4月于德国法兰克福举办的客运航站楼博览会上，如何帮助机场优化飞机过站表现成为大家关注的焦点。

皇家史基浦集团飞机过站流程负责人杰弗里·谢弗说：“直到最近，飞机过站都像一个黑盒子。”通常，机场为航空公司的航班分配一个登机口，但超出这一点的情况在很大程度上就不在机场的控制范围内了。

过去，机场对飞机过站流程中可能出现的延误不易察觉。如今，越来越多的机场正在转向人工智能（AI）和计算机视觉技术，以期看到“黑盒子”里究竟发生了什么。

预测过站航班延误

“飞机过站的大多数流程不是由机场执行的，而是由地服代理商或航空公司执行的。结果，我们对发生的事情一无所知。数十年来，只有当我们注意到航班没有按计划起飞时，我们才知道出现了问题——没有早期预警，也不能预测航班起飞时间。”谢弗说。

虽然地服代理商保留了记录，使用时间戳标记每个步骤的完成情况，但实际表现不尽如人意。“获取高质量的数据是一项挑战。因为还有其他航班，延误对眼前这个航班来说可能不是问题，但对等待使用登机口的下一个航班来说是问题”。

在航班运行高峰时段，当下一个航班需要立即使用停机位时，航班延误尤其令人担忧。谢弗说：“这是一个动态的过程。下一个航班必须等到有可用的停机位为止，这会产生额外的排放。所以，这不仅是等待时间的问题，它可能产生连锁反应。”

机场可以为即将到来的航班分配一个新的登机口，但这并不受旅客或机场的欢迎。“登机口变动牵涉甚广，对地面工作人员、保障车辆、行李和货物运输来说都会发生变化，而且通常是在最后一分钟。”谢弗说，“这就是为什么很多机场现在都在收集信息，以期准确预测航班延误。航班难免会延误，但我们希望尽快知道这一点，这样我们就可以在不影响其他流程的情况下采取行动，避免严重的航班中断。”

荷兰阿姆斯特丹史基浦机场已使用人工智能跟踪航班整体表现，并发现需要更多关于飞机过站的数据。“我们已经开发了一种算法，可以确定航班延误源，我们称之为阿姆斯特丹机场航班延误分配方法（AD?AM）。它将航班延误原因分为五类，其中一类是过站延误。此类延误大约占40%，但我们无法进一步解释延误原因”。

为应对这种情况，史基浦机场现在使用由航空解决方案公司开发的专门的过站监测系统，这被称为“深度过站”。它利用历史的、实时的和预测的数据，为所有利益相关者从根本上优化飞机过站流程。使用基于AI的图像处理系统，算法可在30个过站流程中检测和报告70多起独特的过站事件，最早可提前40分钟检测到航班延误，从而帮助谢弗和他的团队作出更明智的决定。

“最重要的是，我们现在可以预测航班何时准备起飞。”他说，“我们可以比地服代理商更准确地做到这一点。因此，我们的登机口分配员可以在冲突发生前20分钟知道，并作出相应反应。”每个停机位上装有两个摄像头，可跟踪飞机过站流程，其每5秒钟会发送一张照片到云端，端到端的AI能够据此知道停机坪上的实时情况。

“该算法可以识别保障车辆正在执行的流程，不仅是航油加注车辆已经就位，而且还包括油管已经从车上连接到飞机上。我们正在史基浦机场的所有停机位安装摄像头，目前有70个停机位已经完成安装，另外30个很快将上线。”谢弗说。

控制飞机过站流程

德国柏林勃兰登堡机场也采用了新的计算机视觉技术，以优化飞机过站流程。这是德国首个使用基于人工智能的自我学习软件解决方案优化飞机过站表现的机场，其在49个停机位上使用由Assaia公司开发的过站控制系统。

柏林勃兰登堡机场首席运营官托马斯·霍夫·安德森在谈到使用过站控制系统前的情况时说：“我们注意到，飞机过站流程缺乏可见性。在航空公司、地服代理商和机场之间共享实时信息是不可能的。我们发现，很难在航空公司、地服代理商、机场和欧洲航行安全组织之间作出优先决策。因此，我们的航班正常受到了飞机过站流程可见性低的负面影响。我们的目标是提高航班准点率，因为这影响了航空公司的盈利能力。”

这项技术已经在柏林勃兰登堡机场一半停机位上部署，通过特定的警报向流程经理提供及时更新的信息。

“流程经理现在可以与地服代理商进行沟通——当收到警报时，他们可以与利益相关者沟通。当配餐、行李装卸等事件没有按计划进行时，他们已经对系统发出的警报作出反应，并与地勤人员取得联系，确保航班能够按时起飞。”安德森说。这使得流程经理能够在操作中心进行基于事实的对话，并及时采取行动，以解决任何潜在的问题。

“我们组建了一个团队，其任务是确保飞机过站在任何情况下都能如期进行。”安德森解释说，“例如，如果我们收到行李卸载没有如期进行的警报，流程经理可以要求团队成员进行干预，以帮助地勤人员确保旅客没有延误，飞机可以准时推出。这有助于我们确保所有利益相关者执行服务交付计划。现在的美妙之处在于，我们可以将人力、数字与物理资产的有效性结合起来，从而为旅客提供最好的体验。”

提高过站流程可见性

谢弗表示，这些新的人工智能工具不是用来追究责任的，而是用来帮助大家的。“我们使用这些工具不是为了证明地勤人员犯了错误，而是为了找到确切的症结。”他说，“这不是追责，而是改善运营，因为我们想要确保航班准点。在我们拥有这些数据之前，我们只有运营团队的书面报告，而地服代理商也会从员工那里拿到同样的报告。任何关于哪里出了问题的讨论都很少有成效，因为我们各执己见，而且经常意见相左。现在，我们可以通过数据或视频片段了解到底发生了什么。”

员工短缺仍然带来挑战。“并不是某一个特定的任务或阶段更容易出错，受影响最大的是员工。流程延迟的原因可能有1001个，从人员配置问题到上一个环节延迟并产生影响。”谢弗说，“现在我们有了人工智能，而不仅仅是事故报告。我们可以看到事件发生的原因总是复杂的，很少是线性的。”

飞机过站流程可见性的提高意味着地服代理商不再需要不断向基地报告航班状态。“过去，当出现问题时，地服代理商不得不浪费时间打电话甚至开车过去与控制中心的工作人员进行沟通。但现在，他们可以直接解决问题，减少沟通和报告的工作量，确保他们专注于保证航班安全和准点，这是一项重大进步。”谢弗说。

地勤人员还可以使用深度过站更好地管理计划，其带来的主要好处是可预测性大幅提高。“地勤人员预测航班起飞和延误的能力提高了一倍，因而他们可以优化资源配置。这都是关于合作的。空中交通管制中心可以看到哪个航班首先准备就绪，这确保我们也可以充分利用自己的稀缺资源——跑道和登机口。优化飞机过站流程可以增加旅客吞吐量和提高放行准点率”。

对安德森来说，将人工智能和计算机视觉应用于飞机过站流程物有所值。“从财务上讲，基于过站控制系统在效率、安全和可持续性方面带来的好处和预期好处，这项投资很容易被证明是合理的。”他说，“这只是一个开始——我们现在只用到了技术带来的部分潜力。我们正在思考它如何在其他领域帮助我们，如根据实时数据，让旅客了解何时准备登机。我认为，未来它还将带来更多好处，如发现安全隐患等。”（花果　编译）