ENG

Перейти в Дзен
Мнение, Технологии

Цифровой мозг аэропорта

Игорь Провкин

Игорь Провкин

Генеральный директор АО «Опытный завод №31 ГА»

Цифровизация различных аспектов работы аэропортов — одна из больших задач авиаотрасли в целом. Главный вектор развития и финальная цель — объединение совокупности рабочих процессов в рамках единой системы на базе искусственного интеллекта (ИИ). Какие возможности открываются благодаря ИИ сегодня и какие будут доступны в будущем?

Аэропорты + ИИ = идеальный союз?

Транспортная отрасль — один из главных полигонов цифровой трансформации. Различные решения на базе таких технологий, как искусственный интеллект или big data, уже появляются в аэропортах всего мира. Где-то будущее проявляет себя в виде роботов для оформления регистрации на рейс и в системах распознавания лиц на таможне. В других аэропортах проводятся испытания автономных беспилотных багажных буксиров, полуавтономных посадочных мостиков. Для многих аэровокзалов досмотры самолетов с помощью беспилотных летательных аппаратов стали повседневностью, а в международном аэропорту Сан-Франциско алгоритм искусственного интеллекта используется для планирования работы таксопарка.

Однако это лишь верхушка айсберга обширных возможностей по трансформации управления аэропортами на базе цифровых технологий. Например, машинное обучение можно эффективно применять для аналитики исторических и текущих данных с целью выявления различных угроз и профилактики аварийных ситуаций гораздо быстрее и точнее, чем это может сделать человек. Для ИИ-систем крайне важно совершенствоваться на базе анализа больших объемов информации, а специфика аэропортов как объектов с большим количеством различных источников данных позволяет в полной мере реализовывать эту задачу.

Специфика отрасли

Прогнозируемое до пандемии удвоение объемов пассажиропотока к 2038 году существенно повышало требования к общей эффективности работы аэропортов. Так, рост трафика предполагал такую функциональность, как расчет в режиме реального времени распределения гейтов точно ко времени, поддержку принятия решений по управлению аэродромной службой, новые системы учета пассажиров и контроля безопасности. В рамках трансформации CIO и CTO аэропортов будут использовать решения на основе ИИ для развития новых источников дохода и оптимизации коммерческого использования активов аэропорта.

В результате контур обратной связи от большого количества аэропортов с разработчиками ИИ-решений обеспечит постоянное совершенствование алгоритмов. Один алгоритм, постоянно развивающийся на основе его использования в 100 аэропортах, экспоненциально более ценен, чем 100 алгоритмов, используемых в одном отдельном аэропорту. Современные возможности облачных технологий позволят ИИ-алгоритмам масштабироваться и одновременно обслуживать крупнейшие и малые аэропорты.

Практика и детали

В российской практике уже появляются решения, которые можно назвать «новым мозгом аэропорта». В самом общем виде это ИТ-системы с использованием возможностей ИИ и машинного обучения, которые распределяют набор и очередность выполнения задач для специалистов наземных служб аэропортов. Они позволяют проводить интеллектуальный мониторинг за различными компонентами, которые влияют на эксплуатацию конкретной взлетно-посадочной полосы (ВПП), работу аэродромной службы и аэропорта в целом.

Все связано: аэропорт — единый организм. Если, к примеру, идет обледенение полосы и отсутствует возможность принять рейсы, нарушается цепочка нормальной работы, то последствия этого ощущают все — от багажных служб и зоны паспортного контроля до водителей такси.

ИТ/ИИ-система управления позволяет учитывать все события в работе служб, и если вдруг какое-то происшествие произошло, то по хронологии можно полностью восстановить всю картину с максимальной достоверностью. Возможности анализа расхода топлива и часов налета по каждому самолету, доступные в таких системах, позволяют точно определять рекомендации о необходимости технического обслуживания. В ИИ-системах можно реализовать мониторинг электропитания самолетов в аэропортах. Когда самолет садится, он работает от внешнего источника питания. Система отслеживает, какое время он находился в воздухе, сколько электроэнергии потребил. То же касается наземного парка техники: GPS-мониторинг и дополнительные модули позволяют определить маршруты перемещения наземного автопарка аэропорта, просчитать, сколько топлива израсходовано, проанализировать динамику, дать рекомендации в плане оптимизации использования автомобильного транспорта, включая подачу автотрапов. На самом деле функции таких систем безграничны: за счет модульной архитектуры такой системы можно подключать практически любой новый функционал.

Главные апгрейды будущего

В дальнейшем планируется интегрирование в решение функционала замера коэффициента сцепления (КС) с взлетно-посадочной полосой (ВПП), также для повышения безопасности и прозрачности при разборе инцидентов. Система позволяет автоматически отправлять параметры замера прямо на воздушные суда, которые заходят на посадку. А это один из важнейших параметров для безопасного приземления в климатических условиях в России. Минимизация человеческого фактора здесь позволит значительно повысить общий уровень безопасности полетов.

Исчезает этап интерпретации параметров КС командиром воздушного суда (ВС): самолет сам «понимает», как ему необходимо настроиться на посадку, система дает ему все необходимые рекомендации. Исключается цепочка людей, которые будут принимать участие в этом процессе. «Автоматом» это все делается намного быстрее, качественнее и эффективнее.

Система автоматически показывает, что необходимо выйти на осмотр летного поля, провести профилактику состояния поверхности ВПП на определенных участках. Соответственно, сотрудники заносят информацию, что на каком-то участке наблюдается более активное движение бетонных плит, потому что здесь чаще всего прокатываются воздушные суда. Далее на основе анализа всех этих данных система дает конкретную оценку и рекомендации: на определенные участки ВПП следует выезжать с досмотром чаще, обращая внимания на конкретные точки.

Такой подход обеспечивает должный уровень операционной погруженности в предмет сотрудникам, недавно вышедшим на рабочее место, а также не дает упустить и забыть ничего важного опытным специалистам, у которых «замылился глаз». Первая интеграция такой системы произошла в аэропорту Казани, сейчас ее интеграцией занимаются в международных аэропортах России: Симферополь, Внуково, Домодедово, Шереметьево и т.д. 

Далекие перспективы, ИИ-возможности 

В рамках дальнейшего развития digital для решения задач оптимальной эксплуатации аэропорта существует несколько базовых сценариев.

Цифровые двойники. Цифровой двойник — 3D- и «живая» реплика физического актива, системы или процесса. Технология позволяет создавать развивающийся цифровой профиль объекта на основе массива исторических и текущих данных его поведения. С помощью аналитики, машинного обучения и искусственного интеллекта создается двусторонний поток информации. Реальный актив посылает данные о текущих параметрах работы в реальном времени на свой цифровой двойник для их оценки (например, прогнозирования загрузки ВПП на ближайшее время), и, если необходимо действие, цифровой двойник отвечает рекомендациями изменений режима работы.

Для аэропортов это может выражаться в таких практичных сценариях использования, как оптимизация энергопотребления и усовершенствованное управление работы наземных служб. Когда что-то идет не так, воздействие может эскалироваться на весь аэропорт и далее на всю систему авиаперевозок в регионе. Даже если снизить только объем потери багажа или повысить скорость прохождения зоны безопасности в конкретном аэропорту — выиграет вся система.

Генеративный дизайн аэропортов. Генеративное проектирование (generative design) — новый подход к процессу проектирования объектов инфраструктуры, в том числе аэропортов. Он гораздо более рационален, чем традиционный подход. Генеративное проектирование начинается со сбора информации о целях, критериях и параметрах проекта по всему спектру составляющих, начиная от материалов и методов строительства и заканчивая ограничениями по стоимости. Данные затем передаются в ИИ-систему для анализа и определения десятков и сотен возможных проектных решений. Члены проектной группы могут обнаружить среди них решения, которые при традиционном подходе не считались бы возможными из-за «слепых пятен» в рассмотрении требований и доступных возможностей.

Системы прогнозирования задержек рейсов. ИИ-решения на основе исторических данных об операциях конкретного аэропорта позволяют довольно точно прогнозировать потенциальные задержки и соответствующим образом адаптировать планирование ресурсов, одновременно обеспечивая пассажирам наилучшее обслуживание.

Следите за нашими новостями в удобном формате
Перейти в Дзен

Предыдущая статьяСледующая статья