940百科知识

首页  文章资讯  杂文乱炖

杂文乱炖

航空业的人工智能和数据科学

2022-07-09 14:18:41杂文乱炖51

去年《纽约时报》的一篇文章解决了这个问题,“你准备好在没有人类飞行员的情况下飞行吗?”这在Facebook上引发了热烈的讨论。许多用户的评论非常情绪化,其他用户也自愿提供了他们在航空领域的专业知识。其他人则声称,与无人驾驶飞机相比,人们更愿意接受自动驾驶汽车,这可能是因为驾驶比飞行更安全。

计算机视觉等技术为自动化和自动驾驶汽车提供动力,但我们是否接近由人工智能系统而不是飞行员控制的商用飞机?波音和空中客车公司的自动驾驶客运飞行器原型已经完成了首次试飞。但就目前而言,我们可以抛开商用飞机在无人控制的情况下飞行的未来场景。在航空旅行完全无人驾驶之前,需要多年的认证和测试。好消息是航空公司确实使用人工智能或更确切地说是数据科学和机器学习来自动化公关加速运营。因此,我们将讨论现实生活中的用例,这些用例不会因AI恐惧症而加剧您的恐空症。

航空业的人工智能和数据科学

航空领域的人工智能和数据科学

收入管理和路线规划

许多波兰航空公司在芝加哥奥黑尔和波兰城市克拉科夫之间的直飞航班可能会让您觉得太过分了。芝加哥和克拉科夫都是大型机场枢纽,但足以在非首都城市之间运行跨大西洋航班。嗯,是的,芝加哥大都市区估计有150万波兰人后裔。对这对城市的真正需求很高。航空公司必须解决的关键问题之一是如何为航班定价和确定旅客对特定城市对的需求。运营商必须在评估数据的同时考虑数千个参数才能做到这一点。

分析师仍然可以使用传统的统计方法。借助数据科学,现在可以以更复杂的方式进行需求分析。国际航空运输协会(IATA)建议航空公司可以利用旅客行为数据并放弃在线旅行社、元搜索引擎或社交媒体聊天来定义休闲需求。来自专业社交网站、招聘和采购活动的数据可能预示着新兴的商务旅行目的地。在2017年航空公司的展示中,Skyscanner使用基于机器学习的聚类分析了大约50,000个相似的出发地和目的地。他们考虑了大约30个参数,例如旅行月份、预订时间、人们在目的地停留的时间等等。有些结果相当令人惊讶。例如,传统上被认为最适合浪漫旅行的城市同样受到单身旅行者的欢迎,与目的地的距离可能比城市本身更重要。最重要的是,节日、会议或博览会等活动会推动需求的短期飙升。因此,收入团队可以依靠事件数据来提高特定路线和日期的票价,从而从不断增长的需求中受益。

为了确定特定事件可能对旅客需求产生多大影响,预测总部的航空排名系统使用排名算法将之前的航班预订与事件数据进行比较。Qantas该公司的客户之一是澳大利亚的国家航空公司。

机上销售和食品供应

想象一下你有一个清晨的航班。具有挑战性的东西!一旦你经历了机场夹盘并最终坐下,你可能会想到一杯咖啡和一个三明治,还有一个胡萝卜蛋糕在菜单上看起来很好吃。但有些人从不点飞机餐。因此,航空公司供应管理专家必须估算他们在机上向食客提供多少零食和饮料,而不会造成浪费。客舱垃圾是一个严重的环境问题。

2018年,航空公司产生了610万吨垃圾。其中大部分被焚烧或转移到垃圾填埋场。2008年春天,easyJet首席执行官John Lundgren调动数据科学团队分析不同航线对食品的需求。团队了解到,早上6:00飞往爱丁堡的航班对物品的需求与周五晚上飞往伊维萨岛的航班的需求大不相同。因此,EC喷气式飞机在每次飞行后或每年近800,000次后将三件新鲜食品扔进垃圾桶。John Lundgren指出,这样的错误使承运人损失了数百万英镑。最终,数据科学家创建了一种新的需求预测算法。这些见解帮助航空公司节省了大量资金并为环境做正确的事情。

油耗优化

2018年,商业航空在全球使用化石燃料产生的二氧化碳排放中贡献了2.4%。这个百分比似乎并不显着,但这是另一个事实,碳排放在过去五年中增加了32%。这就是为什么飞机制造商和航空公司正在寻找提高燃油效率的方法。运营商减少碳排放的第二个重要原因是财务方面的。2018年,航空公司将23.5%的总开支用于航空燃油。好多啊!为了提高燃油效率,航空公司必须准确预测每次定期航班需要多少燃油来供应飞机。最好的方案是拥有一个单一的分析工具。

西南航空公司在其燃料消耗项目中研究了这种解决方案。该团队开发了八个预测模型,其中包括时间序列算法和神经网络。该系统可以为每个月和航空公司飞往的每个机场生成9600个燃料消耗预测。此前,该团队每月生成1,200个预测,每位分析师最多花费三天时间做出预测。新的解决方案在五分钟内完成。它生成12个月的预测,并考虑燃料价格、出行次数和时间段等影响因素。预测也变得更加准确。

带面部识别的登机和托运行李

面部识别技术是针对特定目的分析一个人的面部标志。航空公司使用这种生物识别技术作为登机选项。该设备扫描旅客的面部并将其与存储在边境管制机构数据库中的照片进行匹配。这些可以是护照、签证或其他旅行证件中的照片。它是这样工作的,旅行者首先在自助服务亭获得自己的护照,然后是他们的护照,然后用扫描仪检查他们的背部-并通过另一个面部扫描仪。

为什么需要它?美国海关和边境保护局等政府机构强调,该技术可以创造无缝的旅行者体验。这样更快更安全。许多航空公司要么正在试点,要么已经在选定的机场使用生物识别登机口。达美就是其中之一。2018年11月,该航空公司在亚特兰大机场开设了一个生物识别终端。该航空公司声称该航站楼是美国首个此类航站楼。达美航空还指出,它将在2018年12月中旬开始在底特律麦克纳马拉航站楼的所有14个国际登机口测试这项技术。并补充说,在2019年,客户将能够在路边到登机口使用生物识别登机。2019年夏天,达美航空在另一个亚特兰大机场航站楼以及明尼阿波利斯、底特律和盐湖城机场引入了面部识别。那49个大门配备了面部识别软件。旅行者似乎喜欢新的登机选择。达美航空对大西洋航站楼F的客户进行了调查,发现其中70%的人认为生物识别登机体验很有吸引力,72%的人更喜欢这种体验。

为下一次飞行准备飞机

当飞机尚未准备好登机和起飞时,乘客有时不得不在登机口等待登机。也许餐饮卡车迟到了,或者清洁团队正忙于另一架喷气式飞机。飞机着陆和下一次起飞之间的时间称为“周转”。2018年,美国客运航空公司因延误平均每分钟损失74美元和20美分。据美国交通部计算,由飞机维修造成的延误占所有延误航班的5.8%。这几乎是因极端天气而延误的白人的六倍。

位于苏黎世的初创公司提供软件,使用图像识别算法和神经网络处理来自机场的视频流,这些算法和神经网络为软件提供动力并识别物体、运动和交互。航空公司员工可以实时监控飞机如何为下一次飞行做准备,包括加油、货物装载或餐饮配送。因此,他们可以决定是否需要采取措施。

汉莎航空系统通过其深度周转解决方案解决了同样的问题。这家航空业的IT服务提供商开设了子公司zero-g来开展其AI计划。该解决方案还分析视频数据并实时更新用户在飞机服务期间发生的事情。

结论

航空公司使用数据科学和机器学习来评估不同航线的乘客需求。使用数据洞察优化飞机地面处理和加油,或通过生物识别登机重新定义乘客的机场体验。借助新的分销技术,我们可能期望航空公司开始根据个人旅客的偏好和支付意愿为他们提供个性化的服务。个性化是iota概述的优先事项之一。对于人工智能自动驾驶仪,航空公司在涉及直接影响飞行安全的新技术时非常保守。运营商可能会等到人工智能足够成熟,直到旅行的公众准备好信任它。