投稿到民航资源网

AI蓄势待发 助力管制员入港管理

 2017-12-20 16:56:51 来源:民航资源网 作者:Deborah  [投稿排行榜]

      民航资源网2017年12月20日消息:空中交通管制(ATC)自动化方面的一项最新的进展--入港管理(AMAN)是为管制员提供决策支持的工具。AMAN的使用将改善跑道排序和效率,提升安全、容量以及服务的持续性。

      正由于AMAN的益处,其逐渐成为ATC系统的一部分,并改善决策和机场运营。此外,AMAN中人工智能(AI)的使用,将使这一系统变得更加精密。以至于一些专家认为,甚至有一天其能够取代空中交通管制员(ATCO)。

      空中交通管理(ATM)系统提供商SiATM的营销总监Stefan Matts表示,AMAN是整体ATC/ATM系统的一部分。其可以是一个单独的系统或是系统中的一部分。尽管传统上来说,它是进近管制员的一个咨询工具,但是如果管制员接受了其建议,其能够与ATM系统直接交互。

      需求与容量平衡

      在没有AMAN的情况下,管制员不得不手动平衡入港容量与需求。这可能导致交通高峰并造成过度延误,并给机场带来诸如拥堵、航班延误或取消等问题。

      AMAN在每日运营中优化了人员表现,并且平衡了入港需求和容量。机场场面管理技术提供商Searidge Technologies研发部门负责人Christian Thurow表示,AMAN通过改善入港航班规划来减轻管制员工作负荷,并使典型交通高峰时刻的运行更加顺畅。AMAN已经投入大型机场的每日运营之中,并且只有在需求超过容量的情况下,才能为运营真正带来益处。

      AMAN技术的一项最新发展是跨国合作的发展,为大型机场提供最精确的的入港信息和优化入港序列。

      跨国界AMAN的一个实例是伦敦希思罗机场,通过法国、马斯特里赫特和英国管制员的合作,AMAN排序可外推至距离机场550英里远,减少了累积等待延误和碳排放。

      然而AMAN尚未被ATC运营商充分利用,完全发挥其潜力。Matts表示,主要机场交通量大的终端区域,实施进近管制的难度很高。要求有经验的管制员能够应对各种可能性情况。管制员完全依赖AMAN,尚需一段时间,并且AMAN必须足够可靠来发挥其作用。有太多参数会影响系统的性能,并且管制员必须随时准备推翻AMAN做出的决策。

      AMAN的未来

      通过使等待延误减少到最小并在交通高峰时期仍保持跑道容量,AMAN将帮助解决航班入港的相关问题。Thurow表示,机场利益相关方能够从改进的规划信息中获益,因为AMAN是机场协同决策系统(A-CDM)的一个重要组成部分。AMAN的数据将为机场人员在规划方面提供支持。

      Matts表示,ATM系统所有复杂的规划和监测工具都有助于提升AMAN最终阶段的表现。与AMAN相关联的还有出港管理系统(DMAN)。还应当对跑道和滑行道的使用进行优化,来实现机场场面和空中的最佳交通流。因此,AMAN并不是一个能解决所有问题的工具。

      “欧洲单一天空空管研究计划”(SESAR)推出了拓展入港管理系统(E-AMAN),在2023年前将在15个机场实施。SESAR联合执行体表示,E-MAN将使对入港航班的排序比目前早得多。

      

      Thurow称,AMAN的发展应重点开发学习和修正功能。这将有助于对先前结果的解读,并在未来遇到相似情境的时候优化入港管理。

      他还表示,目前的AMAN系统遵循已编写的商业规则。神经网络培训的引入将为ATC系统使用者提供决策建议,甚至是对系统没有建模或针对其进行培训的不可预见的情况也能给出建议。

      学习行为

      高级神经网络(ANN)是有着与人类大脑相似结构的计算机系统,也是AI的主要组成。Thurow称,ANN是一种软件开发的新方法,不需要对真实情况的数据进行冗长的分析,也不需要用公式来描述情况。取而代之的是,程序员是ANN的培训者。

      他表示,拥有这样一个系统将为所有利益相关方带来众多好处。考虑到人类能够学习成为一名管制员这一事实。这包括模式识别,适应新环境,对不久将发生情况预测的能力,并且能够在工作中持续进行改进。传统的ATC系统无法进行学习、模式识别或是完成任何人类所能完成的任务。

      另一方面,ANN可以被训练用来监测模式并归纳概念,这使得ANN能够对情境进行适应、学习和预测。事实上,如果训练得当并提供充足的处理能力,一个ANN系统能够在一个狭义的应用中完成任务,也有可能其表现超过人类。

      一旦程序被编写,它是静态的且不易进行调整。程序员必须对要求进行理解,生成对真实情况进行描述的公式,然后编写成代码。软件跟不上实际变化的节奏。

      这并不意味着人类很快将被ANN所取代,但是如此先进的系统将使自动化ATC受益,能够支持决策并作出预测。Thurow表示,ANN并不是普通智力,只能解决其所被训练解决的有限的问题。比如,被训练用来监测跑道上飞机的ANN,并不能同时预测天气,尽管一个单独的ANN能够来预测天气。

      现在的ATM系统试图通过确定和看似合理的规则,来预测可能的情况,并帮助管制员解决问题。Matts表示,因此要将ATM系统定义为真正的人工智能,其必须要像管制员一样接受培训,然后承担起管制员的工作。我们现在还远远没有达到这个目标,但在未来是可能的。我们仍然有法律问题需要解决,但是可以想象,如果管制员得到人工智能的帮助,未来将需要更少的管制员。

      航空业现在产出了海量的数据,人工智能技术的优势在于其进行模式识别的速度,远远超过人类的能力。当不同来源比如视频传感器、ATC无线电、ADS-B和机场运营系统的数据,同时进行处理时,人工智能的模式识别能力更加凸显。

      但将人工智能引入机场和ATM环境的目的,至少在不远的将来,并不是来取代管制员。管制员应当始终是决策者,人工智能和预测技术所能提供的是帮助管制员做出最佳决策的工具。(本文编译自Air Traffic Technology International

    4荐闻榜

    延伸阅读: AMAN伦敦希思罗机场