中国民航局第二研究所信息公司董事长程华（记者汪洋/摄）

程华：尊敬的各位领导、各位来宾、各位专家、各位同仁，大家下午好！ 

我今天分享的内容比较聚焦，主要是分享一下我们民航二所在机位分配系统上一些实践的案例以及对机位分配系统未来的思考。 

民航二所长期致力于机场生产运控领域信息技术的研究以及相关产品的研发，停机位分配是机场生产保障业务中最核心、最关键、最复杂的场景之一，也是我们在机场生产运控领域所关注的主要问题。 

早在2009年民航二所的机位分配系统就在广州东三西三指廊扩建过程中在线替换了美国公司的同类产品，它是国内首个自主研发，具备批量自动化分配能力的机位分配系统，也是国内枢纽机场核心运控产品国产化替代的里程碑事件，从2009年到2019年的10年，全国机场的旅客吞吐量增长了2.78倍，航班起降架次增长了2.41倍，现在航班保障业务中有80%以上的里程碑事件与机位分配结果直接或者间接相关，95%以上的航空器的地面保障活动需要在停机位上进行，机场在智能化运行、精细化管理以及人性化服务方面提出了越来越高的要求，是否乘坐摆渡车也成为了旅客出行的重要关切之一，这些都与机位分配系统的智能化水平直接相关。 

但是我们看到了由于机位分配系统分配的结果质量不高，在实际运行过程中仍然需要大量的人工干预进行调优，如何在保证结果的安全性、可用性的基础上，尽可能的减少人工干预，让AOC的指挥员由一个执行者向监管者和决策者转变，使其成为了新一代机位分配系统需要研究的课题。 

民航二所从2019年开始启动了新一代机位分配系统的研发，以一提升，两降低为目标，提升靠桥率为基础，降低机位变更率、降低计算耗时，实现了以下三大技术突破。 

一、确保了分配结果的安全可信。 

二、在靠桥率与机位变更率两个指标上同时得以优化。 

三、大幅降低了全量计算耗时。 

以上的研究成果先后应用于广州白云机场、成都天府机场、杭州萧山机场等国内大型枢纽机场，“白云算法”“天府智慧资源管家”先后在去年8月和今年3月正式上线，给客户带来了显著的业务价值和经济效益，在提升靠桥率，缩短航迹滑行距离等多项关键业务指标上成效显著。 

下面跟大家分享“白云算法”和“天府智慧资源管家”两个案例。 

首先来看“白云算法”，它是民航二所与广州机场在技术与业务上深度合作的产物，2019年广州白云机场全年起降架次49.13万次，是同期首都机场和浦东机场的82.7%和86%，但是白云机场只有271个停机位，其航班起降架次与停机位的比值分别比首都机场和浦东机场高出的13.5%和20.4%。 

此外广州白云机场候机楼的U型桥的构型也放大了航空器滑行阻塞和机体擦挂的风险，因此我们在“白云算法”中第一个要解决的难题就是安全可信，要彻底规避航空器停放和滑行的冲突问题，分配结果的安全可信是减少人工干预的基础，我们通过对航空器在停机坪上滑行、入位、停放以及推出之间关系的全面量化，采用时项性动态约束的方法，构建了规则引擎，使得无论是手动分配还是人工调整的结果均能够彻底避免可能隐藏其中的航空器擦挂的风险，在解决了安全性的问题以后，我们把主要精力放在了性能优化上，航班靠桥率和机位变化率往往是一对互斥的指标，在其它条件都不变的情况下，提升航班靠桥率往往会带来机位变更率的上升。 

由于停机位的紧张，为了提升靠桥率，机场AOC的指挥员不得不根据航班动态的变化对已经分配的结果进行大量调整，这也将导致登机口的变更频繁，也大大降低了旅客出行体验，我们经过与白云机场AOC的反复研究，采用了一种基于大数据的全局最优算法，使得机位分配的结果不仅仅是在当前10个下的全局最优，而且能够有针对性的未来一段时间因为航班时刻的变化所导致的登机口的变化问题，也就是说能够保持一段时间内的全局最优，因此在提升靠桥率和降低机位变更率这两个原本互斥指标实现了双提升。去年8月白云算法正式上线，不但靠桥率提升了3个百分点以上，机位变更率也由原来的7%降低至了3%。 

按照白云机场2019年旅客吞吐量计算，相当于每年新增220万旅客从廊桥上下机。在今年的新航季，广州机场的航班增量是5.88%，日均航班量达到了1270余架次，我们再次对算法进行了优化，使得核心业务指标在航班增量下不降反升，月均靠桥率再度提升1.31%，放行正常率提升了3个百分点，助力白云机场连续3年获得亚太地区旅客吞吐量4000万级以上最佳机场奖。 

白云算法优化的第二点是降低计算耗时，机位分配运算所需要的时间往往会因为分配规则量级的提升而呈现指数级的变化，而大型枢纽机场的分配规则通常高达数万条甚至数十万条，一次全量计算就会耗费大量的时间。 

一方面如果我们要做到全局最优，而不是局部最优，那我们就必须进行全量的机位分配计算，另一方面如果计算时间耗时过长，将会大大的降低用户体验，甚至直接影响生产运行。 

我们采用的基于降维技术的计算引擎，能够将规则数量增长所带来的运算时间的指数型增长压缩成线性增长，大幅缩短了机位分配所需要的时间。 

白云算法共计启用了114470余条业务规则，算法仍然能够在45秒内完成一次全量的机位分配计算，得益于大幅缩短的机位分配计算时间，机位分配系统能够每5分钟自动进行一次全场机位计算，这也是白云算法从自动化走向智能化的关键一步。 

第二个方向的案例是天府机场的天府智慧资源管家，广州机场和成都天府机场同属于4F级的国际枢纽机场，但是两个机场的特点和运行模式迥异，天府机场的跑道运行模式和超大的航站楼规模对航空器滑行距离构成了重大挑战，因此我们在白云算法的基础上，在天府机场把优化的重点放在了航空器的滑行距离上。 

大家来看这张图，由于天府机场的T1、T2航站楼同属于一期建设项目，因此整体建筑偏北，T1、T2航站楼距离19、20和11号的跑道方向较近，距离01和02跑道方向较远，同时因为成都地区常年盛行的是偏北风，在02号跑道就不考虑11号跑道起飞的情况下，02号跑道起飞的航班占比相对较高，如果我们不考虑航班与跑道起降方向的关系，将02号跑道起降航班的机位分配到跑道对角线最远端的停机位上，这将直接导致航空器的滑行距离高达7公里。 

我们在深入分析了天府机场3条主要进离港线路与跑道起降方向的关系后，将符合机场运行模式的多航向停放规则引入算法，其分配结果使得航空器日均滑行距离减少了75公里，在整个第五航季累计降低燃油消耗290吨，减少碳排放915吨，成为科技助力绿色运行的典型案例。 

此外，在天府智慧资源管家中，我们还预知了一套预战术仿真推演功能，对于机场而言，航班换季、重要活动保障等场景时有发生，仿真推演功能能够有效的辅助AOC指挥员进行预战术安排，在天府机场2023年第五航季的筹备过程中，预战术仿真推演功能将过去数天才能完成的方案验证工作缩短成两小时，极大地提升了机场AOC的决策效率。 

最后我想谈一谈机位分配系统未来的思考，停机位分配作为机场生产业务中、生产保障业务中最核心最复杂的场景之一，它直接影响着机场的站坪运行安全、航班保障效能以及旅客的服务质量，它既是机场服务质量的主要考量，也是行业竞争力的重要体现。 

今年6月民航局发布了《智慧民航加强评价指标体系》，其中智慧机场的评价体系指标中共有8项23分，其中与停机位分配直接相关的有两项5分，剩余其它的所有项都与停机位分配结果间接相关，这更加凸显了机位分配系统在智慧机场建设中的核心地位和价值。 

机位分配系统未来优化的方向在什么地方呢？我们认为至少可以从以下两个方面进行优化，第一个是数据共享赋能，今年的民航年中工作会议和智慧民航建设领导小组第三次会议中都提到了数据共享和治理，对于机位分配系统来说，ETA、COBT、多跑道起降方向等数据的质量会对停机位分配的结果以及后续的调整产生重大的影响，当前这类数据的质量普遍不高，这也导致了机位分配系统无法按照最优的方案运行。 

我们做了一个模拟仿真，在其它所有条件不变的情况下，以及其它所有指标不降低的情况下，如果ETA能够做到及时和准确，白云机场的靠桥率将能够再提升1.2%，成都天府机场的靠桥率能够再提升2.1%，因此数据共享和治理将是智慧机场建设成败的关键之一。 

机位分配系统优化的第二个方向，我们认为应该是生成式人工智能AI与运行的深度融合，从刚才分享的白云算法和天府智慧资源管家中可以得出一个结论，机位分配系统输出的分配结果的质量是高度依赖于业务模型能否精确的反映机场的实际情况，而业务模型是由数万乃至数十万个约束规则所组成的。 

对于机位分配系统而言，算法是可以通用的，但是规则却不能通用，我们把它称之为千场千面，不但每个机场需要根据自身的运行特点构建符合自己特点的规则库，而且规则库的归纳、演练、评估以及最后的确认都需要花费大量的时间和精力。 

这也带来了一个问题，由于无法借鉴其他机场的规则库，而规则库的生成和调整又非常的耗时，当航班换季以及机坪、航站楼等外部运行条件发生变化的时候，如果不及时调整规则库，将直接导致机位分配的质量显著下降。 

因此未来在机位分配系统中引入人工智能，应该是一个大概率事件，人工智能将可以经过历史数据自主生成并不断优化规则库，可以预见生成式AI技术的引入，将把停机位分配的智能化水平和可持续演进能力提升到一个全新的高度。 

以上就是我今天跟大家分享的内容，感谢大家的聆听，谢谢！