民航二所成都信息技术有限公司技术总监 张逸

 张逸：从今天上午讲的人工智能到下午的大数据，我今天的收益非常多，也给了我非常多的启发。今天给大家分享的是，我们民航二所的机场运营态势的感知系统。

我演讲的这个题目针对的是我们在机场运行的行为决策，也就是我们所谓的A-CDM的这样一个分析和我们的一些想法。

现在的A-CDM，它确实能很好支撑我们机场的运行，完成协调决策。它通过打破相关单位间的壁垒，完成我们管理决策的协同。我在分享当中主要分享三部分内容。首先介绍一下A-CDM的现状，然后我们基于现在的A-CDM的一个分析，我提出了我们要拓宽A-CDM的范畴，最后我们希望能够基于我们现有的机场相关系统来进行数据的融合，来形成一个所谓的广义的A-CDM的这样一个概念。

A-CDM通过多数据源的自动化采集，依托自身的数据中心，帮助我们做决策化分析。这个过程其实是一个循环闭环，我们通过信息的共享，得到态势感知，对整个进程进行监控，最后来满足我们的协同决策的这样一个目标。在信息共享的时候，我们主要的现有的A-CDM所获取的数据主要是基于航班的数据，基层保障的数据和一些与旅客、航展相关的服务数据。针对这样的情况，我们认为现有的A-CDM在数据的精度和广度方面还有所欠缺。其实我们今天一直都在听到，包括刚才浪潮的朱总也提到了一个概念叫DSK，从大数据角度来看，我们希望更多的数据留下，但是由于现有系统的这种壁垒，我们现在的一个A-CDM在数据上还欠缺精度和广度。

另外，A-CDM作为一个独立的系统，它和机场其他系统之间在一定层面上可能是因为技术的原因，也可能是因为供应商间的壁垒，欠缺系统之间的联动，人为上对准确预测制造了难度。

第三，决策范围应该进一步的扩大，不仅仅是针对航空公司和空管，我们希望把空侧、陆侧、旅客、航站楼等纳入到这个范围内。

现在不管是国内还是国外，都在推广A-CDM，使得希望通过它来提高我们机场的运行效率。国外的同行在针对A-CDM方面的一些预判和预测，包括Saab空中交通管理公司提到的进一步拓展A-CDM的范围，覆盖至航站楼内的运行，包括旅客服务和行李服务。也提到了说我们希望提供更多进港、离港的航班的时刻，还有整个机场相关的一套数据，更好的发挥A-CDM的作用。

我们再来看一下，基本上A-CDM的6个要素可能已经得到了业内的公认，在A-CDM当中希望能做到的是信息共享、里程碑式的管理方法、灵活的滑行时间、离港航班的排序、空中交通流量管理和极端天气下的协同放行。

在A-CDM中，一旦确定了上轮档时间进行TOBT，如果在这个系统已经对它做出了预测，并不等于我们这个预测的结果是准确的，因为它还会受到旅客登机情况的影响，而旅客登机其实有很大人为因素，也有可能是因为他到达机场的时间相对比较晚。还有一种情况是旅客已经到了机场，他已经在候机楼等待了，但是他迟迟不登机，等到最后一刻才登机。这个时候这种数据缺乏了对旅客登机完的情况的一种预判，进而会影响到我们对TOBT的预判。如果说我们能够对系统当中的更多的旅客的分布的数据和他的历史规律进行分析，就能够进一步的去提高我们的预测的准确度。

极端天气情况虽然不常发生，但它直接关系到旅客的满意程度。这其实牵涉到各部门的协同。我们在做预测的时候，我们可能知道极端天气会造成航班延误，我们也知道处理的时间是什么时候开始，但是我们没有办法去知道什么时候结束。因为这个系统不仅仅牵扯到机场，还牵扯到整个综合的公路交通、机场内部的地面技术服务。如果说我们能够得到一些公众交通的信息，获知旅客到达的规律和相关数据，就有可能通过大数据的分析，能够预测到它结束的大概时间。

我们再看一组场景，是针对飞机的滑行时间，这是跟场面是直接有关的。这个时候，如果我们能够得到场面滑行的飞机的一个相关的数据来提升效率，那么也能够很大程度上提高滑行机率。

这个是我们现在的一些场景，我们看到A-CDM如果要做更精确的预测，就需要得到更多的数据，现在我们提出了广义的A-CDM的概念。广义的A-CDM我们认为有三个阶段，首先是平台的建设，第二个是数据的整合，最后是应用的整合。这个地方要提到今天我的一个感受，就是我们在做软件时，因为我本身是做软件设计的，在架构上我们提倡的是“分”，我们怎么去把系统的复杂度降低了，我们的方法是分而治之。但是分解了之后我们要做一个整体，就需要把整个分解的系统进行整合。对于大数据来说，或者是针对整个机场建设，我们看到今天我们论坛的三个话题是人工智能、智慧机场核大数据，那我发现一个非常有趣的现象是在整个演讲的过程中，所有专家分享话题的时候，在讲人工智能的时候，其实提到了智慧机场，提到了大数据，在今天下午讲智慧机场的时候，其实有很多内容是在对AI进行浓墨重彩的这样一个讲解。在讲大数据的时候，其实我们是用大数据去支撑我们智慧机场的建设。所以整个过程其实都是在讲融合。对于大数据来说，我个人认为大数据的技术现在不是决定大数据为我们的业务支撑的一个瓶颈，因为大数据的技术发展，当然，还仍然在发展过程中，但它应该不再是我们的瓶颈了，各个厂商、专家已经研究了很多分析算法，但主要的问题还是在于数据整合，数据的融合和应用之间存在的壁垒。所以我们就基于我们民航二所自己的情况提出了这样一个三个步骤。

首先我们是需要在这个平台上搭建我们的A-CDM，这个平台是大数据的平台，牵涉了整个对数据源的管理、对数据的采集、对数据的存储和数据的分析处理。当然在它们之上，还有一个可视化，数据的可视化。在数据的采集和数据源的管理上，其实反而会成为我们一个很大的问题，因为数据源来自于不同系统，数据的结构有非结构化、有结构化、半结构化，对数据的要求有实时性的要求，也有大批量分析的要求。这个方面，我们通过引入大数据和云平台这样一个大的平台来解决这个问题。

第二步是数据整合，其实如果我们想象一下，我们能把机场，包括刚才来自香港的刘教授也提到了大数据营销，从旅客的角度拿到一些互联网的数据，我们现在也提到把航空数据和非航空的数据融合进来，这样我这个大数据治理生态圈里面我们要做运营态势的分析应该是非常容易的。但是现在还有很多的障碍和问题，所以现在我们提出一个更加能够落地的方式，基于我们现在民航二所自有的系统，主要是解决刚才提到的三个方面，在原有的A-CDM的基础置身，提出对空侧的数据、航站楼的数据、路侧的数据，我们有三个不同的系统，包括空侧的A-SMGCS，对场面的引导和控制系统，还有航站楼的T-CDM航站楼运行协同系统，还有GTC-CDM路侧综合交通协同系统，加上我们的A-CDM，把这四个系统的数据全部打通，通过大数据中心进行打通。在这个阶段主要是对数据的一个治理，这个地方列出了一部分我们能够获取的，并且是对我们的协同决策、对我们的态势感知有帮助的数据，包括从A-SMGCS里面可以获得飞行器的相关的一些数据，也就是场面的一些数据，也能够从航展类的T-CDM里面拿到旅客的实时的人类的分布量，拥堵的情况和他排队的情况。当然，这个地方不仅仅是把空侧、路侧和航站楼的系统单向的往A-CDM里面去走，而是形成一个融合，我们也可以从A-CDM里面的数据拿过来，反过来帮助我们对旅客提供更好的服务，对交通提供更好的服务。我们也可以从GTC-CDM里面获得交通数据和旅客的每小时进入流量，从A-CDM里边获取航班运行数据、航路情报和流控数据。

我们这个主题讲解的叫运行态势感知系统，我们的底层以大数据中心为主要的平台，融合我们的四个应用，也就是A-SMGCS、T-CDM、GDC-CDM和A-CDM，基于这四个应用满足我们对数据的分析，为我们的航空公司和旅客提供感知分析、预测响应和协同，这样形成一个运行的态势感知系统。

基于这样一个广义的A-CDM我们也可以得到一个场景，这个里面我们能够满足机场运行的这么一些场景，其中我们可以通过航站楼T-CDM获得的数据提供给A-CDM，就达到刚才提到的这样一个预测。场景二是针对到港业务，通过A-CDM提供的到港航班信息保证旅客尽快的离港，而不会长时间的驻流。

我们认为通过这样几个系统的数据的融合和应用的整合，就可以拓展数据的维度，引入更细致的实时的数据，提供更加精准的服务。基于大数据分析技术，提供更加精确的机场运行态势分析和仿制预测能力，打破系统边界，对提供更加精细化的协同管理服务，也就是我们提出的精准、精确、精细。

谢谢大家！

民航二所-张逸-基于大数据的机场运行态势感知系统.pdf