漢莎航空繼之前與Google合作,透過最佳化航班調度減少燃油使用,進一步降低成本支出和碳排之後,雙方又公開新一波合作成果,透過預測機場跑道的風速,來提高航班準點率,不只降低營運損失,也能提升乘客服務。

風的大小和風向對機場運作有重大的影響,在瑞士有一種名為白斯風(BISE)的自然現象,這是一種又冷又乾的風,會從瑞士東北穿過瑞士高原吹向西南。白斯風會嚴重影響航班時刻表,迫使飛機改變跑道,而導致航班延誤甚至取消等連鎖反應。

這種狀況在蘇黎世機場特別嚴重,白斯風甚至可能降低機場30%的運量,不只對漢莎航空造成數百萬美元的收入損失,同時也會造成乘客不滿。因此漢莎航空希望可以透過提前預測白斯風,讓網路營運控制團隊,能夠以更佳的方式運用跑道和時間段來調度班機營運,最大程度減少對航班計畫的干擾。

漢莎航空想要知道透過深度學習預測白斯風,所進一步調整的航班,結果是否能夠超過內部原本的啟發式解決方案,並且衡量深度學習的易用性,以及在生產環境中的實用性。

要預測白斯風並不是一件容易的事,深度學習模型需要用到大型資料集,因此漢莎航空和Google使用了Meteoswiss模擬資料,該資料集由過去5年瑞士多個氣象站氣象感測器的測量值組成,透過該資料集,漢莎航空便能以每10分鐘的解析度,獲得風向、速度、壓力、溫度和濕度等天氣資料,以及氣象站位置相關的海拔高度等資訊。

由於白斯風並非一個直接可用的變數,因此他們設計跑道周圍的順風速度作為代理目標變數,當此數值高於特定閾值,則代表跑道出現白斯風,這項專案建立在Google全託管機器學習平臺Vertex AI之上。實驗結果顯示新系統給出的預測,優於漢莎航空內部的啟發式演算法,而且隨著預測的時間加長,出現了明顯的效能差異,新系統能夠獲得更高的召回率(Recall)和精確度。

在預測未來2小時的白斯風,新的預測模型相較於漢莎航空內部的啟發式演算法,高了40%精確度,在6小時的預測效能差距更進一步擴大,也由於提前數小時的預測,能使漢莎航空更有餘裕防止航班延誤,因而提高該解決方案的實用性。

漢莎航空計畫將這個預測白斯風實驗性專案,整合到營運決策支援套件中並用於生產環境,供蘇黎世克洛滕機場的營運控制中心使用。

熱門新聞

Advertisement