机位分配，随“机”应变

机场机位资源是机场运行的核心资源，其分配工作是运行指挥中心工作的重中之重，机场机位资源分配结果是否合理不仅将直接影响机场的航班起降、飞行区安全以及旅客的服务体验，也会影响周边的相关资源，如登机口、摆渡车、行李转盘等的合理分配。当航班发生延误、取消、返航等特殊情况时，指挥中心还需迅速对原有机位的分配计划进行相应调整。 如此繁琐复杂的工作，能否采用人工智能来实现？

传统方式难以匹配业务发展

机场机位资源分配工作主要包括信息收集、静态限制分配、优先规则分配、整体性约束调整、方案生成及微调5个环节，当前主要依靠人工方式在ORMS系统进行分配，包括从获取航班计划开始，然后根据机号确认待分配航班，再通过查询航线方向、执飞机型及分析旅客信息等进行机位资源分配。

目前，国内机场通常由运行指挥员基于本场机位分配的约束规则，在甘特图上进行人工决策（如ORMS、A-CDM中的机位分配模块），手动操作系统对停机位进行分配。采用这种分配方式，不仅需要考虑的分配规则多，面临的计划外因素多，分配工作的效率较低，更重要的是潜在的飞机滑行或推入推出冲突的风险较高。

在航空业务繁忙且停机位相对紧张的现状下，深圳机场传统的机位分配方式面临以下几方面的挑战：

分配效率较低。深圳机场目前拥有225个停机位，包括62个近机位。传统分配方式下，由于机位的特性差异，及繁多且复杂的机位分配规则，需要指挥员记忆大量的基础规则，如航班计划、飞机机型、航班性质、航线性质，以及各种优先级规则等，这种依赖指挥员的专家经验，需耗费大量时间进行机位分配的人工模式导致分配效率较为低下。

为此，深圳机场设置了专门的资源分配席位24小时进行动态的机位分配和调整，此外，针对过夜航班还需要额外投入专人进行3～4小时的分配作业，但整体过夜、过站航班分配的效果仍较难通过实时数据进行评估。除此之外，面对突发情况，如天气恶劣无法进出港，某班次延误，临时备降等情况，由于手工机位调整耗时较长，因此难以迅速满足计划外的分配需求。

核心指标优化难。机位调度的优化需要综合考虑多种影响因素，如廊桥靠桥率、航司靠桥率配比、旅客步行距离、飞机推入推出冲突、任务类型等方面。传统分配模式下，很难在不同的需求场景下针对某一特定指标（如不同天气条件下的靠桥率或冲突率），实施兼顾全局的优化分配方案。

智能化程度较低。目前，深圳机场航班信息传递的及时性及流程化仍有优化的空间，如飞行区规划布局、滑行程序设计、航站楼商业布局等周边信息无法与手工机位分配系统进行数据交互等。由于机位分配流程中的航司、地服保障、空管等不同来源的数据不能进行高效的汇集和同步，因而无法对机位调配相关的数据进行深度挖掘和综合分析。

制约全局机位调度效率提升。传统分配模式下，机位分配效果无法用实时数据量化，单一机位的分配效果和全局分配效果无法整体评估。无法快速准确地适应分配规则的动态变化，成为制约机场运行效率提升的一个重要因素。

在当前客流量快速增长，机场运营面临安全、运行、服务体验等多重挑战的情况下，亟需对机场关键场景资源进行科学利用和合理配置，打造一套高效的机位资源智能分配系统。

近年来，随着智能化技术的快速发展，相关研究单位及技术公司也在积极开展基于算法的机位分配应用研究，人工智能技术的飞速发展为该需求的实现提供了可能。通过智能化机位分配应用，可在向指挥员提供机位智能预分配、实时分配等决策支持的同时，为值机柜台、登机口、行李转盘等资源的智能分配打下基础，以进一步提升机场的运行效率和旅客体验。

以数据和AI算法为核心，打造机位资源智能分配方案

作为业界创新型项目，华为联合深圳机场打造了智能机位分配场景化解决方案，这是AI技术在机场核心生产系统中的首次应用。基于企业4A架构理论支撑，双方联合对业务、应用、数据、技术架构等方面进行了科学和详细的分析，依托华为数字平台，通过AI技术，在实现机位自动化、智能化调度的基础上，达成了“机器为主、人工为辅”的机位资源分配目标。 基于大量的优化调度规则及AI算法，华为有效支持了深圳机位的智能分配与动态调整，提升了靠桥率、廊桥周转率等核心指标，同时最小化机位及滑行冲突，助力机场实现了资源分配的全局最优，在保证地面运行安全的基础上，提高了地面运行效率和旅客满意度。

智能分配系统在深圳机场统一的大数据平台之上搭建了一个AI平台，包括通用基础算法库及运筹优化算法库；基于AI平台构建了各类引擎系统，如智能规则引擎、智能调度优化引擎以及仿真引擎等，实现了机位资源的智能调度；在顶层建立了统一的开放可交互平台，实现了机位资源管理的智能化、可视化。

数据平台模块。大数据平台对周边系统数据进行抽取和实时接入处理，结合行业经验形成特有的行业专题库，并以标准的接口方式推送至上层应用系统数据模块，整合后作为AI算法的输入。

AI平台模块。为上层的引擎系统提供底层算法支持，包含各类算法库，主要包括通用基础算法库及运筹优化算法库等。结合机位分配场景，利用AI平台提供的算法能力，选取合适的AI算法及运筹优化(数学规划/元启发式)匹配业务需求。

算法引擎模块。基于数学优化和启发式算法，构建机位分配算法引擎，支持批量分配和动态调整，面向各类实际业务提供决策支撑，包括智能规则引擎、智能调度优化引擎以及仿真引擎。

作为系统的核心模块，智能规则引擎根据机场梳理的机位分配规则(60+基础规则)，合理利用运筹优化算法(元启发、启发式、精确求解算法等)建模，基于靠桥率、冲突量、旅客体验等多目标综合考虑，输出机位分配结果集，最终实现智能分配的目的，提高机场运行效率。

廊桥机位利用率提高5%

基于AI技术的智能机位分配场景化解决方案，不仅是对传统机位人工分配模式的改革和创新，属于业界首创，也为行业摸索出了一条大运控领域的数字化转型之路。目前深圳机场已实现了以下成效：

机位资源分配实现了“机器为主，人工为辅”。 以目前深圳机场每日1000多架航班量级测算，原人工分配模式完全依赖指挥员经验，每个班组分配耗时约4小时，而实现系统批量自动化后分配时间缩短至不到1分钟，且可每隔10分钟进行一次滚动刷新，刷新耗时约10秒钟。在此过程中可随时进行人工干预。

核心指标显著提升。根据当前测试数据，使用机位资源智能分配系统后，深圳机场的靠桥率从71%提升至76%。对于年客流量高达5千万级别的深圳机场来说，这5%的提升，不仅意味着每日1000多架航班中有50个不再需要通过摆渡车接驳旅客到远机位，更意味着在原有基础上，每年约有多达260万的旅客不再需要乘坐摆渡车登机。

据估算，后期卫星厅建成投运后，随着近机位资源的补充，该系统的效能将进一步释放，预期靠桥率可提升10～15%。 在提高靠桥率的同时，该系统还可使另一个关键资源分配指标——廊桥周转率从10.24个班次提高到11个班次，相当于每个廊桥每天可多保障1个航班，有效提升了机位资源的使用效率。

机场核心资源全局最优。整个系统通过引入AI算法，结合运筹学策略，实现了对机场核心运行资源的最优化分配，除现有已实现的机位资源智能分配外，系统还可通过灵活拓展，支持对新目标的定义及快速开发的实现，且不与现有系统发生冲突。随着系统逐步延伸至登机口、值机柜台、行李转盘和安检口资源的智能分配，资源的全局统筹分配效益将进一步提升。

技术与业务的深度融合。该项目在全面梳理机场现有机位资源分配业务流程的基础上，对当前机位分配特有的业务规则（60+基本规则）进行了归纳总结，作为算法引擎的输入。同时，系统还对来自不同信息系统、不同部门的大量信息（航班、机位、空管数据、跑道信息等）进行了融合处理。由于相关业务流程极其复杂，技术与业务融合难度极大，为此项目组内的系统开发人员与业务人员通力合作，在熟练运用AI新技术基础上，深入研究机位分配的内在业务规律，最终实现了技术和业务的深度融合。目前，该项目已注册申请了3项相关专利。

将AI嵌入运行资源分配每个环节

华为机位资源智能分配系统的顺利部署上线，使得深圳机场成为了民航信息化技术创新和探索的先驱者，不仅引领了民航信息化的发展趋势，也对技术创新促进行业发展的路径有了更深刻的理解和长远视野。

未来，华为还将不断扩展AI技术在机场资源分配领域的应用，放眼机场整体资源，以现有系统为主线，延伸实现登机口、值机柜台、行李转盘和安检口资源的智能分配，将AI技术嵌入到运行资源分配的每一个环节。届时，各类运行资源的一体化智能分配将发挥最大的统筹协同效应，实现运行资源分配的全局最优，破解机场当前日益突出的资源保障瓶颈，助力深圳机场打造全球领先的未来机场。