Эти технологии помогают авиакомпаниям не только уменьшить время пребывания самолётов на рулёжных дорожках, но и сократить расход топлива и снизить выбросы в атмосферу.
Использование ИИ и квантовых вычислений позволяет сократить время, которое пассажиры и самолёты проводят на взлетно-посадочной полосе. Уменьшение времени руления снижает как затраты авиакомпаний на топливо, так и воздействие на окружающую среду. Выделение выходов на посадку часто происходит заранее, однако реальная ситуация может измениться, и задержки рейсов часто приводят к корректировкам.
Процесс распределения мест для стоянки самолётов учитывает множество факторов, включая близость к терминалам и удобство пересадок для пассажиров. Однако непредвиденные задержки могут усложнять это планирование, что приводит к увеличению времени ожидания пассажиров и создает дополнительную нагрузку на ресурсы аэропорта.
По данным исследования компании "AeroCloud", многие аэропорты всё ещё используют ручные методы распределения выходов на посадку. Однако с внедрением систем машинного обучения ситуация меняется. Так, "American Airlines" внедрила систему ИИ в аэропорту Даллас/Форт-Уэрт, что позволило сократить время назначения выхода с 4 часов до 10 минут. Эта технология привела к сокращению времени руления на 20% и ежегодной экономии 1,4 миллиона галлонов топлива.
"Lufthansa" применяет квантовые алгоритмы для оптимизации назначения выходов на посадку. Квантовые вычисления позволяют обрабатывать данные в реальном времени, что делает распределение ресурсов более эффективным и уменьшает нагрузку на инфраструктуру аэропортов. Это нововведение помогает повышать общую пропускную способность аэропортов и снижать число задержек.
Внедрение таких технологий является важным шагом на пути к более эффективной и экологичной работе аэропортов и авиакомпаний, делая процесс перелётов удобнее для пассажиров и безопаснее для окружающей среды.
