本报特约撰稿人 罗程洮
新冠疫情对全球民航客运市场的影响逐渐消退，民航业正在持续复苏。根据预测，未来20年全球民航出行需求或实现翻番，这对行业系统性保障能力提出了新要求，民航业需要以更好的方式优化资源利用、提高客户满意度、提高运行安全性、增强成本控制能力，实现绿色可持续发展。
对一系列新兴技术的研究、探索和应用是释放未来民航市场潜力的关键。近年来，以无人飞机、智慧机场、可持续航空燃料开发、人工智能为代表的新技术得到了不同程度的发展。这些技术的商业化应用虽多数还处于起步阶段，但与智慧化运营、空管现代化等战略深度契合，其对民航的重要意义正逐步显现，未来将深入影响民航运输业的战略决策、业务流程、商业模式、业务形态等各个方面。
新技术的广泛应用
在无人机方面，美国作为无人机商业化应用的先锋国家之一，美国联邦航空局（FAA）正在努力将无人机系统（UAS）集成到国家空域系统中，并计划开发无人机远程识别系统，以实时识别和跟踪无人飞机。在全球范围内，一些企业也积极投资飞机自动驾驶技术，如波音、空客两大飞机制造商以及Xwing和Sky?dio等初创公司。2018年，空客启动了自主滑行、起飞和着陆（ATTOL）项目。ATTOL是完全自动化的、基于视觉的起飞和着陆，由机载图像识别技术控制，未来有望大幅提高空域容量。但就当下而言，民航领域自动驾驶技术距离大规模商业化应用仍有较大差距，尚有许多技术、监管和安全层面的问题有待解决。
在智慧机场建设方面，当前全球普遍思路是将生物识别、物联网、机器人、虚拟现实等相对成熟的技术融入机场运营，以提升效率、安全性和旅客体验。例如，利用生物识别技术，将旅客的照片与护照或签证信息进行匹配；通过整合物联网设备和传感器采集数据，监控和管理机场运营，实现航站楼内客流管理、跑道监测、行李分拣处理和全流程跟踪，或者将各类机场机器人用于执行不同任务，如清洁、行李运输和旅客服务；也有一些机场和航空公司尝试在候机楼和客舱服务中采用虚拟现实和增强现实技术以提升旅客体验。
在可持续航空燃料方面，生物燃料和氢能源均被视为新能源的重点发展方向，其中生物燃料在民航领域的应用相对成熟，已在国外部分民航市场初步得到应用。2021年3月，FAA发布了可持续航空燃料（SAF）生产计划，计划在未来10年内提供20亿美元资金，支持SAF开发和商业化生产，目标是到2030年减少20%的航空碳排放。2022年11月，Neste与LAXFUEL合作，向洛杉矶国际机场交付了超过1500吨可持续航空燃料。在政府政策的支持下，可持续航空燃料在美国民航业的商业化应用相对领先。
人工智能的应用场景
在人工智能技术方面，尽管飞机制造业被誉为现代工业皇冠上的明珠，但在互联网和数字革命迅速演进的当下，与之关联的全球航空运输业在迎合技术创新尤其是数字化改革方面明显滞后于时代的发展和进步，大量民航运营主体的生产系统和生产模式还停留在互联网时代早期的水平。
在全球范围内，人工智能在民航业的应用还较为初级，但这一技术作为第四次工业革命的组成部分，可与民航运营管理各个领域深度融合并产生巨大影响。人工智能及其感知技术可简化运行监测、机械维护、客户服务及其他业务流程，更好地利用行业各类数据，从而实现企业有效战略决策，提高生产效率和核心资源利用效率（如空域、跑道），有助于应对行业面临的运力瓶颈、环境影响两大挑战。从商业角度出发，人工智能技术的成熟将改写民航业的商业规则，颠覆既有市场运营和竞争模式。
着眼未来，其具体应用场景包括以下九个方面。
旅客服务：人工智能驱动的聊天机器人和语音助手可用于答复和解决旅客特定问题，甚至实现个性化的旅客服务，有助于降低航空公司成本或增加航空公司收入。例如，达美航空与Misapplied Sciences合作，于2022年在底特律机场上线了“平行现实”测试版。这一功能可以让多达100位旅客在同一块屏幕上同时接收到定制化、个性化的信息，不再需要搜索航班和登机口信息。
航路优化：美国部分航空公司正在尝试使用人工智能和机器学习来优化航路。其基础设想是，综合考虑天气条件、油耗和航班时刻等因素，分析飞行效率、空中导航费用、油耗和预期拥堵水平等指标，基于数学模型找到航路最优方案，以降低航空公司运营成本。
延误预测：航班延误和取消往往会给航空公司带来高昂成本，如飞机维护费用和滞留旅客赔偿等。导致航班延误的因素多种多样，如天气、航路、流量管制、机械故障等。因此，利用人工智能可解决人力所不能及的问题，通过分析大量实时数据，预测航班延误、更新起飞时间等。例如，汉莎航空基于谷歌云的人工智能预测模型，通过对瑞士风向的预测，实现了航班延误或取消的可能性测算，进而提前调整航班时刻，提高航班正常性。
机队维护：飞机的计划外维护也是航班延误原因之一。人工智能可通过对飞机发动机和传感器的数据管理分析，预测飞机维护需求、检测飞机缺陷、辅助飞机人工检修或预先采取相关措施，尽可能减少计划外故障停场，提高检修效率。
动态定价：动态定价是根据特定旅客的支付意愿进行差异化定价，如可区分旺季和淡季、节假日和周末等。目前，航空公司主要根据航线、旅客画像等对市场进行细分，在评估有关客户和当前市场情况后，对不同舱位机票价格进行调控。不同的是，机器学习算法会自动寻找销售收入长期最大化的方法，通过理性决策确保整个航线网络上的所有航班都能实现收益最大化。
机组调度：航空公司的人力成本是仅次于燃油成本的第二大运营成本。人工智能通过大数据分析，可以找到安排航空公司机组人员的最佳方式，进行合理排班。
欺诈检测：航空公司和机场可使用人工智能检测欺诈活动，降低机票欺诈、行李盗窃发生率。通过分析特定旅客的航班和机票购买模式并将其与历史数据相结合，算法能够准确识别可疑信用卡交易并及时制止，从而为航空公司和保险公司节省大量成本支出。
民航安全：人工智能也可用于保障飞行安全和机场安全。例如，使用人工智能预测并避免湍流，从而减少旅客和机组人员受伤的风险；使用人工智能设备扫描旅客面部，并将其与已知或可疑恐怖分子数据库进行匹配。
空中交通管制：空中管制（ATM）是人工智能特别是机器学习最理想的应用场景，全球新一代空管系统的诸多理念和设想都绕不开人工智能技术应用。人工智能可为空中交通管制员、飞行员、机场运营商等提供协作支持，在空管的复杂场景中降低人力成本、提高人员工作效率。FAA正在探索基于人工智能开发自动化系统来管理飞行计划和飞行冲突。该系统将自动规划飞行路线，以提高空管安全性和效率。
机器学习的商业化应用典范
Honeywell Forge飞行效率软件是一个比较典型的民航领域的机器学习商业化应用案例。它结合了飞行数据分析平台和飞行轨迹优化工具，通过数据驱动决策，辅助航空公司节约成本。据介绍，这一软件能够为航空公司每架飞机每年节省20万美元的燃油成本与4万美元的维护成本。
Honeywell Forge将飞行计划、天气、导航图、飞机性能等所有飞行过程中的变量因素集中起来，集成各类数据并经算法分析，通过一个仪表板展示单架飞机或者整个航空公司的数据，展示的内容也允许航空公司定制。基于这个数据仪表板，航空公司可以全面了解机队和环境数据，有助于制订、实施和调整计划，实现降本增效。飞行员可以查看航空公司的历史飞行轨迹，以实时请求航路直飞，直观看到进场和离场方法。此外，允许飞行员根据飞机当前信息调整飞行高度，以提高航班运行效率。