本報特約撰稿人 羅程洮
新冠疫情對全球民航客運市場的影響逐漸消退，民航業正在持續復蘇。根據預測，未來20年全球民航出行需求或實現翻番，這對行業系統性保障能力提出了新要求，民航業需要以更好的方式優化資源利用、提高客戶滿意度、提高運行安全性、增強成本控制能力，實現綠色可持續發展。
對一系列新興技術的研究、探索和應用是釋放未來民航市場潛力的關鍵。近年來，以無人飛機、智慧機場、可持續航空燃料開發、人工智能為代表的新技術得到了不同程度的發展。這些技術的商業化應用雖多數還處于起步階段，但與智慧化運營、空管現代化等戰略深度契合，其對民航的重要意義正逐步顯現，未來將深入影響民航運輸業的戰略決策、業務流程、商業模式、業務形態等各個方面。
新技術的廣泛應用
在無人機方面，美國作為無人機商業化應用的先鋒國家之一，美國聯邦航空局（FAA）正在努力將無人機系統（UAS）集成到國家空域系統中，并計劃開發無人機遠程識別系統，以實時識別和跟蹤無人飛機。在全球范圍內，一些企業也積極投資飛機自動駕駛技術，如波音、空客兩大飛機制造商以及Xwing和Sky?dio等初創公司。2018年，空客啟動了自主滑行、起飛和著陸（ATTOL）項目。ATTOL是完全自動化的、基于視覺的起飛和著陸，由機載圖像識別技術控制，未來有望大幅提高空域容量。但就當下而言，民航領域自動駕駛技術距離大規模商業化應用仍有較大差距，尚有許多技術、監管和安全層面的問題有待解決。
在智慧機場建設方面，當前全球普遍思路是將生物識別、物聯網、機器人、虛擬現實等相對成熟的技術融入機場運營，以提升效率、安全性和旅客體驗。例如，利用生物識別技術，將旅客的照片與護照或簽證信息進行匹配；通過整合物聯網設備和傳感器采集數據，監控和管理機場運營，實現航站樓內客流管理、跑道監測、行李分揀處理和全流程跟蹤，或者將各類機場機器人用于執行不同任務，如清潔、行李運輸和旅客服務；也有一些機場和航空公司嘗試在候機樓和客艙服務中采用虛擬現實和增強現實技術以提升旅客體驗。
在可持續航空燃料方面，生物燃料和氫能源均被視為新能源的重點發展方向，其中生物燃料在民航領域的應用相對成熟，已在國外部分民航市場初步得到應用。2021年3月，FAA發布了可持續航空燃料（SAF）生產計劃，計劃在未來10年內提供20億美元資金，支持SAF開發和商業化生產，目標是到2030年減少20%的航空碳排放。2022年11月，Neste與LAXFUEL合作，向洛杉磯國際機場交付了超過1500噸可持續航空燃料。在政府政策的支持下，可持續航空燃料在美國民航業的商業化應用相對領先。
人工智能的應用場景
在人工智能技術方面，盡管飛機制造業被譽為現代工業皇冠上的明珠，但在互聯網和數字革命迅速演進的當下，與之關聯的全球航空運輸業在迎合技術創新尤其是數字化改革方面明顯滯后于時代的發展和進步，大量民航運營主體的生產系統和生產模式還停留在互聯網時代早期的水平。
在全球范圍內，人工智能在民航業的應用還較為初級，但這一技術作為第四次工業革命的組成部分，可與民航運營管理各個領域深度融合并產生巨大影響。人工智能及其感知技術可簡化運行監測、機械維護、客戶服務及其他業務流程，更好地利用行業各類數據，從而實現企業有效戰略決策，提高生產效率和核心資源利用效率（如空域、跑道），有助于應對行業面臨的運力瓶頸、環境影響兩大挑戰。從商業角度出發，人工智能技術的成熟將改寫民航業的商業規則，顛覆既有市場運營和競爭模式。
著眼未來，其具體應用場景包括以下九個方面。
旅客服務：人工智能驅動的聊天機器人和語音助手可用于答復和解決旅客特定問題，甚至實現個性化的旅客服務，有助于降低航空公司成本或增加航空公司收入。例如，達美航空與Misapplied Sciences合作，于2022年在底特律機場上線了“平行現實”測試版。這一功能可以讓多達100位旅客在同一塊屏幕上同時接收到定制化、個性化的信息，不再需要搜索航班和登機口信息。
航路優化：美國部分航空公司正在嘗試使用人工智能和機器學習來優化航路。其基礎設想是，綜合考慮天氣條件、油耗和航班時刻等因素，分析飛行效率、空中導航費用、油耗和預期擁堵水平等指標，基于數學模型找到航路最優方案，以降低航空公司運營成本。
延誤預測：航班延誤和取消往往會給航空公司帶來高昂成本，如飛機維護費用和滯留旅客賠償等。導致航班延誤的因素多種多樣，如天氣、航路、流量管制、機械故障等。因此，利用人工智能可解決人力所不能及的問題，通過分析大量實時數據，預測航班延誤、更新起飛時間等。例如，漢莎航空基于谷歌云的人工智能預測模型，通過對瑞士風向的預測，實現了航班延誤或取消的可能性測算，進而提前調整航班時刻，提高航班正常性。
機隊維護：飛機的計劃外維護也是航班延誤原因之一。人工智能可通過對飛機發動機和傳感器的數據管理分析，預測飛機維護需求、檢測飛機缺陷、輔助飛機人工檢修或預先采取相關措施，盡可能減少計劃外故障停場，提高檢修效率。
動態定價：動態定價是根據特定旅客的支付意愿進行差異化定價，如可區分旺季和淡季、節假日和周末等。目前，航空公司主要根據航線、旅客畫像等對市場進行細分，在評估有關客戶和當前市場情況后，對不同艙位機票價格進行調控。不同的是，機器學習算法會自動尋找銷售收入長期最大化的方法，通過理性決策確保整個航線網絡上的所有航班都能實現收益最大化。
機組調度：航空公司的人力成本是僅次于燃油成本的第二大運營成本。人工智能通過大數據分析，可以找到安排航空公司機組人員的最佳方式，進行合理排班。
欺詐檢測：航空公司和機場可使用人工智能檢測欺詐活動，降低機票欺詐、行李盜竊發生率。通過分析特定旅客的航班和機票購買模式并將其與歷史數據相結合，算法能夠準確識別可疑信用卡交易并及時制止，從而為航空公司和保險公司節省大量成本支出。
民航安全：人工智能也可用于保障飛行安全和機場安全。例如，使用人工智能預測并避免湍流，從而減少旅客和機組人員受傷的風險；使用人工智能設備掃描旅客面部，并將其與已知或可疑恐怖分子數據庫進行匹配。
空中交通管制：空中管制（ATM）是人工智能特別是機器學習最理想的應用場景，全球新一代空管系統的諸多理念和設想都繞不開人工智能技術應用。人工智能可為空中交通管制員、飛行員、機場運營商等提供協作支持，在空管的復雜場景中降低人力成本、提高人員工作效率。FAA正在探索基于人工智能開發自動化系統來管理飛行計劃和飛行沖突。該系統將自動規劃飛行路線，以提高空管安全性和效率。
機器學習的商業化應用典范
Honeywell Forge飛行效率軟件是一個比較典型的民航領域的機器學習商業化應用案例。它結合了飛行數據分析平臺和飛行軌跡優化工具，通過數據驅動決策，輔助航空公司節約成本。據介紹，這一軟件能夠為航空公司每架飛機每年節省20萬美元的燃油成本與4萬美元的維護成本。
Honeywell Forge將飛行計劃、天氣、導航圖、飛機性能等所有飛行過程中的變量因素集中起來，集成各類數據并經算法分析，通過一個儀表板展示單架飛機或者整個航空公司的數據，展示的內容也允許航空公司定制。基于這個數據儀表板，航空公司可以全面了解機隊和環境數據，有助于制訂、實施和調整計劃，實現降本增效。飛行員可以查看航空公司的歷史飛行軌跡，以實時請求航路直飛，直觀看到進場和離場方法。此外，允許飛行員根據飛機當前信息調整飛行高度，以提高航班運行效率。