机场智能化运行技术研究与展望

• 17•航空运输业在世界经济和社会发展中发挥着重要的推动作用。

机场作为航空运输不可缺少的一个环节，我国机场在建设时必须以大数据、云计算、移动互联网、物联网和人工智能等先进信息化技术为支撑，搭建统一的机场协同运行平台，逐步实现机场的智能化运行。

1.引言随着航空事业的发展，飞行流量的急剧增加，对机场运行的安全、效率和机场服务品质等提出了更高的要求。

早期机场运行非常简单，步行上下飞机，人工搬运货物，而随着科学技术产业的升级逐步实现了机场机械化及其半自动化运行。

但是，当前大部分机场电子化、数字化运行水平依然不高，多处于机械化和半自动化阶段，很多工作仍处于人工操作及管理阶段，机场智能化运行任重道远。

机场的智能化运行就是指在机场运行中人工操作与管理逐步被淡化，人的作用就是对系统工作进行监控和故障检测，当系统出现故障时对其进行干预，恢复系统正常的运行，简单说就是“AI+AUTO”。

通过在机场中推广应用智能化技术，将提供更好的态势感知、自动化及其智能化辅助决策手段，大大提高机场运行安全性与效率，提高机场服务质量，提高旅客满意度。

2.机场信息化技术发展现状随着全球经济发展、现代信息技术和通信技术等科技的发展进步，机场运行管理技术水平不断提高，机场运行概念研究日益深入。

机场的发展经历了三个时代，分别是机场1.0、机场2.0和机场3.0（孙璟璟，智慧机场视角下深圳机场旅客综合服务管理平台的分析与设计：山东大学，2016）。

机场1.0时代，主要是指2000年以前，民航业初期阶段的机场形态是提供基本机场运行能力，以机场运营为导向，它为飞机起降和进出港的旅客提供必要和安全的基础设施支持。

这一时期，机场运营、航线系统和商业单位都是独立的，各自为政，给各个运营主体的合作带来一定困难。

机场2.0时代，民航机场朝着敏捷性运行发展，在技术的不断更新和发展下，机场内各单元和要素之间的协作能力大大增强。

机场、空中交通管制、航空公司等相关单位在信息化技术水平不断提高的基础上，建设了一批先进的信息化系统，致力于提升自己的业务能力，为谋求更多的协作和共赢，三大民航主体有机的配合和分享，实现了部分资源共享。

得益于空管数据的共享，机场生产运营系统的集成范围也将从机场内部向外部扩展。

在机场信息系统建设方面，GBAS仪表着陆系统、机坪管理系统、跑道异物监视系统、电子围界监视系统等可以保障飞机安全起降；广播系统、航班大屏显示系统和自助值机系统等能够为旅客提供便捷的服务，减少旅客排队时间；航班信息化运行系统、OA办公系统、行李安检系统等给机场运营管理提供高效、快捷的管理手段。

机场3.0时代，机场将是智能化运行的形态，以机场体验为导向，充分利用新一代信息与通信技术，如：态势感知、物联网、移动互联网、大数据和云计算等。

综合运用系统方法、自动控制、模式识别、知识挖掘、人工智能等理论与工具，以全面态势感知、深度数据融合、主动服务、科学辅助决策为目标，通过建立实时的动态信息服务架构，深度挖掘机场运行大数据，形成关键问题分析模型，不断提升机场资源优化配置、运行管理、公共决策、公众服务、应急处理等能力，全面的实时信息共享，实现机场主动化运行、个性化服务和智能化管理（图1）。

3.智能化机场运行概念3.1 以深度学习为代表的人工智能人工智能（Artificial Intelligence）,英文缩写为AI。

它是一门新的技术科学，研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术和应用。

人工智能是计算机科学的一个分支，该领域的研究包括机器学习、语音识别、图像识别、自然语言处理和专家系统。

近年来，在深度学习的推动下，人工智能取得了突飞猛进的发展。

深度学习（Deep Learning）是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，模仿人类大脑解释图像，声音和文本等数据的机制。

深度学习是无监督学习的一种。

深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习的本质是通过构建具有许多隐藏层和大量训练数据的机器学习模型来学习更多有用的特征，从而最终提高分类或预测的准确性。

因此，“深度模型”是手段，“特征学习”是目的。

图1 机场信息化技术发展目前，深度学习已成功应用于计算机视觉，语音识别，自然语言处理和人机对• 18•弈等多个领域（杨红雨，杨波，武喜萍，等.智能化空管技术研究与展望：工程科学与技术，2018）。

2016年3月，谷歌DeepMind研发的围棋对战程序AlphaGo 以4:1击败人类围棋冠军李世石(Lee Se-dol)。

AlphaGo是一款人工智能程序，用到了深度神经网络（策略网络、评价网络）、深度学习和蒙特卡罗树搜索等新技术， 从而使其实力有了实质性飞跃。

其中，策略网络（Policy network）通过有监督的深度学习实现，评价网络（Value network）通过深度强化学习实现（Silver D,Huang A,Maddison C J,et al.Mastering the game of Go with deep neural networks and tree search:Nature,529(7587):484-503）。

强化学习(Reinforcement Learning)是机器学习的重要分支，主要用于解决连续决策的问题，解决如何在复杂和不确定的环境中实现设定的目标。

强化学习的应用场景非常广泛，如商品定价、库存管理、机器人控制（Martin R,Thomas G,Roland H.Reinforcement learning for robot soccer:Autonomous Robots,2009,27(1):55-73）、地面交通信号灯控制（Erwin W,Matthijs T J S,Bram B.Traffic flow optimization:A reinforcement learning approach:Engineering Applica-tions of Artificial Intelligence,2016,52(1):203-212；Zhu Feng,Ukkusuri S V.Accounting for dynamic speed limit control in a stochastic traffic environment:A reinforcement learning approach:Transportation Re-search Part C(Emerging Technologies),2014）等。

3.2 智能化机场定义智能化是指使对象具有敏感和准确的感知，正确的思考和判断以及有效的执行功能。

机场智能化运行是指将传感器物联网、移动互联网、大数据分析、云计算、人工智能等信息与通信技术融为一体，感知、监测、分析、预测和控制机场每个环节，并与空管、航空公司实现信息共享和协同决策，形成整体一致的机场运行态势感知，具有智能化全过程预测预判分析、运营、服务和应急管理手段，以全面提高机场运行安全、运行效率和运行质量，使机场达到“决策智能化、管理精细化、运行敏捷化、安全预防化、服务个性化”的智能化运行水平。

4.智能化机场运行系统总体架构系统秉承“感知、共享、协同、高效、可持续”整体信息架构的创新设计理念，整个系统由基础传感层，数据网络层，平台层，应用服务层，可视化层组成，如图2所示。

机场智能化运行总体架构的具体组成如下：（1）基础感知层。

基础感知层为机场运行提供安全高效的基础保障，主要利用雷达、ADS-B、GNSS、人脸识别、传感器等各类设备设施实现机场运行物体的信息采集和全面感知。

（2）数据网络层。

数据网络层用于传输、存储资源信息、地理信息、安防信息、航班信息和业务数据等各类机场运行信息数据，利用互联网、物联网和移动互联技术，通过机场场面通信系统(AroMACS)、机场无线通信专网(LTE)、电信运营商4G/5G公网通信和机场有线、无线网络，将基础感知层采集的数据实时传递，还可以使用新兴的互联网、移动网络等向公众发布信息。

同时依靠云计算和虚拟化构建云数据中心和灾备系统，保障数据安全和系统稳定。

图2 智能化机场总体架构（3）平台层。

利用大数据、云计算等技术构建面向机场的智能信息服务平台，主要包括数据存储平台、数据处理平台、信息交换平台、服务调度平台和应用集成平台等。

通过研究大数据挖掘与分析、云计算、语音识别、自然语言处理、图像识别、人工智能等技术在机场信息服务中的应用，为应用层提供平台服务与支撑。

（4）应用服务层。

主要依靠平台层为可视化层提供业务软件和服务，主要包括智慧运行、智慧安全、智慧服务、智慧管理和智慧交通等多个应用系统。

通过研究决策树、支持向量机、贝叶斯分类器、聚类、降维、集成学习、强化学习、深度学习等机器学习方法在机场运行中的应用，提高应用层智能化水平。

（5）可视化层。

围绕机场各个生产环节，通过PC、桌面云终端、智能移动终端、公众移动终端和自助服务终端等可视化方式为机场、航司、旅客、公众等用户提供高效快捷安全的智能化交互平台，提升机场生产和服务系统用户界面的智能化水平。

5.智能化机场研究方向展望5.1 智能化机场数据处理随着航空运输的迅猛发展，机场航班数量的不断增长，机场在运行（下转第21页）• 21•U 0为输出电压，其值是输入电压在时间上的积分。

积分电路仿真结果如图7所示。

微分电路仿真结果如图8所示。

图8 微分电路仿真结果微分电路输出波形受RC 乘积和输入信号波形的影响，当输入电压发生突变且满足微分条件时，输出电压U 0为输入电压U 1的微分：(1-5)3 结论本文借助Multisim 软件对集成运放的典型运算电路进行仿真，Multisim 软件在仿真过程中表现出较强的灵活和实时性，通过改变电路参数、增设虚拟仪器仪表，可快速获得电路数据，说明Multisim 软件对电子技术的学习有较为良好的教学及实验效果。

学校基金：西安石油大学2015年第九批教改——电路仿真实验设计研究（项目编号：131010376）。

作者简介：刘健（1987—），男，陕西西安人，现供职于西安石油大学电子工程学院。

（上接第18页）中会产生各种类型的数据（空管数据、机坪数据、设备运行信息等），数据类型繁多、体量巨大、结构不统一是其主要特点。

如何采集、存储、管理、计算、分析和挖掘这些海量数据，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源，进行风险预测和评估是智能化机场的一个研究方向。

使用云计算技术，在云计算平台完成机场综合信息的处理与服务，通过高效的数据传输、数据处理和数据交互，降低数据管理的复杂性、多样性和重复性，提升机场综合集成系统的安全性、灵活性、经济性和可靠性。