大数据运用在机场容量管理的实例

摘要:答案就在先进的建模技巧和对大量运营数据的分析能力的结合成果中,也就是我们所说的战略性机场容量管理(ACM)工具。

越南航空宣布将从盖特威克机场搬迁至希思罗机场运营,以便在3月份开通一条新的直飞航线。此举之所以能够实现,是因为希思罗机场新增了两个进港时隙。

众所周知,希思罗机场的新时隙非常稀缺,交易价格可以高达几百万英镑。既然希思罗机场已经是世界上最繁忙的双跑道机场,每天的机场容量几近饱和,怎么还能挤出新的时隙呢?

答案就在先进的建模技巧和对大量运营数据的分析能力的结合成果中,也就是我们所说的战略性机场容量管理(ACM)工具。

越南航空将搬迁至希思罗机场运营,这归功于希思罗机场有了新的进港时隙。

希思罗机场总是非常繁忙,有很多因素会影响到机场在任何特定时刻的表现,从航班进港情况和当地天气条件,到可用停机位数量和滑行道关闭等基础设施限制,凡此种种,不胜枚举。识别和量化这些方面的运营可能实现的任何潜在改进至关重要,而战略性ACM使得希思罗机场能够做到这一点。

这套工具本身能让希思罗机场的分析人员在线获得两种重要的能力:利用各种模拟工具和大量历史数据的能力。他们可以模拟各种可能的情况,对改变航班进出港安排、基础设施、天气或运营环境所产生的效果进行评估,从而弄清楚对机场的整体影响。他们还可以通过分析大量历史数据,从中吸取经验教训。

战略性ACM让用户可以对未来的表现进行一系列不同的模拟

总的来说,战略性ACM让希思罗机场可以针对细致复杂的问题作出健全、连贯和迅速的决策,还可以与当前的机场运营进行直接的比较,以识别和量化任何拟行改进措施或全套综合举措可能带来的好处。这在考虑长期的战略性投资时非常重要,能够确保未来采取的所有措施都将重点放在如何为机场的所有利益相关者创造最大利益上。

国家航空运输服务公司(NATS)的运营分析(Operational Analysis)模拟工具和数据专家提供的分析支持,也是这种能力的重要组成部分。他们和希思罗机场合作,提供所需的额外情境或分析。本文作者有幸近距离参与了希思罗机场运用战略性ACM工具包的整个过程,每周都会花上两天时间在希思罗机场的办公室里工作。

战略性ACM工具包让用户可以比较各种运营变化产生的影响

登陆战略性ACM平台后,用户可以运行新的模拟,根据他们试图解决的具体问题,对他们想分析的内容作出一系列选择。完成后,系统将显示模拟结果,比如机场延误,然后与之前保存在模拟库中的其他模拟进行比较。按照模拟的细节(在战略性ACM工具包里有三种不同的工具),系统将输出不同的表现指标,显示每项分析的结果。

这种新工具的设计兼具灵活性和适应性,最重要的是具备前瞻性。由于机场在不同时点面临的挑战不尽相同一样,它所包含的分析成分也能随之加以调整,确保重点始终放在当时提出的相关问题上。

例如,随着在未来引入不同的空域变化,这套工具可以准确地建模和分析这些变化会对机场产生怎样的影响。同样,这套工具包可以对滑行道和停机位的修改(比如去年开放了2号航站楼)进行模拟,量化它们对地面运营可能产生的影响。它还能以标准一致和可比较的方式迅速分析未来的航班排期,找到让所有利益相关者都满意的最佳方案。

可以获取和分析四年的历史运营数据

希思罗机场才用了战略性ACM工具几个月,就取得了明显成效。这种新的分析能力已经在几个不同的领域实现了价值。

例如,战略性ACM工具也实现了对跑道调度流程的全面改善。该工具中的一种模拟工具可以在几秒钟内就对航班排班的变化评估完毕,而不用像以前那样耗时数天或数周。这意味着现在可以根据国际航空运输协会(IATA)的调度时间表,在一年中几个不同的时段,检查和实施对下季度航班排班的可能改进,让机场、航空公司和乘客受益。

当然还有更多的例子能够说明战略性ACM工具包如何令希思罗机场受益匪浅。而作为一项基于网络的服务,该工具包也能够较为容易地整合到世界各地的其他机场系统内。

考虑到现有的机场容量限制,尤其是在中东和亚洲,战略性ACM工具包的前景大有可为。

本文转自d1net(转载)

时间: 2024-09-20 00:23:33

大数据运用在机场容量管理的实例的相关文章

大数据运用在机场容量管理的实践

希思罗机场总是非常繁忙,有很多因素会影响到机场在任何特定时刻的表现,从航班进港情况和当地天气条件,到可用停机位数量和滑行道关闭等基础设施限制,凡此种种,不胜枚举. 利用各种模拟工具和大量历史数据的能力.他们可以模拟各种可能的情况,对改变航班进出港安排.基础设施.天气或运营环境所产生的效果进行评估,从而弄清楚对机场的整体影响. 随着在未来引入不同的空域变化,这套工具可以准确地建模和分析这些变化会对机场产生怎样的影响.同样,这套工具包可以对滑行道和停机位的修改(比如去年开放了2号航站楼)进行模拟,量

“大数据”如何强化乃至取代管理?

美国一家颇具规模的零售企业的营销高管最近发现自己看不懂销售报告了.它的一家主要竞争对手正在一系列业务领域持续扩大市场份额.尽管打出了在线促销和优化销售的组合拳进行反击,但她的公司还是不断丢城失地. 于是,她召集高层对竞争对手做了深入研究,发现问题的根源远远超出了他们的想象.对手投入巨资提升从各门店收集.整合和分析数据的能力,且应用到各个销售单元中.同时,它还将这些信息与供应商的数据库联网,实时调整价格.自动补货,以及轻松地在各门店间调配产品.通过不断实践.捆绑.汇总以及组织中信息的无缝衔接 (从

大数据条件下政府信息化管理

随着科技的发展,我们已经迎来了信息化时代.大数据是在科技水平发展背景下涌现出的一个新鲜事物,大数据具有种类多样.规模大以及处理速度快的优势,将大数据应用在政府信息化管理工作中可以取得良好的成效. 政府信息化管理工作的内涵与意义.一是内涵分析.政府信息化也可以称之为电子化政府,即应用现代化信息技术并利用相应的服务设施来为整个社会提供信息服务.政府信息化管理包括以下几个内涵:首先,政府信息化强调对现代高新技术的应用:其次,政府信息化是对传统服务方式和渠道的扩展,政府可以根据服务对象的特点来选择服务类

大数据时代下的教育管理信息化建设实践与探索

一.引言 "十二五"期间,高校信息化建设进入了一个"跨越式"发展的阶段.硬件基础设施得到了进一步地提升,数字化业务系统功能不断扩展,极大地提高了教育信息化水平.随着云计算.物联网.移动互联.大数据处理等技术地快速发展,人类已经迈入了大数据时代,硬件系统以及业务软件系统背后产生的原始数据,数据量呈几何级数从TB 级向PB 级乃至ZB 级快速增长,如何发挥这些海量数据的隐藏价值,进一步提升教育教学管理信息化水平,是我们长期关注.思考的问题.在此背景下,研究大数据处理技术

[大数据之Spark]——Actions算子操作入门实例

Actions reduce(func) Aggregate the elements of the dataset using a function func (which takes two arguments and returns one). The function should be commutative and associative so that it can be computed correctly in parallel. 这个方法会传入两个参数,计算这两个参数返回一个

[大数据之Spark]——Transformations转换入门经典实例

Spark相比于Mapreduce的一大优势就是提供了很多的方法,可以直接使用:另一个优势就是执行速度快,这要得益于DAG的调度,想要理解这个调度规则,还要理解函数之间的依赖关系. 本篇就着重描述下Spark提供的Transformations方法. 依赖关系 宽依赖和窄依赖 窄依赖(narrow dependencies) 窄依赖是指父RDD仅仅被一个子RDD所使用,子RDD的每个分区依赖于常数个父分区(O(1),与数据规模无关). 输入输出一对一的算子,且结果RDD的分区结构不变.主要是ma

酒店行业的大数据要如何运用和管理?

在阿里工作过的朋友可能知道,之前马云在一封内部邮件中提到:"我们正在从以控制位出发点的IT(信息技术)时代,走向以激活生产力为目的的DT(数据技术)时代."这一观点不胫而走,引起了各界的普遍重视和广泛讨论.DT时代,对数据资源的接入和灵活应用,彰显了智慧的价值. 大数据(Big Data)是需要新处理模式才能具有更强的决策力.洞察发现力和流程优化能力的海量.高增长率和多样化的信息资产.原本只以为会在IT出现的词,近几年被各个领域广泛应用,酒店同样也不会例外,目前酒店应用比较多的是在对客

独家 | 陆化普:大数据、AI解决交通管理难题的新思路

[导读] 2017年8月24日,以助推"平安交通.和谐交通.便民交通"为导向的研讨会在贵州省公安厅交通管理局成功举办.在会上,清华大学清华-青岛数据科学研究院(以下简称:数据院).交通研究所和贵州省公安厅交通管理局的达成合作共识,共同挖掘贵州省交通大数据的价值,产生一批落地的科研成果,并应用到交通管理局实际的交通管理工作中. 数据院一直秉承开放包容的理念,积极推进大数据与各领域的跨界交流.此前数据院在交通领域举办了以大数据与新能源为主题的论坛并邀请众多专家出席,同时也支持了清华大学交通

2016大数据创新大赛——机场客流量的时空分布预测模型解析

在大数据创新大赛上,来自浙江大学的SeaSide团队带来了关于机场客流量的时空分布预测的解决方案.SeaSide团队主要从时序模型.乘机流程.事件驱动.维度灾难四个方面介绍了团队的算法设计. 背景介绍 SeaSide团队所要解决的问题是利用机场大量的数据去预测每个时刻.每个无线AP的连接人数,这个结果可以很好的反映机场的客流时空分布.可用的数据可以分为四个方面: 历史连接:包含每个无线AP的名称.时间戳.连接人数: 地理位置:包括登机口.无线AP所在的区域.无线AP的坐标.楼层.组号: 航班排班