【前沿技术】人工智能在民用航空领域的应用研究

美国ARS技术网站2018年12月6日报道推出了关于人工智能在民用航空领域的应用研究文章，我们对文章中的要点进行了概述，供读者参考。

一说起“航空人工智能”，人们最先想到的往往是无人机。然而，无人机只是机器学习等人工智能（AI）技术在航空领域应用的一小部分，人工智能技术的应用几乎可以涵盖整个行业的方方面面。飞机制造商和航空公司正在投入重要的资源将人工智能技术用于从驾驶舱到客户体验的各种应用中。

1、商用飞机上AI的应用研究

自动化系统多年来一直是商用航空关注的领域。由于采用了“电传操纵”控制和自动飞行系统，机器学习（ML）和人工智能技术正在承担驾驶舱中机组成员的工作量，甚至可以成为另一个副驾驶。最初为无人驾驶飞行器（UAV）安全开发的广播式自动相关监视（ADS-B）系统已经应用于有人驾驶飞机；开发中的机动特性增强系统（MCAS）使用传感器数据根据飞行条件自动调整飞机的控制面,在必要时对飞机操纵特性进行补偿，从而提高安全性。

在现代客机上，机器学习有大量数据可以发掘：空中客车推出的双引擎宽体飞机A350 XWB拥有约5万个传感器，每天收集的飞行和性能数据总计超过2.5TB。AI可以通过多种方式利用这些数据。           

01

空中客车A350飞机的5万多个传感器每天收集飞行和性能数据超过2.5TB

目前，空中客车正致力于一些项目，减少飞行员的认知负荷和由此产生的认知疲劳。这意味着机组人员可以花更多的时间处理整个飞行策略和任务，花更少的时间处理飞机驾驶等的小事情。其中一个例子是空中客车飞机上一种称为跑道超限保护（ROPS）的功能选项。ROPS是个软件，计算飞机进近速度和重量，将得到的物理模型与公布的跑道长度和当地的天气进行比较。如果检测到不安全的情况，系统会广播“跑道太短！”的讯息。ROPS还可计算最佳的进近下滑道或轨迹，帮助滑行、起飞和其他飞行操作。

空中客车公司利用人工智能的另一个重点领域之一是研发自动驾驶飞行器和空中出租车，旨在为城市地区的人们提供交通服务。此外，在客机的飞行员因机舱压力下降而失去意识时，AI就大有用场；在高压情况下，AI可以比人类更快地做出更佳的决策。

空中交通管制（ATC）通信是所有飞行的关键。然而，许多对话都是重口音的英语，这使得飞行员和管制员难以相互理解。机器学习算法也很难清晰解析空中交通对话，因为ATC音频噪音很大，而且会话很快，满是专用词汇。为此，空中客车公司启动了公开竞赛项目AI Gym。AI Gym的目标是完整转译ATC音频，并从音频中提取飞机呼号以便进行会话跟踪和警报。AI Gym项目使空中客车能够利用外部专业知识，发现AI的一些潜在用途。竞赛于2018年10月结束，空中客车公司已经开始将研究结果转化为产品。                      

02

在嘈杂的通信频道上识别重口音英语是对空中交通管制员的真正考验

2、航空公司利用AI技术提升运营能力

在飞行安全问题上，航空公司严重依赖飞机制造商（如空中客车公司和波音公司）。然而，航空公司不仅仅指望AI协助驾驶舱，还希望机器学习和人工智能帮助航空公司简化地面运营，并尽可能为客户提供轻松无缝的旅行体验。                     

03

美国联合航空公司正在对后端数据（如从客户、维护日志、员工工作日志和飞行中收集的数据）进行机器学习，以提高业务能力。今年9月，美联航和Palantir Technologies宣布建立长期合作关系，部署Palantir Foundry，将之作为美联航的中央平台，整合公司关键业务部门的不同平台数据。

美联航还在使用机器学习来帮助调度飞行。这需要考虑所有相关变量，如派遣机组人员（基于休息时间和适当的机组人员飞机认证）、飞机燃料和操作限制、飞机座位容量等。在这样复杂的决策过程中，往往必须在25分钟内根据届时可用的有限数据进行计算并作出决定。

Palantir与空中客车公司合作创建了航空数据分析平台Skywise，为小型航空公司提供订购服务，其中包括减少飞机计划外维护的工具。航空公司还同GE一起，将飞机传感器数据转变为基于机器学习的服务，以推动GE喷气发动机的预测性维护。                      

04

航空数据分析平台Skywise

美联航使用机器学习和人工智能远不止用于维护和飞机时刻表的管理。美联航的机器学习算法采用150个不同的客户和航班数据点，实时确定在购买或登录点将哪个特定产品呈现在客户面前。该引擎考虑了乘客以前的购买、偏好、目的地和活动等事项，为客户提供各种选择，包括航班选择、座位升级、里程购买和优先访问权等。此外，美联航使用基于贝叶斯推理模型的预测模型，确定为客户提供什么、在客户面前放置什么图片以及使用什么标语等。

其他航空公司正在采用其他形式的AI来消除旅行的苦楚并减少航空公司员工的工作量。如面部识别技术现在用于加快机场的登机手续。达美航空公司是第一个部署此流程的航空公司，加快了乘客登机时间近10分钟。该系统目前用于国际航班的登机手续和行李托运，达美预计明年将业务扩展至国内航班。

3、预防未来灾难的发生

基于人工智能的分析最重要的用途之一是在灾难发生之前识别出飞机的安全风险，例如印尼狮航Flight 610坠毁事件，飞行前自动控制系统发生故障可能标志着存在重大的安全问题。位于硅谷的美国宇航局（NASA）的艾姆斯研究中心的一个项目重点就是识别商业航空事故数据中预示飞机存在潜在系统性大问题的“异常运行”。

NASA已经对异常检测和事件先兆识别相关的算法进行了初步开发，并开始收集该领域专家的反馈。目前NASA正在为联邦航空管理局（FAA）的分析合作伙伴Mitre开发一种用于飞机数据安全性分析的系统。Mitre是联邦政府资助的研究和开发中心，运行一个名为航空安全信息分析和共享（ASIAS）项目，目的是在NASA、FAA、国家运输安全委员会、飞机制造商和50多家航空公司之间建立一个安全数据共享联盟。航空公司将其航班记录数据的一些子集上传给Mitre，后者执行分析后提供潜在问题的反馈。

4、总结

在高风险环境中将人类所做的事情越来越多地交给ML或AI本身就存在风险。最近的印尼狮航Flight 610坠机事件就揭示了将过多控制权交给自主系统的风险，因为灾难性的航空事故很少是因单一错误而引发，通常有很多诱因，如MCAS传感器失灵、维修未能完全纠正存在的问题、飞行员没有接受充分的培训并被告知MCAS的功能和使用等。故此，航空业必须基于商业航空闻名已久的安全第一的文化来考虑和引入ML和AI系统，同时加倍关注数据质量，因为机器学习系统的优劣取决于他们获得的数据的品质。随着机器学习和人工智能承担部分飞行员的角色，这些技术需要像人类飞行员一样经过彻底的测试。在提高安全性方面，人工智能和人类是互补的，并非人工智能在航空中完全取代人类。

（航空工业发展中心 范秋丽）