下次您全速奔向机场登机口时，请想一想确保登机口确实可用的航空公司工作人员。

门分配是一项极其复杂的任务。

“如果有 15 个登机口和 10 架飞机，那么就有超过 5700 亿种可能性，”担任汉莎航空工业解决方案量子计算负责人、一直致力于研究登机口分配问题的 Joseph Doetsch 博士说道。

为每个航班选择最佳登机口有助于缩短飞机滑行时间并减少拥堵，这意味着旅客在停机坪上等待的时间更少。

它还可以减少所需的燃料量，从而减少飞机的排放量。

登机口通常在航班时刻表公布时分配，所以会提前一年，但随后会提前一个月、一周重新审查，最后在航班当天重新审查。

在确定飞机最佳停放地点时，必须权衡各种优先事项。

“例如，某些航空公司可能会被允许使用其休息室和其他设施附近的登机口。此外，转机乘客数量较多的航班通常会被安排在最合适的位置，以优化转机时间并改善整体乘客体验，”机场管理公司 AeroCloud 联合创始人乔治·理查森 (George Richardson) 表示。

“一些航空公司，尤其是廉价航空公司，可能会选择更具成本效益且停车费更低的远程停机位，优先考虑运营节省，而不是靠近主航站楼。”

其他因素包括飞机的来向、飞机类型、预计的跑道分配、登机口可用性、机场人员配备、旅客和行李连接以及其他飞机的预定滑行道和停机坪移动。

更糟糕的是，许多因素可能会在最后一刻发生变化。

与此同时，航班延误也会增加困难，迫使机场和航空公司在最后一刻重新分配登机口，增加乘客等待的时间，并可能导致航班取消。

考虑到这种复杂程度，您可能会认为智能计算机软件可以处理这项工作，但请再想想。

根据 AeroCloud 对机场高层管理人员所面临挑战的调查，分配登机口的工作通常使用非常基本的技术来完成。

理查森先生说：“你会惊讶地发现全球有多少机场仍在手动管理这一流程。”

在接受 AeroCloud 调查的机场管理人员中，40% 表示使用 Excel 和 Word 文档来存储和管理与机场运营相关的信息，包括登机口管理。

但我们正在对更先进的系统进行大量投资。

去年，美国航空在达拉斯沃斯堡国际机场推出了智能门禁系统。

该系统利用机器学习将到达的飞机分配到滑行时间最短的最近的可用登机口。

机器学习是人工智能的一个分支，其中使用大量数据来训练系统，并且可以调整系统以改善其结果。

以美国航空公司的系统为例，实时航班信息和其他数据用于选择将飞机送往哪个登机口。

“传统上，我们的团队成员使用传统计算机系统手动分配登机口。在我们最大的枢纽达拉斯沃斯堡国际机场，这个过程大约需要四个小时才能完成，”美国航空公司的一位发言人说。

该发言人补充说，新系统可以在 10 分钟内完成这一过程，将飞机滑行时间缩短了 20%，每年可节省约 140 万加仑的航空燃油。

德国汉莎航空公司的子公司汉莎工业解决方案公司正计划使用量子计算来解决这一问题。

量子计算利用量子比特奇特但强大的特性来比传统计算机更快地解决某些类型的问题。

目前，此类计算机尚处于起步阶段。

分配门是传统计算机和算法难以快速解决的一个问题，计算时间的增加与问题的规模不成比例。

但Doetsch 博士相信，使用量子计算的方法将能够解决这个问题。

“量子算法将允许对登机口和其他资源进行最佳分配，即使在大型机场和旅行网络中也是如此。这些算法将能够实时更新最佳解决方案，以应对不断变化的外部因素，”他说。

汉莎航空目前正在研究哪种新型量子计算系统最适合其项目。

它正在运行的模拟可以表明量子计算的有效性。

Doetsch 博士补充道：“在我们的首次试验中，与相应的真实数据相比，我们的优化解决方案可以将乘客的平均运输时间减少近 50%。”

AeroCloud 的理查森先生表示，随着机场容量压力的不断增加，这些改进的技术可以帮助减少所需的扩建量。

“容量对于许多机场来说都是一个大问题，即使他们想引入新的航空公司或目的地，物理扩张也会成为一个障碍。

“他们需要充分利用现有资源。”

TMGM官网整理，不对新闻信息负有相关法律责任及风险，并不作为投资建议。请投资者谨慎判断，避免风险。tmgm平台感谢您的观看。