大数据运用在机场容量管理的实例

简介:

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)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
SQL 分布式计算 MaxCompute
maxcompute之配置报错如何解决
MaxCompute配置是指在使用阿里云MaxCompute服务时对项目设置、计算资源、存储空间等进行的各项调整;本合集将提供MaxCompute配置的指南和建议,帮助用户根据数据处理需求优化其MaxCompute环境。
33 0
|
7月前
|
存储 分布式计算 关系型数据库
大数据Spark偏移量管理
大数据Spark偏移量管理
33 1
|
4月前
|
安全 大数据 API
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
62 0
|
7月前
|
SQL 大数据 开发工具
大数据Hive窗口函数应用实例 2
大数据Hive窗口函数应用实例
88 0
|
7月前
|
SQL 大数据 开发工具
大数据Hive窗口函数应用实例 1
大数据Hive窗口函数应用实例
50 0
|
6月前
|
分布式计算 运维 监控
DataWorks如何配置MaxCompute监控进行订阅管理?
DataWorks如何配置MaxCompute监控进行订阅管理?
41 1
|
4月前
|
分布式计算 监控 MaxCompute
在MaxCompute中,每个M实例可以并行处理多个文件
在MaxCompute中,每个M实例可以并行处理多个文件
26 3
|
4月前
|
监控 数据可视化 安全
Java智慧工地管理平台可视化大数据建造工地APP源码
Java智慧工地管理平台可视化大数据建造工地APP源码
58 0
|
3月前
|
SQL 分布式计算 DataWorks
如果你在DataWorks中使用ODPS SQL时遇到"该文件对应引擎实例已失效,请重新选择可用的引擎实例"的错误提示
如果你在DataWorks中使用ODPS SQL时遇到"该文件对应引擎实例已失效,请重新选择可用的引擎实例"的错误提示
48 1
|
4月前
|
人工智能 监控 Java
Java数字化智慧工地管理云平台源码(人工智能、物联网、大数据)
Java数字化智慧工地管理云平台源码(人工智能、物联网、大数据)
81 0