盖蒂图片社

　　下次当你全速奔向机场登机口时，想想那些确保登机口可用的航空公司工作人员吧。

　　门的分配是一项非常复杂的任务。

　　“有15个登机口和10架飞机，就有超过5700亿种可能性，”约瑟夫·多奇博士说，他一直在汉莎航空工业解决方案公司研究登机口分配问题，担任量子计算主管。

　　为每个航班选择最佳登机口可以帮助缩短飞机滑行时间，减少拥堵，这意味着旅客在停机坪上等待的时间更少。

　　它还减少了所需的燃料量，从而减少了飞机的排放量。

　　通常情况下，登机口是在航班时刻表公布时分配的，最多提前一年，但随后会提前一个月、一个星期重新分配，最后在航班当天重新分配。

　　

　　盖蒂图片社

　　在确定飞机的最佳停放地点时，必须兼顾各种优先事项。

　　“例如，某些航空公司可能被允许进入休息室和其他设施附近的大门。机场管理公司AeroCloud的联合创始人乔治?理查森(George Richardson)表示:“此外，转机乘客数量多的航班通常会优化转机时间，改善整体乘客体验。”

　　“一些航空公司，尤其是廉价航空公司，可能会选择成本更低、停车费更低的偏远停机位，优先考虑节省运营成本，而不是靠近主航站楼。”

　　其他因素包括飞机来自的方向、飞机的类型、预计跑道分配、登机口可用性、机场人员配备、客户和行李连接以及其他飞机预定的滑行道和停机坪移动情况。

　　更糟糕的是，这些因素中的许多都可能在最后一刻发生变化。

　　与此同时，航班延误可能会增加困难，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。

　　

　　美国航空公司

　　考虑到这种复杂程度，你可能会认为聪明的计算机软件可以处理这项工作，但是再想想吧。

　　AeroCloud对机场高级管理人员面临的挑战进行的一项调查显示，分配登机口的工作通常使用的是令人惊讶的基本技术。

　　理查森表示:“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调查的机场高管中，40%的人表示，他们使用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。

　　但是大量的投资正在流向更先进的系统。

　　去年，美国航空公司在达拉斯沃斯堡国际机场引进了智能登机口。

　　该系统使用机器学习将到达的飞机分配到最近的可用登机口，滑行时间最短。

　　机器学习是人工智能的一个分支，它使用大量数据来训练一个可以调整以改善结果的系统。

　　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到哪个登机口。

　　“传统上，我们的团队成员使用传统的计算机系统手动分配门。在我们最大的枢纽达拉斯沃斯堡国际机场，这个过程花了大约四个小时完成，”美国航空公司的一位发言人说。

　　这位发言人补充说，新系统可以在10分钟内完成这一过程，这将使飞机滑行时间缩短了20%，每年节省约140万加仑的航空燃料。

　　德国汉莎航空公司(Lufthansa)的子公司汉莎工业解决方案公司(Lufthansa Industry Solutions)计划使用量子计算来解决这个问题。

　　量子计算利用量子比特奇怪但强大的特性，以比传统计算机更快的速度解决某些类型的问题。

　　目前这类计算机还处于起步阶段。

　　什么是量子计算?

　　分配门是传统计算机和算法难以快速完成的一个问题，计算时间与问题的规模不成比例地增加。

　　但是，Doetsch博士相信使用量子计算的方法可以解决这个问题。

　　“量子算法将允许优化分配登机口和其他资源，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响应不断变化的外部因素，并提供更新的最佳解决方案。”

　　汉莎航空公司目前正在研究各种新型量子计算系统中哪一种最适合其项目。

　　它正在运行模拟，可以显示量子计算的有效性。

　　Doetsch博士补充说:“在我们的第一次试验中，与实际数据相比，我们优化的解决方案可以将乘客的平均过境时间减少近50%。”

　　AeroCloud的理查森先生说，随着机场容量的压力越来越大，这些改进的技术可以帮助减少所需的扩建量。

　　“对许多机场来说，运力是一个大问题，即使他们想引入新的航空公司或目的地，实体扩张也会成为障碍。

　　“他们需要最大限度地利用现有资源。”