中國民航大學與華為公司智慧機場科研合作結(jié)碩果 http://m.reabo.cn　 2025年4月17日　 來源：中國民航大學     日前，華為公司交通智慧化軍團副總裁王國鈺一行8人到中國民航大學調(diào)研交流。中國民航大學校長丁水汀、黨委副書記王志強出席，黨辦校辦、發(fā)展規(guī)劃與學科建設(shè)處、科技處、計算機科學與技術(shù)學院相關(guān)負責人，以及民航智慧機場理論與系統(tǒng)重點實驗室負責人、部分教師參加座談交流。 　　雙方約定，圍繞AI賦能機場運行領(lǐng)域的科研攻關(guān)，優(yōu)勢互補，緊密合作，力爭突破機場行業(yè)IT技術(shù)應(yīng)用瓶頸，實現(xiàn)機場行業(yè)運行模式創(chuàng)新，助力機場行業(yè)自主可控智能升級發(fā)展，打造民航“產(chǎn)、學、研、用”最佳組合。在“機場群協(xié)同，打造一體化空地保障體系”“AI場景應(yīng)用探索與示范，推動行業(yè)加速AI應(yīng)用”“智慧機坪建設(shè)，探索‘機-車-場道-設(shè)施’全面智能協(xié)同”等科研方向展開深入合作。 　　其中，“機場群協(xié)同，打造一體化空地保障體系”方向基于學校承擔的國家自然科學基金民航聯(lián)合基金課題“中小機場群空地保障一體化關(guān)鍵技術(shù)研究與驗證”，在機場群協(xié)同優(yōu)化時刻配置、保障資源調(diào)度等方面展開算法模型聯(lián)合攻關(guān)研究，并充分利用云南機場集團已有云平臺及數(shù)據(jù)資產(chǎn)，協(xié)同實現(xiàn)場景落地，凸顯應(yīng)用價值。在此基礎(chǔ)上，積極展開成果推廣驗證，形成行業(yè)最佳實踐。 　　“AI場景應(yīng)用探索與示范，推動行業(yè)加速AI應(yīng)用”方向基于華為公司各行業(yè)各領(lǐng)域豐富實踐、全棧AI能力、持續(xù)研發(fā)投入，以及學校教師深刻的行業(yè)認知、行業(yè)學術(shù)影響力，依托民航智慧機場理論與系統(tǒng)重點實驗室，聯(lián)合編寫AI大模型民航應(yīng)用白皮書，推動形成在智能客服、知識庫問答、數(shù)字人員工、文件合規(guī)性審查等領(lǐng)域的試點項目。在此基礎(chǔ)上，共同打造民航AI大模型，并推動相關(guān)AI應(yīng)用場景的政策法規(guī)優(yōu)化。 　　“智慧機坪建設(shè)，探索‘機-車-場道-設(shè)施’全面智能協(xié)同”方向結(jié)合學校正在承擔的民航安全能力項目“智慧機坪新技術(shù)應(yīng)用研究”、多類型決策調(diào)度算法研究，以及華為公司已有智慧機場實踐案例，雙方持續(xù)研發(fā)豐富算法模型，研發(fā)智慧機坪各類場景解決方案，合作形成一體化解決方案，共商落地。 　　中國民航大學與華為公司的科研合作始于2022年4月，中國民航大學、深圳機場、華為公司簽署三方合作協(xié)議。2022年6月，丁水汀做客華為應(yīng)用場景松鼠會以“民航空管和機場的關(guān)鍵業(yè)務(wù)場景的高價值難題和技術(shù)挑戰(zhàn)”為題授課。2023年5月，華為機場與軌道軍團團長帶隊來訪中國民航大學。2023年5月至2024年5月，學校與華為2012實驗室實質(zhì)性展開智慧機場領(lǐng)域科研項目合作，目前已完成“機場一體化主動運控及態(tài)勢推演技術(shù)合作研究”“智能機位分配算法合作研究”合作項目，其中，“智能機位分配算法合作研究”項目結(jié)題優(yōu)秀。 　　“機場一體化主動運控及態(tài)勢推演技術(shù)合作研究”項目以一體化運控為總目標，圍繞機場運行的核心資源和規(guī)則，抽象出機場運行數(shù)學模型，并提出適用優(yōu)化策略。2024年10月，該項目完成結(jié)題驗收。華為公司表示“項目組積極推動科研合作，開展科學研究，為我司中央研究院相關(guān)研究工作提供了創(chuàng)新方案”，對項目組表示感謝。該項目共形成《機場運行業(yè)務(wù)規(guī)則說明書》《機場一體化運控頂層設(shè)計》《機場運行態(tài)勢指標體系》《機場運行態(tài)勢指標預測方法》《一體化運控評價指標體系設(shè)計文檔》等多項成果，并衍生出《滑行數(shù)據(jù)增強算法》《TSAT優(yōu)化算法》等算法成果。項目研究成果已成功運用于廈門機場主動運控項目。 　　“智能機位分配算法合作研究”項目側(cè)重解決機位分配算法的場景泛化和性能泛化等兩個關(guān)鍵問題。場景泛化要求算法能快速適用各機場差異化且動態(tài)變化的分配規(guī)則；性能泛化要求算法具有較短的運行時間，以及較高的航班近機位靠橋率與機位周轉(zhuǎn)頻次。針對上述兩個問題，首先從業(yè)務(wù)視角和技術(shù)視角梳理出機位分配通用規(guī)則，再進一步構(gòu)建規(guī)則與模型自適應(yīng)的機位分配求解框架。所提的算法在深圳機場3021條分配規(guī)則和328天歷史航班計劃數(shù)據(jù)集上的平均運行時間為24.44秒，平均靠橋率為88.56%。相比于存在大量不滿足分配約束的現(xiàn)有分配方案（分配算法+人工補錄），提出的算法在（0,1000）、[1000,1200），[1200,+∞）等航班規(guī)模上的靠橋提升率依次為2.69%、1.54%、0.49%。 　　“智能機位分配算法合作研究”項目突破兩項關(guān)鍵技術(shù)。一是動態(tài)可插拔架構(gòu)的高效校驗方法。采用YAML語法結(jié)構(gòu)和Hydra配置管理架構(gòu)，建立動態(tài)可插拔的規(guī)則解析架構(gòu)，解耦業(yè)務(wù)規(guī)則和校驗邏輯，實現(xiàn)規(guī)則靈活配置；校驗邏輯采用規(guī)則字段的向量映射和矩陣哈希映射，顯著降低校驗的復雜度，形成高效校驗機制。二是融合知識驅(qū)動和數(shù)據(jù)驅(qū)動的深度學習求解模型。采用同一滑行道相鄰機位的分配沖突、同一航班的分配互斥等領(lǐng)域知識，建立數(shù)據(jù)驅(qū)動和知識引導計算的深度學習求解模型。為訓練深度學習求解模型參數(shù)，構(gòu)建模仿學習和強化學習的兩階段訓練方法，首先利用歷史分配結(jié)果或啟發(fā)式算法生成的分配方案作為訓練樣本，通過最小化模型預測結(jié)果與真實分配方案之間的差異，監(jiān)督學習分配模型，進一步采用REINFORCE強化學習方法，通過環(huán)境交互試錯以再訓練求解模型。 　關(guān)于中國民航大學更多的相關(guān)文章請點擊查看　 特別說明：由于各方面情況的不斷調(diào)整與變化，華禹教育網(wǎng)（m.reabo.cn）所提供的信息為非商業(yè)性的教育和科研之目的，并不意味著贊同其觀點或證實其內(nèi)容的真實性，僅供參考，相關(guān)信息敬請以權(quán)威部門公布的正式信息為準。