第二十六期原创

梦想，每一次战事都源于对天空的向往，科技让曾经美好的期待走向现实。我将数字带入飞往天空的起点，将每一旅客熟记于心。智慧让出行更有温度，充分利用每一份资源，缩短旅客与目的地的距离，智慧让白网变得有趣，我将点亮制定路径每一束光芒，得以独立思考。每一个节点得以准确采集智慧，让精准成为保障。我将为机场装上高效的大脑，场景中的每个角落化零为整，所有细节同步呈现。

智慧让运行宛如越长，场地再大，不及我的眼界宽广，科技焕发安全新活力，智慧让守护无处不在，整合场内资源，数据相聚在云端，在这里，数据与网络不再是神秘的后台，而是连接每一环节，筑起人与人、物与物的桥梁，让机场融合唯一无缝运转。数字化转型没有终点，在广袤天际，与同行者携手构建数字底座，助力民航数字化转型。

尊敬的各位领导、各位嘉宾，正在观看直播的朋友们，大家上午好。民航智慧预见未来，欢迎大家来到民航智健线上直播会议，我是今天的主持人曹胜胜，很高兴和大家相约在第26期的云端会议。在新技术、新业态的带动下，随着数字化基础设施建设的不断完善，智慧民航建设要通过构建民航加数字产业的共同体，以民航发展需求为牵引，推动大数据、人工智能、区块链、虚拟现实等新兴数字产业。本次会议的主题是数字创新赋能民航高质量发展，由中国民航报社有限公司主办，华为技术有限公司支持，携手来自广东省机场集团有限公司、浙江长隆航空有限公司、中国民航科学技术研究院、中国民航大学、河南省机场集团有限公司、上海春秋航空科技有限公司。

华为技术有限公司等单位的管理者和技术专家围绕云计算、大数据、人工智能等前沿技术，共同探讨分享数字创新业务在民航领域的应用和实践案例。在进入今天的主题演讲环节之前，请允许我为大家介绍参加本次线上会议的主要领导和嘉宾，他们分别是广东省机场集团有限公司数字科技部部长王志峰。浙江长隆航空有限公司执行总裁张洪志。中国民航科学技术研究院大数据分析应用中心主任岳宁宁。

中国民航大学计算机科学与技术学院院长、四型机场研究院副院长李海峰。河南省机场集团有限公司信息机电管理中心主任窦雪峰。邱航空科技有限公司小易事业部产品总监施成宇。华为技术有限公司交通智慧化军团张志龙。以及中国民航报社有限公司总经理谢长庆。非常感谢各位领导、嘉宾的参加，下面有请中国民航报社有限公司总经理谢长庆致辞。各位领导、各位专家、各位嘉宾，各位线上的民航同事、朋友们，大家早上好。

欢迎大家来到民航智建第26期线上会议直播间，感谢大家的关注、支持和参与。在新春即将到来之际，我代表主办方中国民航报社有限公司祝大家在新的一年里身体健康、工作顺利、家庭幸福、事事如意。感谢大家一直以来热情响应我们的邀请，热情关注和参与每一期民航自建栏目的线上讨论。智慧化成为全球航空业新一轮发展的主导力量。这已经成为行业共识，今天的主题是数字创新赋能民航高质量发展。我们将围绕云计算、大数据、人工智能等前沿技术，邀请各方专家学者共同探讨分享数字创新业务在民行领域的应用和实践案例。

在交通强国、民航新篇章的建设中，数和智愈发凸显出重要作用。遵循数字中国建设整体布局规划。框架。结合民航行业特点和建设需求，民航局发布了关于落实数字中国建设总体部署，加快推动智慧民航建设发展的指导意见，制定了基础夯实、数字赋能、能力提升、环境优化的战略路径。在顶层设计中，数和智意味着智慧民航的数字赋能。夯实智慧民航建设数字化基础，需要充分发挥数字基础设施的底座功能和数据资源的核心要素作用。在民航安全生产、航空服务、绿色发展、政府监管、行业文化等5个重要领域，强化民航数字技术创新和筑牢民航数字安全屏障是两大核心动力。

在具体实践中，数和智代表了民航领域各项业务与技术的数字化、智能化创新。为助力各方融智聚力，共同思考、探讨事关行业发展的重要课题，我们期待通过民航之间栏目，搭建开放、务实、共享的交流平台，解读政策措施，观察技术潮流，分享创新心得，探讨行动方案，借鉴实践成果，使大家各有收获。真诚的欢迎大家对办好民航这件栏目提出批评、意见和建议。我们珍视大家的声音、需求和想法，并将此作为我们持续改进和完善的方向，力求做得更好。我要把宝贵的时间留给各位演讲专家，希望大家各抒己见，畅所欲言，精彩内容值得期待，谢谢大家，谢谢。

好的，感谢谢总，下面呢，我们进入今天的主题演讲环节。以云计算、大数据、人工智能等为代表的数字技术迅猛发展，推动了民航产业全方位变革。2020年6月，广东机场集团启动了数字化转型规划项目，推进基础设施整合共享，构建数据中台和业务中台，建设全集团资源共享、统一高效的数字技术平台，赋能业务数字化创新。首先请出本次会议的首位演讲嘉宾，广东省机场集团有限公司数字科技部部长王志峰。它将围绕建设机场一场云的数字底座，赋能业务数字化创新这一主题带来今天的分享，有请王部长。嗯。感谢主持人啊各位。

这个这个专家大家好，嗯。嗯，我。今天给大家分享啊，就是我们广东机场集团呢，在。数字化转型过程当中啊，一朵云建设的啊一些经验。呃，首先简单介绍一下广东省机场集团。广东省机场集团呢，是现在是这个旗下呢，大概有6家机场公司和5家成员单位。那么其中的广州白云机场呢？是国内的三大航空枢纽。呃，也是连续近4年来，这个国内的吞吐量最大的机场。啊，那么其他的5家机场啊，都是属于支线机场，这个简单介绍一下我们这个情况。

那么这三个部分吧，首先我们介绍一下。机场以朵云的背景及目标。实际上广州机场集团呢，是在2019年呢。呃，年底吧，开始启动了。呃，集团数字化转型的工作。那么在2020年的时候呢，我们启动了。整个集团的数字化转型的规划。当时我们是与这个华为公司呢，一起展开合作。啊，主要是对集团公司未来的数字化转型进行规划和顶层的设计。那么经历了大概到一个多月的时间，那么到2021年6暂我们的规划是全部完成，那么这期间在4暂。我们出台了集团的数字化管理的暂行办法。呃，对集团未来的数字化的建设管理啊，做了详细的一些，呃，重新的一些。

规划和部署啊，7暂我们是做了发布了数字化转型的三年行动计划。明确了数字化转型的一些实施路径。那么在12月份儿。就开始建设集团公司的云数据中心。2022年8月份呢，云石中心建成投入使用，随后集团呢开始展开了系统的上云迁移的工作。12月呢，呃，我们。又启动了数据治理和中台建设的立项工作，那么在2023年的3月份开始进行数据治理及中台的项目建设。呃，去年的也就2023年5月份呢。啊，我们的一朵云的。呃，这个三中台的软件及组件全部搭建完成，全集团开展的系系统的这个数据入库工作，那么截止到去年底呢，我们。

整个集团的一朵云的数字底座呢，应该是基本基本上建设完成，那么整个集团的上云率呢，也达到89%，我们也实现了。也在这个平台的基础上啊，有多个数字化的一个上限。呃，那么这个规划呢？呃，我先介绍一下规划，那么实际上6月份我们2021年六暂完成了。集团公司的数字化转型规划与这个里头呢，确定了我们未来集团的数字化转型的愿景、目标和实施径。呃，那么这个愿景呢，也是经过了。华为公司，还有我们集团的。呃，主要的领导还有各中层领导，以及相关的一些业务骨干和技术骨干一起讨论研究的。

啊，针对我们这个实际的问题，以及我们未来的一些啊，这个战略要求，我们确定的这个愿景是实现数字世界一个机场。引领数字航空生态。连接数字交通与城市，那么实际上我们是想在未来的数字世界呢，我们尽量的整合我们各个机场啊，各个单位的一切的资源，服务资源，安全资源。实际上我们呃，未来想缔造一个数字世界的一个机场，也就是广东机场这一个品牌，那么为了做好这个，实现这个愿景呢，我们也这个做了6个目标的。啊，具体设置，那么这个六五目标是一朵云。写一张图。出行一张脸，安全一张网，管理一盘棋，和彩一条链。那围绕这个6个目标呢，实际上呢，我们也明确了我们的这个转型的路径，那么就是三步的路径，一个是上云，用数和复制，那么在上云这一块呢，实际上就是构建基于现有it机构架构的这样的混合云。

啊，使集团信息系统的逐步迁移上云。实现高可用弹性的it基础设施支撑平台，来进一步提高我们it资源的使用率啊，降低我们的成本。提高运维效率和用户体验。那么在这个基础之上，呃，我们展开了就是运输第二个步骤，那就是一切业务数据化和一切数据业务化，那么这个工作呢，在去年实际上已经开始。在做一些工作啊，我们今年还要实现我们的业务数字化率啊，我们要。要翻一翻啊，我们原来数字化率可能只有40%不到啊，所以今年我们提了要翻一番的目标，那么这一块呢。

呃，实际上是，呃，实现我们业务的数据化，另一部分就是一些数据业务化，那么使得我们的这个数据呢，要提供更好的利用中台数据中台和业务中台呢，我们实现这个。数据的服务啊，提供更好的服务来赋能我们的业务。也用了这个啊，Ii的中台啊，也就支持投盘也在这样的相关的技术组件也在也进行了部署啊，我们是也是希望通过机器学习，我们人工智能和大数据的手段来深入挖掘我们数据价值。来解决我们。相关的这个人力无法解决的啊，相关的问题啊，同时我们在今年也开始啊，进入我们在三期项目当中，我们要建设数字孪生机场啊，更好的解决物与物链接，人与人链接啊这样的。

转变为。这个由传统人协同驱动的互联网转变为物与物、人与物之间系统的互联网。实现我们最终实现我们数字世界一个愿望，数字化的愿景，这是我们一个在实施径，那么在这个径里头，我们可以看到构建机场一朵云的数字底座呢？是我们数字化广东机场进行数字化转型优先要实现的目标，那么这个目标呢，我们也是提前了两年，呃，呃，去年年底我们实现了这一目标，那么具体来讲呢，机场一朵云的呃，实施的情况呢，呃。也介绍一下，那么这个数字化转型的我们这个团队呢。我们大概呢，首先是经过了多轮调研以后，我们是总结了。

我们集团啊，这个it建设的大概是6个方面的问题啊，6个方面问题从三个层面来讲，第一个是在it的基础设施投资建设的原则策略和基础架构方面。那么。我们会发现，那么原来的it的基础设施的投资建设的。啊，是无序的啊，各个单位是根据自己的。啊，这个不同时间啊，不同厂家的的情况呢，啊，是自己在构建自己的啊，自己的架构，自己的标准，这样呢，使得我们这个。呃，信息的共享的是非常困难啊，所以这个也就是我们常说的烟囱林立。呃，第二个方面呢，我们在发现呢，实际上我们在这个原有的这些it的基础建设，对业务的创造价值方面是存在的。一定的问题的啊，那么一个就是业务和it两层皮，往往是业务和业务的需求啊，在和。

吻合好啊，在it资方方存在的这个。啊，那么第二个在这方面，就是在整个系统的运营层面呢，是没有相关的理念和职责的啊，这个职责也是不是很清楚的，所以实际上很难持续为业务来创造价值。第三个层面就是在投资层面呢，我们讲。一个是it的投资。由于缺乏了统筹。啊，这个统筹。程度的比较低，我们重复建设呢啊，我相信在呃，很多兄弟机场里头也会出现这样的问题啊，往往一旦是扩建或者是新建一个机场啊，实际上很多原来建设的。

这个it的资源呢，啊，是和这个这个产生了很多不必要的这个浪费，那这个实际上我们在呃，这个规划完这个it的一朵云的这个这个建设的时候呢，实际上我们到目前为止呢。啊，就重复建设这一块，我们就是节约了近大概一个亿的啊这样的一个投资。那第第5个方面呢，就是it的这个资源利用率非常低，这个是我们在呃研究和调查了我们现有的it资源，我们发现很多的。啊，It的资源利用率是极低的啊，是甚至是闲置的啊。那当然了，最后一个就是。我们it资源的获取的周期比较长啊，往往呢，我想呢啊，一个新的it的系统的建设呢。我。

啊，大概1~1.5年，这个对。快速发展的it来这个这个信息技术来讲，显然是呃，很难去支撑我们业务的快速发展。这个是我们发现了我们在it调研当中的。6个方面的。不足。之后，我们采取了。一些策略，那么我们根据这个我们制定了我们。在机场一朵云这方面的，我们的愿景啊，我们的愿景目标，那么我们当时呢？这个制定的愿景就是要建立领先的技术架构，打造统一高效性价比。的数字平台。敏捷得赖数字化。

云化的基础设施架构，服务化的应用架构，来制定集团统一的技术标准和规范啊，要建设统一高性价比的数字平台。啊，来提供这个更好的，成本更低的，质量更高的服务。同时要提供敏捷、值得信赖的数字化服务，为我们所有的业务们来提供按需获取的数据平台资源。同时我们也有专业团队来培养，专业的团队来规划建设和更好的运维，那么最终确定了4个目标，也是建设全集团的资源共享的数据平台。建设云化服务的智能化，建构一站式按需获取的。数字平台资源和值得信赖的安全的数字化服务。呃，那么这个一朵云呢，是我们整个数字化转型的啊，最基础的东西，那么实际上我们建设它呢，实际上是为我们其余的五个目标的实现做有力的支撑啊，包括我们啊这个今年和明年。

啊，要启动的，包括运行一张图的工作，现在正在开始展开啊，出行一张脸，安全一张网，管理一盘棋，以及产业条链啊等等啊这些的所有的这些的。啊，我们数字化转型的目标都是基于我们机场运动员的这个目标的确立。和建成。那么第二个部分呢，呃，我来。介绍一下我们具体的机场也能建设的一些内容。呃，记得一朵云具体的建设内容主要呢，在我们这边呢，是从三个方面来开始，那么第一个是就是新建集团的云数据中心。啊，进一步大幅提升我们的算力资源啊。这是主要是为了未来的啊，这个人工智能的发展奠定很好的基础，第二个是建设集团数据通讯的一张。

实现全集团网络的互联互通啊，这是网络的一个基础性的工作，第三个呢，实现呢，我们。原来的啊，这个集团以前建设的。多个云的多云。啊，构建统一算力资源池，实现资源的统筹管理，啊，大约主要的我们建设内容是啊，这三个方面的内容。那么具体我在三个方面内容呢，我再展开再介绍一下。在一朵云的建设内容方面呢，实际上在202年8份呢，我们建设完了我们整个集团的数据中心，那么这个。啊，当部署了大数据的。这些相关的平台软件。这个存储呢。

大概是呃，有1.5T啊，达1500T啊，我们大概是2.8万盒的VCPU和5点。2万的GB的这个内存。呃。这个建成以后呢，我们是按照。呃，等保2.0的三级标准建设，那么在今年的一暂我们也获得了这个测评啊，拿到了这个等保三级的啊这样的。温泉的这个等级的。测证啊，那么安全的范方。整个这个大概有416个机啊，这个随着我们这白云三期的这个工程的开展，我们这个还要再进一步的进行展。第二个就是。呃，这个通讯一张网方面，实际上在呃，诸多机场，由于不同的时间的。啊扩建啊改的时候实际上网络问题包括大概6。

干线和支线集成，实际上网络的问题啊，或者说是。之间的不通或者不规范啊，这是一个，我认为在业界来讲是一个。呃，比较普遍存在的问题，那这里我举的就是我们在白云机场里头，那实际上我们经过了几个几个新建扩建，介绍一下，就是包括我们外部单位的。这个直连的骨干网啊，安全风险问题，我们互联网出口的啊这种。个出口，这个甚至些备，包括。都是独自接入骨干啊，这都是没有经过啊相关的一些呃，严格的网络规划啊做成的，那么我们下属的各个机场也是独自成网啊，与我们的整个的集团的这个我是割裂的。

针对我们发现的这些问题啊。我们做了一些，呃。改造通信这个数据网络改造，我们大概做了四个方面。一个是我们。基于安全和经济性的要求呢，我们所有的外联网的出口呢，我们会计的一个出口啊，这样呢，我们所有对外的业务呢。那么通过外联网区呢，可以安全的接入。第二个呢，就是我们对核心的网络采取了双节点双链的荣誉设计。对，故障率。大大降低提高了基础架构的这个可靠性。同时，我们又建立了统一的网络安全态势的感知平台。

那么第4个呢，我们是。通过这个光纤和卫兵链路和专线的方式，我们链接了集团县里的各个单位，链接了集团的骨干网啊，实现各个单位的。系统之间的互联互通。啊，也实现这个用户，我们通过一张可以高。访问集团啊，运输中心部署的所有系统。啊，这个改造呢，我们是在一张网的建设内容里呢，是同期把它完成的。那么在这个一端网建设的内容当中呢，呃，多云纳管项目呢，是呃，相对来讲是比较呃。技术难点稍微大一点，有一定的挑战性。我们在。集团的建设的这个过程当中啊，我们大概是。

呃，总共建了6~7套的这个平台。那实际上这个多平台的云平台的建设带来有诸多的问题啊，包括云平台的相互独立，我们之间的数据共享，因为不同的，由于大家是不同的这个技术标准啊，包括还存在这个网络传输的问题。我们数据共享是很困难，刚才也提到了，我们资源分配是不均衡的。有部分的这个。资源呢，平台的资源呢，利用率是非常低的，外联出口多啊。互联网出口非常多，这个安全隐患呢啊，也给我们带来很大的困扰啊，就是有些这个中小机场呢。不具备一定的网络安全的防范能力啊。所以这方面的。网安全也会很大。那么当然了，建设管理的成本高。这个就不多说了，还有重建设轻运营是普遍存在的问题啊，就是。

建好以后没有人去运营啊，那么使得你投资很大，但是用户在。获取资源的时候时间长啊，成本很高。这个是我们带来了很多问题，大了我们面对这些问题呢。呃，我们在开展的时候呢。我们也。看到了其中大概有6个方面的，我们认为比较啊，明显明显的对我们这个实施方面的一些挑战，当然我们也制定了相关的对策啊，这里头的挑战包括呃，这个。各个平台单位啊，因为。不太愿意放弃，对。这个平台的自主管理权，这个是需要统一思想的啊，我们成立了数字数字化转型委员会，我们的一把手董事，董事亲自。啊，这个。让让这个委员会主任，然后他是几乎是每月要开一次来解决这些问题啊，包括云平台的技术方面啊，不同的版本，那管的技术的复杂。

啊，包括云平台的相关的这个运维团队，包括在线运行的时候，在平台的时候，你要配置的时候，要确保不对现有生产系统。要产生影响等等等等啊，在这方面呢，我们是呃花费了很多的时间，呃进行技术性的研讨啊，这里头我们也与头部的阿里华为啊，新华三等等，我们多轮的专家为我们自己啊组建了一个12个人的专业的团队啊，一起去研究。啊，最后呢，实现了我们这个多，当然多音大这个成立以后，也为我们呃带来了呃非常好的好处，首先我们现在的我们所统计的这个算力资源池，是我们大概6个资源池的所有的这个v po的资源啊VCB的资源类存储资源和存储资源。

啊，这实现了我们统一的管理啊，统一配合，统一计量。我们也建了这个一朵云的资源的使用的泰式大屏，对我们全集团的各个机场的。云的计算资源的使用情况啊，我们可以实时的进行跟踪和调配。呃，这个多元纳管也为我们带来了很好的价值啊，这个就目前来讲，我们总结大概四个方面，一个是呃，很好的进行了资源的统筹分配啊，这个刚才提到了这个降本增效啊，实际上我们在这个云平台建设的基础上，很多重复的建设啊，实际上让我们的。就已经获益匪浅了，那现在建好以后呢，我们实际上目前呢，短短的这么大概一个多月，我们为集团大概不同单位啊，73个啊，新的系统的建设，我们大概分配了870台76台的虚拟的服务器啊，一点七一点一四万核的VCPU的服务器资源，那么最快的大概是两到三天。

啊，这样时间稍微长一点的一周，这个部署的效率比以往的要提高了近20倍啊，所以这个是非常的明显的，第二个在数据共享的方面啊，是啊，这个是有非常大的提升啊，这个到时候我们。待会儿我在成果方面我再介绍一下，第三个就是更好的能支撑我们未来我们的一些业务发展，特别是我们三中台建设以后，我们下一步我们今年在考虑就是大模型数字孪机场的建设啊，这些应用的建设，在基于现在的这样的一朵云的这样的基础架构来讲呢。啊是呃，很多是非常呃这个。很快的能够实现。啊，或者说非常容易实现我们所设想的很多很多的一些设想，那第4个就是进一步提高了网络的安全，这个就不在。

介一云的展，这个一朵云建好以后，我们全集团开展了这个系统上云的迁移活动，呃，还有一个系统数据的入户和数字应用开发三个层面，那么迁移方面呢，这个速度呢，大概2023年开展以后，到去年12暂，我们全集团大概190个系统全部是啊，这个完成了我们预计的目标，迁亿上云啊，这个上云率达到了89%。啊，这个。这个是。呃，是我们机场于等于建设以后，我们迁移工作呢，是实现了我们啊，特别一些管控类的，实现了我们100%的。这个部署。

啊，第二个就是我们开展了系统的数据工作。啊，我们大概现在实现了全集团147个系统，12万的字段的数据全面入户，啊，这个就刚才说到入这个一段云建设以后数据。这个就。自然而然就把它很容易把它就解决了，我们配套出台了数据入库的一些技术规范啊，包括一些指标的一些管理细则。为我们。下一步的数据治理和实际运营提供了一个很好的支撑。啊，我们在这个基础上，我们做了一系列的。啊，这个开发包括我们数字财务平台，我们的。安全管理啊，客服商业管理啊，我们这些应用都是基于一朵云的这样的平台，我们做了一些啊，这大量的一些开发和部署啊，这个速度要和敏捷性要远远高于我们原来的传统技术架构。

那下一步呢，实际上呃，我们也在呃做下一步的这个，呃，按照规划呢，我们依托白云三期的建设呢，呃，我大概一季度。啊，进一步增加我们的GPU的算力资源，那么为未来的这个。这个这个时代。啊，加速创新啊，我们奠定基础啊，这个是第一个，第二个方面呢，就是啊。我们在今年开始，我们白云三期啊，开始启动数字孪生机场的建设啊，那么本身白云三期就是基于闭幕建智能建造呢，啊啊全国跟全生命周期的这样的一个三期扩建工程，那么在这个基础上，我们再借助一朵云，我们未来更好的支撑。我们数字蓝山机场的建设。

为我们这个智慧民航的建设呢，呃，我们贡献我们的一点力量啊，这个呃，汇报就这么多啊，感谢。好的，感谢黄部长的精彩发言。在民航局与智慧民航建设推动行业高质量发展的指引下，长隆航空在新时代新发展理念的要求下，沿着高质量发展的目标和方向，拥抱数字化，用数据驱动公司的安全运行、技术管理持续提升。下一位演讲嘉宾是浙江长隆航空有限公司执行总裁张洪志，让我们一起来看看长隆航空智慧民航建设的探索实践，有请张总做主题演讲。抱歉。啊。嗯。现在我可以讲了吗？

可以的，没问题，好呃，很高兴能参加此次论坛，也感谢民航报社的邀请。呃，长隆航空呢，是总部在浙江，现在呢是68架320单一系列的这个机型有68架飞机，呃，刚刚迎来了十周年的安全运行。也获得了这个民航的一安全1星奖，那么今天呢，我想给大家分享的呢，是长隆航空在数字化建设上的一些实践，呃，我的题目是呃，以智慧民航建设为引领，用数字化激发心智生产力，主要是讲一下这个飞行员的数字画像系统。呃，就是精准画像决策飞行。大家都知道，呃，当下呢，飞行影响这个航空安全，飞行安全的这个主要因素呢，还是人的行为因素和飞行员的技术因素。

那么从安全管理上呢？我们绝大数的航空公司呢，是基于安全的，不安全事件的数据。那么像这个呢，已经不能够满足安全管理和技术管理的系统性和精准化乃至于差异化的要求了。基于不安全事件的分析呢和评价呢，往往是有局限性的，从安全管理的角度来说，也具有滞后的。它的一个事件来说，相对来说它也是孤立的，评价呢，也往往是片面的，不具备客观性、全面性和差异性，也无法激发飞行员对自身技术和行为的自省和改进提升的需求。那么民航局呢？在这个数字中国建设的总体部署。这个指出啊，有了一个颁布了一个指导意见，这个指导意见呢，就是全面提升呃智慧民航建设的系统性，协同性和安全性，推动行业数字化转型，数字化运行，更好的谱写交通强国民航新篇章，那么在这一点上，长隆航空呢，也是顺应着这个这个这个呃时代这个技术的这种发展。

啊呃，来推动长龙航空在解决。安全问题，尤其是长期以来制约着我们的这个安全因素的这个人的因素和飞行的技术因素方面啊，我们做了一些管理的一些呃实践。在民航局这个与智慧民航建设的这个智慧民航建设推动这个高质量发展的指引下，长隆航空在新时代新发展理念的要求下，为满足航空高质量发展的目标，拥抱数字化，把数字技术呢作为新智生产力，用数字驱动公司的安全运行和技术管理的提升，那么飞行员画像呢？

是全数据客观描述飞行员技能和行为特征的数字化工具。个人和各个组织都可以通过数据在线飞行员技能和行为表现。针对差异性、层次性和整体性的分析，实现精准性和趋势性、可预见性的。这种管理以飞行员全过程和全生命周期为基础。为实现飞行员全生命周期管理提供客观、准确的参考依据。嗯，我们这个飞行员画像的系统呢，主要有六个部分，就是我们从这个项目的研发和和这个，呃呃，到最后我们有我我今天呢，我想从六个方面来给大家这个分享一下啊。呃，首先这个项目背景从14国家政策方向，这个十四五呢，数字化经济发展的规划提出要以数据为关键要素，以数和实呃融合为主线啊，赋能传统产业转型升级。

那么这是从国家的政策方向，从行业的角度来说呢，中国民航民用航空局，呃，印发了关于智慧民航建设评价体系，那么在这里头呢，从飞行，从飞行这个管理的角度来说，对于我们来说，那把大数据使用好是吧，来结合我们的运行管理和安全管理，呃，这一方面呢，对于我们来说也是一个新的一个挑战啊。呃，下面我想主要是讲一下这个飞行画员画像的这个理念，用数字化的方式描述飞行员个体整体性的技术和行为行为特征。呃，这里头有几个理念，我就要需要跟大家分享的，飞行是有标准的。

啊，没有标准的飞行，那么这句话的真正的含义是什么呢？就是飞行永远是处在。不确定性和未知的客观条件下的表现，那么在这里头我们就觉得画像画出的就是一种差异性。因为差异性，我们可以识别和分析和判断人的不同和环境的不同，这样的话，我们才能针对的针对性的采取一定的措施啊，那么第二条呢，就是飞行技术的能力呢，主要体现在飞机的控制上和飞行过程的管理上。那么利用这个客观的数据对不同视角的飞行理论，那么什么叫不同的飞行，飞行视角的这个飞行理论呢？呃，实际上飞行有两个一种，两个两种形态，一种是我们说的状态的飞行的概念，还有一种是飞行过程的一个概念，我们基于这两种是吧，基于这两种。我把飞行员的这个画像用8维度的评价评价体系来来呃来设置了它的这个指标，那么具体体现在哪儿呢？就是飞行员的胜任率主要体现在对于驾驶员对于控状态控制的操纵品性上，那么有准确性、稳定性、熟练性和适应性，那么对于机组机长带领机组对于飞行过程的管理品性来讲，是计划性、预见性和秩序性，乃是正确性。那么这是怎么讲呢？就是说呃，这里头有两种。

对飞行员的一个功能和职责啊，那么实际上作为一个机长带领一个机组来完成飞行任务的时候，这个过程是完全具备管理的一个五个要素的属性的，那么这个系统呢，经过两年的开发和实际应用，公司在飞行安全运行和技术管理的前置性和精准性上得到了显著的提升，那么各个部门都可以利用飞行员画像这个系统。

对每一个航段飞行的全过程进行数据复盘，结合人工智能的一些算法和模型，对飞行员和机队全生命周期的表现进行画像，实现了用数字化方式描述个体和群体特征的这么一个功能啊。那么这项工作，呃，这个项目呢，我这个。这个完成呢是呃是作为呃科技部的这个。立项的为科技助力经济2020重点项目的专项项目，给予了300万的这个支撑，我们在2021年底是吧，2021年底我们获得了这个这个验收，那么在呃美航协的这个呃，专家组的一致认为呢，我们这个系统呢，是国际领先，具备在行业应用价值，建议在行业里头呢推广，那么民航呃中国航协呢，在这个评审过程当中，给予这个项目呢，有科技进步二等奖啊。

然后我再把这个模型给大家做做一个分享。呃，我们讲的这个飞行员的这个评价这个模型把品性，这个把品性呢，呃是对飞行员在飞行中这个功能和职责来自于任务的胜任力模型，那么我们前面讲了这个偏，呃就是偏操作技术的，就是驾驶员的，驾驶员呢，我们都知道这个飞行它这个呃准确性它是是必须的，但是在准确性的基础上一定要形成稳定性。啊，那么稳定性的需求啊，这是也是一个可持续安全的这么一个需求，那么熟练性呢，对于飞行员来讲，它要在就是说我们说一个系统的能，技术的能力，或者系统的一个能力，他一定是由它的空间和时间来决定的，那么驾驶员在这个三维的空间里头呢，他的这个熟练性就是要求他在单位时间里头能够完成生产任务，完成对状态的控制和数据的这个精准性来实现。那么还有一个就是它的适应性，那么驾驶员的适应性表现在白天、黑天，大风，方方面面的天气，还有不同呃类型的机场，方方面面，包括不同技术条件下，它都应该能够保证准确性和稳定性来完成生产任务，是吧？那么这一项呢，就是对于驾驶员在控制飞机状态的这方面的一个能功能评价，那么后面这一个呢，是主要是偏重于管理，这个管理呢就是。

呃，每一套这个飞行机组在机长的带领下，从航线的飞行，从从计划性，对吧，在整个航班这个天气对客观条件的一些预判。

啊，这些方面它都要，它要赋予这种管理的职责，那么什么叫秩序性呢？就是整个的系统的过程当中相互关联的一些要素，它之间是有客观需求的啊，客观需求的比方说机组资源管理的这个，这个要求就是要求机组之间的工作秩序，包括职责关系，包括功能关系，乃至于任务之间，它都要达成有一个良好的秩序性，那么从飞行的角度来说，我们说也是存在持序性的，那么就是说它要从飞行啊，呃，从控制飞机的状态到领航，再到呃沟通的叫交通通讯，那么这方面的秩序还不能颠倒，所以说飞行的秩序性是有客观的内在条件所能决定的，那么什么叫正确性呢？我们知道飞行呢，有很多的这个这个呃动作是不可逆的。那么如果你一旦就是动作错了，有有时候机会就没有了，所以说对于正确性的要求，不仅仅是在操作上，还可以要还在还表现在这个这个基础的决策上，所以说这8个品性。

就是标志着我们飞行员来评价这个，这个给飞行员画像也好，评价飞行员也好，就是围绕着这个八个品性来来去进行这个飞行员的一个技能和胜任力的要求的，那么这里头呢，跟当下的这个EBT的循证训练呢，呃，有什么关系呢？其实我们这个飞行员画像的这个整个的系统的数据可以作为EBT。这个数据的依据和评价的依据也为因为所有进入航空公司的飞行员。你只要从第一班开始飞，我们飞行员画像的数据就已经积累下来了，这几个这个数据的积累也为PLM，就是这个全生命周飞行员的全生命周期的管理也提供了数据的基础。

那么这个8个品性与cb ta什么关系呢？就是核心生日力的关系呢，这个呢，我们说这是不矛盾，那么呃，首先这个8个品性呢，是基于中国民航的这个传统的这个对于飞行技术的要求，是吧，我们飞行员都有那个蓝皮本。呃，技术的评价的，这这种传承下来了，我们说对于这个八个品行，原来只是三个品行，或者是四个品行，现在我们增加了八个品行，就是基于对于飞行员在整个飞行过程当中，它的功能和职责啊，一个驾驶员的这个功能职责，一个是作为机组成员的机长带领下的一个组组织体系的这么一个管理的一个功能和职责来进行划分的，所以说这个呢，还是具有一些原创性的。那么第二个呢，画像系统呢，就是测量值。

这个测量值呢，这个我们说我们测量值是很重要的，我们现在呢，这个系统呢，现在有158个测量值，那么其中有47个项目，呃70呃47个这个呃测量值呢，是我们自定义的啊，还是或者是根据这个行业的一些呃这个数据的标准测量的值呢，呃进行了一些优化的啊，那么测量值的准确就直接影响着对于呃我们呃飞行员的一个评价，那么我们现在对于操作者对于呃这个接地的这个包括付飞的所有的三维的这个数据呢，都有呃这个测量值啊，这些测量值在我们的实际的运行，运行当中已经被广大的飞行员都认同，再评价他们的时候，再去反映他们，他们自我再去查他的这个，这个这个移动端的时候呢，他们也认同这些数据。

的这个这个真实性，那么这里头呢，我主要来讲给大家讲一下这个分享一下我们这个拉平的这个这个这这个项目，因为拉平直接是直接关系到这个飞行的，这个飞行员的着陆的这个基本的一个技能，还有包括它的这个标准化的问题，那么我们在这个这个版本上，我们已经已经迭代了，就是基本上是。呃，有四十三十多次了，这个更新是吧，更新，那么我们最后确定了这个拉开的这个。呃，这个这个值是吧，为我们，呃往后的就是来评判一个飞行员这个操纵这个拉开始的高度，以及收油门整个的一个技术动作是吧，在这方面上我们已经取得了这个这这这方面的这个一个重要的一个参考的一个值，这个值是是一个源头和关键啊，源头和关键具体怎么说的呢？就是说如果我们在识别拉开始的时候是连续三秒，当你第一秒和第二秒，第三秒一直都是带感的。

带感的，而且呢，你的姿态的影角呢，已经是大于2.5°，我们就把这个值确定为这个这个这个拉开时的这个这个这个高度，这个准确性将直接影响着我们这个对于一个飞行员的客观评价。那么基础模型呢，我们现在是在这个如图所示啊，我们这个基本上就是说一个飞行员，就从驾驶员的角度，它的起飞着陆，包括一些呃油量的一些管理，方方面面，我们都以围围绕这个雷达图的形式进行进呃呃进行了这个呃数字化的数字的这么一个雷达图的这个描述，那么它可以是一个的，它可以是一个阶段的，同时它可以是全平均值的啊全平均值的那么如何来体现它的呃准确性和稳定性的，那么说这个雷达图大家看了，旁边有一个小的一个这个这个圈哈，这个大圈，大的雷达图上那个点是一个小圈，这个小圈就是平均值。

就是平均值里头的你的差异值，这样的话呢，平均值我们再去考虑你的差异值，我们就知道你的稳定性和差异，这个准确性和稳定性之间的这种关系，来判断你这个飞行员的这个这个技能的一个一个一个一个主，主要的一个衡量参数。那么另外呢，我们这个画像呢，还还制定还这个设置了一些特殊能力的这个这个这个特殊能力呢，实际上是整个画像系统的一个子集，它也是在特殊场景下的一个飞行员的一个呃技能表现，比方说呃，大侧风的运行指的就是飞行员在大侧风的条件下来进行的，那就你说技你的它的一个技术表现，那么这个技术表现呢，呃。

我们也可以通过某一个人，呃，在我们先设定大车风的一个条件，然后在这个方面里头去查找飞行员这里头的这个技术能力和偏差表现啊，就是偏，那么同时呢，我们还可以进行配置，比方说还有一个就是配置的话，就高高原机场的运行对吧，就是在高高原情情况下的一个能力的表示展示，另外一个就是非精密精进，在非精密经济条件下的一个一个一个，呃。呃，你的表现我们把可以把所有的非精密进进的这个运行数据都调出来，再进行人的这种呃，技能的一种差异的呃，差异化的对比。另外一个还有可以做这个飞行，呃配置一些，就是呃，男飞行员和女飞行员之间的配置，这个也可以，我们也可以通过这个数据，通过这个数据的积累，呃找出这个里头的一个逻辑关系，另外一个是呃，呃机场模型的分析。

比方说这里头对应的是这个，呃，杭州机场和大理机场都是10暂的，我们选取的是什么呢？选取的是签派方签派的放行人员和飞行共同关注的12个指标，那么这两这两个是会会会产对飞行和运行和安全管理的有什么作用呢？就是说我们在新开航线上，我们在航天准备上，我们乃至于机组之间互相的这种呃评这个技能评估上，是吧，都可以使用这些数据，那么比个例子，就是我们在高高原运行的时候。啊，高高原运行的时候，我们没有飞过，没有飞过高高原，那么我们就是用航科院在航空院的支撑下呢，我们把这些数据呢，呃，拿过来看看这个航空这个其他公司或者是在航在这个机场运行的一些气象特征，我们可以把它把它数据提取出来，这样的话，为我们的这个呃新开航线呢，包括一些特殊机场的这个运行，对吧，提供一些有特别有有效的这个数据依据。

包括在核心功能的应用上，这个核心功能的应用呢，其实呃，我们在在在在这个分员画像呢，其实产在应用上呢，产生了很大的一个一个效果，第一个呢，我们在画像系统在这个。呃，在这个责任文化的建设上，包括这个呃管理上，呃，我们得到了这个很好的一个一个运用，为什么呢？就是说我们呃两年推行两年了，飞行队伍的责任胜任力，一二八工程的建设，那么一二八呢，这个八呢，其实就是八个品性的，这个就是我们飞行员画像里的八个品性，你作为我们飞行员作为一个技能的一个一个技术和一个管理的这种胜任力的这个模型，那么第一个呢，其实就是敬畏，那么敬畏的是来自于什么呢？其实就是我们说前面对于飞行的这个定义。

实际上飞行安全的本质就是应对不确定性、未知性乃至于不对称性的你的表现，那么在这种情况下，其实人们都往往恐惧和害怕就是来自于不确定性，那么从敬畏的角度来说。我们说我们敬畏不仅仅是三个敬畏，从职责、生命、职责和这个规章上更要更要是体现在从飞行员的角度来说，这种敬畏要明确，飞行是来自于不确定性，来自于未知性，甚至是不对称性的条件下，你如何能够保证好飞行安全是这个我觉得是一个从飞行专业角度的定位来讲，这是一个比较。呃，比比，比较现在迫切需要提高意识的地方，那么两个作风呢，一个思想作风，我在今天就时间关系我就不谈，还有一个就是第二个工作作风，我们通过飞行员的画像，可以把飞行员的这个操作的行为记录在记录在上去是吧，记录记录下来，所以说就是从专业行为的表现的一贯性上，我们能够看到他的作风。

呃，是否是，是不是一个呃恒定的一个一个呃一种一种状态，那么为什么是就说责任文化呢？实际上是一二八来讲，所有的问题都源自于责任是吧，都是，都是围绕着责任，来来来来来来。来进行呃推进的，那么还有一个就是机队的核心风险，那么从航空公司来讲，7个风险是我们呃不可接受的，呃这个风险管理呢，我们也主要是围绕着这个7个的这个核心风险，那么在这个我们设计的，在通过飞行员的这个画像来来设计这个模型来，呃这个模型呢，我们每个月啊，就是每个月都要进行这个数据的筛查啊，数据的进行呃梳理和筛查，来找出我们存在的一些不可接受的风险。

那么另外一个就是高高原运行，我就不在这说了，那么另外一个呢，就是还有一个应用就是神经网络型啊，神经网络模型用于着陆的核心风险的预警，那么这个呢，实际上是我们通过。是我们通过这个这个呃一系列的一些数据是吧，基于历史数据和训练长短之记忆的神经网络模型来进行诊断了，这个已经得到了实际的认证，就是我们在通过数据的分析的时候，呃得出的结论和我们有一次这个个别这个飞行员发生了一起，这个1.88的这个过载值的这个模型结果是一致的，实际上这个就是我们通过这个数据模型的这个感知测试呢，已经达已经可以实现对飞行员的一个呃，就是着陆载荷大的这么一个呃。

感知的一个，呃，提前的预警式的这么一个一个一个一个管控啊。那么还有一个就是起飞叉机为核心风险，那么这里头就是我们一个一个实际上一个一个系统的一个图啊，那么左边左边就是我们能够看到这个可有可选项，有各个飞行阶段是叉机尾是起飞的还是着陆的，那么各个参数，还有包括我们右边的这个限制区间，限制区间的这个这个这个值，那么这个值呢，我们是看到一个这个叫紫色的和一个蓝色的，其实这个指标的在系统上是可以配置的，那么这个配置会带来什么结什么结果，就是说我们根据一个人的这个技术的能力呢。它中间的这个越集中，我们说它的技术表现是越好的，就是反过来讲，就是克服外在影响的能力是越强的，那么在这个里头呢，我们可以随着公司的人员的技术状况，也可以根据人的一个技术状况来进行可配置的，这这种要求也可以集中一下，我们查的是什么，我们查的是在这个区绿色框里区间以外的啊，这个人的技术表现来进行技术分析。

还有一个时间序列的这个场景，比方说丽江就是前一段时间这个丽江现在由于跑道这个和这个设备的维修，它现在所有的进进都是非精密进进，那么我们就呃，就对这个整个的丽江机场的运行进行了这个呃风险的识别和数据的一个跟踪啊，这是我们在这个运行过程当中的，这也是最近一直在到6月30号到为止，从去年到现在一直也是我们跟踪的项目。

这个是机场关键参数的，这就是我们说，就从高高原运行的时候，我们拿这个，拿这个数据我们能够分析到这个，呃，比方说高高原一个某一个机场它的一个，呃，客观环境的一个特征。乃至于了解这个客观特征以后呢，我们就采取的措施，这样的话有更加更加的有预见性，更加的准确和针对性。这个飞行员画像呢，我们有一个移动端，还有一个PC端，这个飞行员画像主要是用现在的用法，现在的用呢，我们主要是设计的，呃，设计支出啊，就是有两个方向，第一个是从管理者要飞行管理者要用，那么飞行管理者主要用在哪呢？一个是航安的，一个是技术管理部门，还有一个运行部门叫飞行飞行管理部门，那么这三者之间呢，就是民航局现在呢，要求飞行员这个科R的这个放在哪儿呢？由原来的航安部现在放到技术部，那么长隆航空基于数字化建设呢，是把这个整个的数据化，整个的数字化，放在一个这个数字化转型办公室，由他们对于统筹的来进行组织管理，那么各个部门你只是提需求。

那么我们说做我们设立飞行员画像呢，有两个，一个是飞行员自己要用，自己要用是提发激发他们自身的对于技术的这种这种需求，第二个就是管理端的是吧，那么我们在对这个客户端的这个像飞行员使用的就是更加方便的时候，我们前期呢，就是点左边的1，就是说给大家用，就是说从手机端去查这个数据，呃有6次，我们点击6次才能到这个到达它要所需的页面，那么随着随着这个这个技术的这个改进呢，我们觉得对飞对飞行员来讲，要要要这个呃轻松一点，而且要方便快捷一点，我们进行了迭代，这样的话呢，我们在后面呢，就是到目前为止，先行员要查找他的数据的话，只需要两次，点两次可以了。

啊，只需要点两次，原来是这个点6次，你看6次才能到了这个页面，这个页面里头表面一下就能体现出它的正常，那么现在只需要两次就就直接就呃直接就可以呃看到他所需要的呃效果了啊那么这个移动端呢，落地，每次落地前大概呃落地后的半个多小时就可以用了，那么直接可以用到飞行员的这个这个讲评上，技术讲评上。那么直观的数字化可视这里头是通过这个数据呢，通过右边这个展示这个数据值呢，我们看到这个风的一个在起飞过程上的一个变化的值是吧？并有变变化的值，这些数据都是可以可以呃呃直观的可以展示出来，另外还有一个是3D的，我们可以选择呃这个3D展示就是你在某一个阶段发生，我们直接可以通过这个拉拽，就是把这个切割的话，就找到我们所需要的这个航段来进行这个呃可视化的。另外还有一个是就是呃信息推送，就是呃落地了以后，呃我们会在一个呃数据一旦形成了，我们就会给飞行员进行推推送，推送就是啊，你的飞行员画像的数据，呃基本都有了是吧，现在我们，呃，移动端的飞行员在用啊，我们的最新数据昨天晚上查的大概在50%，平均在55%左右啊，就是飞行员自发的去。

去应用这个使用这个数据，那么在这个画像这个结果的应用上呢，我们现在应用在一个是技术评价，行后讲评，行前准备是吧，包括一些呃，精准的一些训练上啊，精准的训练我们在去年去年我们进行了27场27个人次的这个模拟机的专项训练，其中一部分。

啊，其中一部分就是由于画像产生的我们不可接受的这种风险，呃，进行的提早的这种训练，那么在安全管理上和精准的这种派遣上，就是航班谁有什么技术特征，然后对在航班派遣上我们也得到了一个应用，啊，那么在其他方面的应用上，呃，比方说在排班系统的，包括EFB这个和训练系统上，我们都都得到了一些应用。另外呢，在这个在呃模型的应用上呢，我们现在不断的在在利用这个画像的思维，呃现在推广在这个这个签派员画像的这么一个一个，呃未来可能现在我们的这个维修人员也在也在做这个呃画像的这么一个呃逻辑的呃项目的一些运用，呃主要是现在在这个数据采集的这方面啊，可能是呃就是需要一些一些突破啊，需要一些突破，那么在行业里头呢。

呃，我这个自从我们呃这个项目呃完成以后，得到了我们，我们在我们单位的应用以外，那么有一些行业业内的或者其他的一些行业外的也也也在呃进行交流，我觉得在从画像思维的这个逻辑上，这个思维角度来讲，还还是呃。应用还是有一定的这个这个场景的啊，一定的场景。呃，我的分享就到这儿，谢谢。好的，感谢张总的精彩演讲。中国民航的发展进入了高质量发展阶段，既要实现质的有效提升，又要控制量的合理增长。与此同时，新技术的不断涌现带来了新的创新浪潮，成为促进行业高质量发展的工具。下一位演讲嘉宾是中国民航科学技术研究院大数据分析应用中心主任岳宁宁，他将为我们分享大数据技术在航班运行及飞行安全领域的应用探索。有请岳主任做主题演讲。

好，主持人好，各位参会嘉宾，各位专家上午好。民航的素质创新是一项艰巨的工作，那么需要大家尽可能的去参与，集思广益，那么我下面我介绍我们大数据技术在航班运行跟飞行领域的应用探索，这个屏幕可以看得见吗？可以的，好嘞，那我就往下，那么当前我们的新技术越来越多，从5g互联网、数字孪生、原宇宙边缘计算、区块链、大数据、人工智能、生成式大模型、无人驾驶、机器人，甚至未来飞行也是智慧飞行，那么这些新的技术到底能对我们的行业有什么样的促进作用呢？那么我们的工作主要是从大数据开始，那么涉及模型设计，人工智能，那么大数据技术。

网上有很多很多的介绍，那么我在这儿只说三点，因为大数据技术首先要建立一个系统观、全局观、历史观，这才是整个大数据大的真正的一个含义。第二，大数据技术其实有一些特有的数据分析挖掘技术，比如说聚类分析、关联分析，那么大数据技术当中还有一项最关键的一项技术，就是深度学习去建模系统的未来表现。

对吧，这是我们认为大数据技术其中有三个特别的需要注意的这么多技术特点，那么对民航而言，我们非常关注飞行安全。刚才长隆航的张总也都介绍了那飞行员的画像，我们希望能够防患未然，防微杜渐，在航班运行上，我们希望能够承载更多的航班，航班更重点，旅客服务上，我们需要提升旅客的满意服务度，那怎么去用大数据技术跟我们民航的安全跟航班运行相结合呢？这是我今天将要介绍的内容。那首先介绍大数据技术在航班运行领域的我们的应用实践的探索。那么首先是一个背景，中国民航有自己明确的发展目标，那么到2025年，也就是十四五的末期。11700万架次折成每天的航班量大约是2.3万班，那么2035的远景目标确定的是3000万架次的这么一个发展量。

那同时我们也要考虑的这个发展的制约因素，由于我们的发航空发展的不平衡，我们的空域资源受限，我们的保障能力不足，这些也是发展中必须要面临的问题。那么我们的应对措施呢？从局方给出的各种文件当中，我们已经看到了，需要补短板，需要对运行总量精准控，对航班的时刻精细调，那么实施差异化的航班时刻供给与配置政策措施，那么保障能力要与航班量进行动态匹配。实际上。就是为了实现民航的高质量发展，去实现智慧民航的建设。对我们而言，我们需要改变我们的认知，我们把中国民航航班运行系统当成一个系统去研究，它去量化系统各环节的保障能力，去量化各系统的全系统的航班承载能力，为实现高效利用资源、配备合适的保障能力、科学决策、精准航班调控提供量化和可视化的依据。

那么我们再看看局方在航班调控上的一些措施，那么在民航进入这个快速发展后，那么我们的供需矛盾出现了，民航局先后实施了多轮的调控措施，也有相应的文件，那么最终提出了精准控，精细调的相应的这个要求。那我们的现实呢？我们需要。得到航班总量与正点率的这种关系，对那各机场去衡量各个机场航班量与运行品质，航班时刻我怎么去优化，实际上从我们的应用探索当中，我们就举了这个二一年的航班运行的数据，我们使用常规的这种数据拟合的方法，真的不能去建，去建立这个航班量与正点率之间的变变化关系，大家可以看这个下面的两幅图，左边是一个全国的这么一个运行总量。

那么在右边那个呢，是以机场的，那么最最右边我们提出了，就是说提供了我们所用的各种各样的数值拟合的方法，包括线性的，多项式的，指数的，对数的，成立的，移动平均等等，几乎把目前常用的这种数值拟合的方法都应用在我们的航班量跟正点率的数据上，那么这数据既有每天的，也有每月的，既有全国的，也有各个机场的，也有机场群的。那也有各个区域的，但实际上我们坐下来之后，不能从数学上。

去找到这种航班量与正点率的关系。那如何去解解决我们面临的三个主要问题呢？一个航班的总量跟正点率是一个什么样的关系？第二，一个资源的能力，保障能力与航班的总量、正点率到底是一个什么样的关系？最终我们的航班总量与航班正点率是什么样的水平，需要什么样的保障能力？在这儿我们特意提出了这个航班总量，我们更关注航班计划。对不对，那我们都知道，既然航班总量跟正点率之间，我们没法去建立两者之间的那种数学关系，那我们是不是有其他的手段？其实航班总量其实就是一个航班计划的一个统计值，那么正点率也来源于航班计划执行结果的这么一个计算，那么我们能不能用深度学习去建立航班计划、航班执行结果之间的关联？

对不对，然后再得到这些指标计算的值。那么有了航班计划执行结果，其实顺手我们也可以得到整个这个航航线导航点的这个流量的数据，这是我们初步拟定的这么一个方案，那么有了这样的这个方案，那么我们是不是可以去精准预测航班总量增长，航班结构调整后，那个典型日的航空航线流量的航班正点率的这个情况呢？那我们再回到我们的现实。那那中国民航航班运行的这个大数据模型，那么中国航班运输系统呢？它是一个关联复杂，多因素耦合的时变复杂网络。那这个网络如果我们把它当成一个系统，那么我们系统的外界输入就是一个航班计划，那个我们可以把各种影响因素啊，比方说天然气啊，资源呢，保障能力啊，一些突发的故障，其实都可以作为这个系统的一个内因，那么整个系统的输出实际上就是航班的起降时刻啊，空中径啊，过导航点的时刻啊，自然我们就能得到航班运行的品质，包括航班正点率啊，导航点的流量啊，航段流量啊等等数据，对不对？现在大家都知道我们大模型，大模型实际上中国民航在这方面的努力也是挺早的，我们很早就建立了，从18年就开始筹建全国航班运行的大数据，那么我们能不能就利用这个大数据去建立这个航班运行系统的这个模型，使这个模型的输入和输出等同于我们现有的。

实际的运行系统，这就是我们的努力的目标，但这样的目标能不能实现，则是我们下面所要做的一些工作。首先在数学上，那么已经证明这个深度学习确确实实可以做到多维参数的这么一个曲线拟合去求解。

其实我们最早认知到这种2两个参数的一个二元拟合，那么用最小2乘法在左边这种就可以去做，但是对于多参数，甚至是极复杂的那种多维参数，超出了我们的这种普通人的想象，但是数学家已经证明我们可以用深度学习神经元网络的方式去求解。那那么涉及到我们这个现实当中的这个。模型，那其数学表示就是可以表示成目前这样一个矩阵，那么最上行左边是我们的航班计划，右边是我们这个典型日的一个映射关系的这么一个模型，那最终的结果就是最下面的这个航班的执行结果，那在以上的这个思路，实际上我们使用了这个2021年的这个航班运营数大数据去进行这个模型的训练，那训练的结果我们已经可以看到了，模型各节点的时刻误差约10分钟，各机场正点率的分布规律一致。

各导航点流量分布规律一致，各航航线流量分布也是一致的，那么给出了相应的数据集，那么验证包括前50的机场，前1000个航，前100个啊，前1000个航班，前100个航，那么相应的数据也有，那这只是21年数据的训练结果，其实2122年的数据我们也想训练，但是受到疫情影响，二二年的这个航班量大幅减少，那么二三年的数据，我们下半年的数据还没有拿到，拿到以后我相信随着这个模型的训练量的加大，这个模型的精度应该不好。那我们主要今天看一下这个模型的这个给出来的一个结果，那么我们首先看可以看右边那块，那么我们模型不仅可以给出航班具体执行的情况，那么。

包括这些机场经理岗啊，或导航点啊，航段流量的这些详细信息，那么也给出了。比如说我们约定2万个航班到2万个航班时候的大概正点率情况，包括我们正点率修正的情况，包括我们2万个航班时导航点最大的流量，航段最大的流量要达到什么样的水平。这样的数据模型都可以给出，那我们再看左边，前面我已经介绍了，我们确实想得简单的，就得到航班的总量跟航班正点率的这种关系曲线。实际上我们穷尽的数学手段并没有得到这个曲线，但是我们模型给出的对应每一个航班量下的这个正点率的预测。

最后我们拿到了比方说从一万五一直到两个这个航班量的预测，我们突然有了一个惊人的发现。这个东西居然是一个线性度很好的这么一个值，这也是我们非常奇怪的事儿，那么这个奇怪的事儿，我们后续也将会重点去关注它，那么主要是从比方说加大我们模型的训练的数据量啊，或者选用不同的这个训练集啊，看看是不是真的就。存在这个规律，从这一点上来说，也这也是为什么大家现在都要去发展人工智能，那我们就从那个我们人眼看着非常多非常非常这个复杂的数据当中，那我们的模型。给出的这个预测的结果，居然给出了一条线性度很好的这么一个预测曲线。那我们再看一下我们空域资源使用的一些情况，那么左边这张图呢，实际上是某一天的这个全国所有导航点全天的流量数据，那么这是一根说句实话很陡的曲线，那么我们把这个曲线的上半部大概top一五十个点，那么进行一个重新再把这个图放大，那么我们也看到了这个情况，那么从这个情况当中，其实我个人认为这个我们的工作负荷还有降低的空间，我们的资源使用上也有提升的空间，那么这个是这这两张图是我们资源使用的一个现状，那如果是我们到航班量到了个2万的时候，我们又需要什么样的这个，这个做到什么样的导航点的流量呢？我们看这个蓝色的线条，这张图在蓝，蓝色的线条，就刚才那天的实际的值，那么红色的这根这个点。

组成的线条，实际上是我们航班量2万的时候。

那马上就有了问题，对不对？这个我个人认为这个模型学习的还是很好，对不对？同样一个这个流量最高的点，那么将来在航班量2万的时候，它的流量值还需要上涨，那么我们怎么办？这才是我们需要去关注的事，但是模型能帮我们做到的也就是这儿，对不对？从这儿做一段小的总结，那么中国航班运行系统的这个大数据建模，实际上。我真的不能就是说自吹自擂的叫大模型，因为我知道叉的GPT这个生成式的大大模型用了上万张的GPU卡，那么中国的百度的文心一言也用了数千张的卡，对于我们来说，这个10张8张的GPU卡也足够了，但是这样的模型已经能够让我们预知中国航班运行系统未来的表现，去看到航班调控的效果，去发现宝藏的压力系统的短板。

那大数据技术如何在飞行领域？有什么样的应用呢？刚才长隆行的张总其中说了一句话非常好，有飞行标准，但是没有标准的飞行，那下面我就想让大家看看这个大数据如何去勾勒出这个没有这个标准的飞行，我们看看这个能不能从数据当中发现出风险大的一些飞行。那大大家都知道这个飞行技术对飞行安全有着重要的影响，那飞行技术有个危险的11分钟起飞抬轮的技术，稳定进进的技术，拉菲平飘的技术，那相关的技术我们纳入了我们大数据研究的这么一个范围，那实际上我们的研究方法很简单，都在去分析飞行技术的要点和要求，那么去选择相应的KR参数，那么随机的从那个库里面去选一些航班的QR数据，为什么随机？因为这个航班量很大。

啊，那那我们在用大数据的一个聚类的分析方学方法去分析所有的数据，结果我们发现了一些很有意义的事情况，那首先去看这个东西，那左边这张图我们去看一下，那左边这张图上实际上可以总结出。两句话，我们通过左边这张图已经发现存在完美的大数定律，体现在两个方面，一个是每个参数都具有近似正态分布的特性。原因很简单，我认为这是我们有飞行标准的原因。第二个特点就是每个散点图都具有很明显的聚类特性。

那这同样是因为我们有飞行标准的原因，而且这个聚类特性基本上指出了约有10%的菱形点，大家可以看左下角的这四个图，那这个四个图实际上是现在这个聚类分析常用的四种方法给出的数据的。聚类图，那这样的方法对于我们来说不是我们发明的，我只是把这些飞行数据喂给这样的计算方法，那这样的方法居然给出了这个10%的旅行点，这也是对我们而言也是一个。很稀罕的事儿，对不对？这个为什么给出了10%，不是15%，也不是5%。那我们今天时间有限，我们只介绍一下稳定进进方面呢，我们这个一些这个发现，那么在稳定精进的技术要求上，我们有飞行手册啊，这个有非安基金会的一些手册，那么相应的这个技术要求左边我们可以去看见了，那在右边我们提取出了一些关键的要素，那么有若干点，其中涉及一些检查单啊，简令的这个执行啊。

包括起落架放下等等等等，其实最关键的就是说在这个三个点塔点上要具备稳定的发动机功率，稳定的着陆航向，稳定的下降率，稳定的目标速度，那我们再看这个相应的这个KR参数，我们选择了这么若干组参数。对吧，其中特意强调的第4组参数是指是公数减去了微参考，那么这些值在这种相应这个高度的这个均值或波动，那我们去看看这些情况啊，这是1000英尺的这个数据的分析，这是500英尺300英尺的分析，对不对？结果我们去发现了一些也同样是很有趣的事儿，具体就是在这个相应的数据当中，那这种去类算法给出的菱形点9%。

那持续的菱形点，也就是说在这个三个高度检查点上，那都是在菱形的，其占的总数是百二点五，所以呢，那这些点对应的这个画，这个画像一直处于一个离群状态，那这个东西，而且这些持续离群的状态并没有达到我们福尔卡监控这个报警的阈值。但是相对群体的这种偏离，使得这种离群航班发生风险的概率增加，这是我们当时初步的这么一个结论，是不是这样呢？我们再继续看，哎，我们选了一个这个神豪攀枝花的这个场外接地的事儿。那这个是相应的图，那么同样我们把攀枝花的数据放到这个我们聚类分析的图上一样。

看最终50英尺的时候是这么一个状态，这个三角，一会儿我们把这个图放大了再看，那么同样去发现这个相应的攀枝花的数据当中有若干个这些离心点，由于这个我已经把敏感信息都已经去掉了，只是被我们检索的数据，那我们去看一下这个同一机队对不对，刚才我可以选全国所有的，我们现在去看看同样一个机队。那320。这个飞行员大概断自动驾驶是426英尺，比这个高点，诶整个这个自动驾驶的控制的状态非常的好，但是我们到300英尺250英尺的时候，我们就发现了这个航班在飞行当中，Ivv,也就是说这从这儿看我们的这个ivv，也就是这个下降率，垂直下降率已经接近1100英尺。那同样等等等等，等到150英尺之后，我们明显发现飞行员意识到这个下降率大了以后，再往回去修。

然后一直到50英尺的时候，这个修到了这样的一个程度，但是这里面其实数据当中马上就是反映了一个问题，下降率过快后如何后期补偿对不对？我们由于下降率过快，我们已经低于了标准，下滑到那采取的措施，如果仅仅是我们降低下降率，我已经背离了这个标准下滑道的下面。我再降低下去也只可能是场外接地，可能比更好的操作，不仅要降低下降率，我也要相应的提升我水平进阶数据。这个这几张图都是同一机队的，我们再看看同一条攀枝花的这个跑道，那同样也是到最终是这个情况，逐步逐步的。垂直下，嗯，这这个这个下降率过大对不对，我们再看第二个验证，这是这个下行马尼拉的一个事儿，那么我们换一个抛面图对不对，我们的横轴是横向道的偏离值，那纵纵轴是下滑道的偏离值，那个三角是这个航班，那我们可以看到在500英尺的时候，从500英尺一直到50英尺飞行员。

这个航向道偏离保持的很好啊，但是有问题啊，保持的非常非常好。你远离了正常的常规操作，你看看这是大家的操作从来没有高于过0.3。对，所以最终的结果只可能偏出跑道。那从这来说，给一个研究意义的一个总结，那这种数据驱动的飞行安全风险，那么可以在现有的安全监控的基础上，再增加一道预防的管控线，那么可以提前去发现安全的风道，提升安全淤堵，实现飞行安全管理的关口前移，实施事前预防跟智慧安全，那么可以建立一套行业数据驱动的指标体系跟行业监控的相新标准，为飞行安全监管提供更加科学的。

评判标尺，而呢，我们现在基于继续学习可以得到新的安全宇宙的边界，那么这些浅色区域可能是有偏差的，那甚至之外才可能是我们的for卡的监控标准所约束的区域，对吧？这样的方法，这个边界是基于数据动态得到的，边界是不断优化的，并且这样的方法还可以去用于评估估飞行员的生命周期的它的飞行技能。那这样可以提出一个新的基于数据驱动的飞行安全的一个监管方法，这样的监管方法是动态的，是适合于不同的这个飞行阶段，飞行员的这个经历，对不对，也可以为差异化的监控去定做定制化的一个服务，可以针对不同的机场，不同的航司，不同的季节，不同的跑道，不同的气象条件，去做更深入的这种深层次的挖掘。

其实这种全局层面的大数据分析，让我们实实在在看见了飞行安全的压力，也为我们指出了可能的防范措施。以上就是我的汇报，谢谢各位。好的，谢谢岳主任的精彩演讲。机场道面结构安全检测是确保民航安全的重要任务之一，随着国家新一代人工智能发展规划和新时代民航强国建设行动纲要战略的推进，发展机场道面安全检测机器人并与机场运行全要素智能协同是重中之重。下一位演讲嘉宾是中国民航大学计算机科学与技术学院院长、四型机场研究院副院长李海峰。李院长将为我们带来题为机场跑道智能检测关键技术研究与实践的分享，有请李院长做主题演讲。

好的，呃，谢谢主持人。呃，各位专家，各位朋友大家好啊，我是来自中国民航大学李海峰。那么前面几位专家实际上介绍很多这个比较相对呃大的项目，或者宏观的一些工作，那我呢，今天会向大家介绍一下啊，我们做的一个具体的项目啊，是一个在去年刚刚验收结束的科技部重点研发计划的一个项目啊，所以呢，相对于偏具体和微观。那么我呢？今天的报告的题目呢？是机场跑道智能检测关键技术研究与实践。

呃，我整体上我会控制在20分钟以内啊，进行我的一个汇报，那民航大学呢，作为咱们今天民航行业的一个呃学术交流会啊，大家呃应该都比较熟悉啊，目前呢，还是民航局直属由民航局天津市和教育部共建的这样一所天津市的双一流高校啊，我们在工程学呢，已经进入ESI的全球前1%，我们还拥有这个安全的博士点啊，二三年呢，也也得到了这个安全许可的博士后流动站。那么民航大学的计算机学院呢？呃，我们学院啊，目前拥有2个本科专业。呃，其中呢，计算机科学技术是国家级的遗留专业啊，我们还有3个硕士点。呃，主要是围绕人工智能啊，大数据啊，在布局的这个相关的科研方向，那围绕依托这样几个点呢，我们建有天津市高效服务产业特色学科群啊，重点是服务人工智能和新创产业。

那么此外呢，我们还在这个。呃，安全学科这个博士点中啊，我们在建设民航信息系统安全保障这样一个，呃，博士点方向。啊，学院的规模不算大啊，有有这样专任教师50多人啊，大概有2/3拥有博士学位，有两个省部级的创新团队，目前呢，来自企业的这种，呃，兼职研究生导师的比例啊，大概占了我们总体的啊和校对导师的比例，这个这个呃，总数差不多啊，占了一半，那么学院呢，还拥有一系列的教学和科研的平台，呃，包括我们有这样五个省部级的重点实验室，其中呢，这个天津市民航信息技术应用创新重点实验室。还有这个智慧机场啊，民航智慧机场的这个重点实验室，这样两个重点实验室呢，是我们呃独自建设的啊，呃，另外3个民航旅客职能服务，呃，这个重点实验室呢，和中航信共建。

还有这个机场群智慧运营的重点实验室是和首都机场共建啊，航空公司人工智能重点实验室呢，和南方航空共建。从这些呃，专业啊，学科点的一些布局，重点实验室的布局呢，我们看到实际上学院的发展主要还是围绕人工智能大数据来服务民航行业应用啊，这样一个主要的一个办学理念。总结了一下，从10年到22年啊，这个学院的一些主要工作啊，承担了呃，像863的国家重点研发计划，自然基金重点项目等一系列的一些啊，国家级的重大项目啊，也承担了民航十二五，十三五信息化发展规划，还有十几个机场的啊，相关的信息化，还有智能化的一些这个呃，规划工作。呃，参与制定了咱们行业的啊行业标准和团体标准31项，也获得了一些奖项啊，特别呢，我们最近呃，最近这些年呢，一直也和国际民航组织啊，国际航协开展一些具体的合作啊，有一些相关系统相关技术的联合研发，目前呢，也正在呃配合国际航空企业在开展这个国际航空数字货运啊标准技术方面的一个研究。

那另外一方面呢，呃，这个学校也是围绕5大战略主题啊，建设了5个研究院。呃，下面这个图啊，是5个研究院的一个整体布局，那么围绕这个未来机场与智能装备这样一个主题呢？啊，我们成立了四星机场研究院啊，我们的首任院长呢，是这个原首都机场的，呃，党委书记啊，高丽女士，主体上啊，这研究院的设计实际上啊，都是在开展这种跨学院跨学科的一些呃相关工作。呃，这个包括我们的四星机场研究院呢，主要是平安绿色智慧认文啊方面呢，开展向从行业的标准制定啊，一些面向这个机场的智慧运行，特别是这种数字孪生技术啊，少人无人运行的一些智能化啊，智能协同的一些关键技术研究，那么智慧机场建设方面呢，呃，开展一些机场工程的啊，智能的建造运维和养护。

啊，以及机场范围内的一些机器人智能装备的研发啊，以及这个相关的战略咨询等等啊，这是整体上研究院和学院的一个基本情况，那么呃，我的一些具体工作啊，都是在学院和研究院的一个呃平台的支撑下啊，在开展一些具体的事情，那么我们这个团队啊，民航智能感知技术。呃，主要有这样做，正在做这样四个方面的一个工作啊，一个研究方向，我今天呢，主要来给大家汇报啊，我们的第一个机场跑道智能检测方向的一个工作。

那么这项工作呢，是2019年底啊立项的，呃，国家重点研发计划智能机器人专项的一个项目啊，叫做机场跑道道面安全检测机器人啊，这个工作是由成都规木机器人公司作为项目的牵头单位，那么联合了另外呃八家单位我们共同来进行相关的研究工作，中国民航大学呢，作为其中的啊五个课题的第一个课题啊，这个机场跑道道面结构安全检测关键技术研究的一个承担单位。呃，大的背景呢，是说还是围绕机场的跑道以及滑行道机坪这样的一个机场道面的，呃，安全检测的这么一个任务啊，啊，当然它面临了很多具体的困难，包括检测范围的，呃，非常大。

很多的检测的要求又非常高啊，这里面举了一些例子，包括一些呃，Fod的一些要求啊，包括一些裂缝或者轮折啊，错台这样的一些要求，而且呢，往往特别像跑道这样的这种这个重要资源哈，那么它的能够允许的作业时间一定是非常短的。所以呢，在对于我们啊这个道面安全的检测带来了很多新的挑战啊，要求我们必须要能够做到检得快，检得准，还有最好能够做到能预警。目前的一个手段呢，还是靠这种人工目视检查为主，不管是人工徒步检查，还是通过这种巡查车人工检视的方式，那么它都面临着这种啊，一个有有比较大的劳动强度，对吧，包括呢，那么这个。呃，它的呃判断具有主观性啊，也容易物减漏检等等啊这样的比较显而易见的一些问题，那么在智慧民航建设线图中啊，也专门对于机场设施智能维护保养啊提出了新的要求啊，要求形成基于数字孪生的规划建设运营一体化模式，推进机场设施状态透彻感知，安全智能预警。

养护啊，智慧决策啊，这是一个从说局方，从咱们行业的角度啊，也有这样一些明确的要求。呃，那么跟这个相关的一些自动化和智能化的一些手段方面呢，国外也有一些呃，相关的研究啊，包括移动式的这种车载的OD，大家都比较熟悉了，在行业中应用的比较广泛，那包括用无人机进行道面的一些，呃，当然主要集中在这种啊，显著的这种破损和大范围的啊，或者是明显的一些问题的发现方面。那包括美国的，呃，两所高校呢，也都在围绕像这个桥面的一些检测修复机器人方面进行研究啊，那么这个国内啊，围绕这方面的智能化啊，机器人化方面的工作进展还比较早啊，一方面呢，像用这种移动式的机器人进行一些巡检的工作，那另外一方面呢，也可以啊，在一些新建的这个机场道面下，通过埋设传感器啊，建设这种智能跑道，开展相关的一些监测。

那我们这个项目啊，总体的方案采用的是基于云边端啊架构的一个多机器人协同作业系统。在端啊，再就说在这个执行端呢，主要是啊，基于这种多模式的机器人系统，主要是三大类啊，包括这种高精度的定点机器人上面呢，是搭载了这种啊视觉系统和探地雷达啊，探测跑道内部的这样啊，传感的这个这个感知模块，那第二类呢，是高速巡检机器人，它能够啊以比较高速的这种这种巡查的速度，这是它的一个专长，进行一些包括fod的检测呀，这样的一些具体工作啊，还有这种辅助线插的无人机啊，这个主要是面向大范围的雨雪冰橡胶污染的一些覆盖一些这这个这个调查啊一些分析，做的一些数据的补充，那么通过端呢，进行一些。

数据的采集以后啊，我们会通过这个这个呃，局域网或者5g通信的方式传到我们边缘计算端，那么边缘计算主要承担了机器人的任务规划和协同控制，以及数据的自动化分析的任务，后面我会介绍一点。那我们围绕这个智能分析做了一些算法的工作啊，实际上这些算法都最终部署在我们的边缘计算端，最后呢，在云上面，我们实际上更多的是进行跨机场啊，多机场数据的一个，呃，这个脱敏以后的一些共享啊，知识的迁移，特别是支撑整个机场道面试航状态的预测预警啊，做这方面的工作。

那这是我们呃，我们这个课题围绕道面结构安全检测的一个机器人的基本设计啊，里面重点啊是说这样的一个全自主的呃，四轮的一个呃协同控制一个机器人，搭载了这种可见光的啊，这种3D的世界系统，以及呢这种呃多通道的三地雷达。呃，这是左面是我们一些明具体的一些任务要求，简单来说呢，是做表观和内部，就是地下的一些结构变化的检测，像表观这些呢，大家都是看得见的，像啊裂缝啊，板角脱落啊，啊角一断裂等等啊，地下呢，就是在跑道的结构层内部一些脱空啊，含水这些一些检测，那么从技术角度来看呢，还是面临着一些智能识别的挑战啊，包括啊数据样本的不足啊，数据样样本所在环境的一些干扰啊，这个这个等等啊，都对我们的一些智能识别的算法带来一些挑战。

那么面对这些挑战呢，我们也做了一些具体的算法研究的工作啊，包括针对于表观病害的检测与智能识别呢？呃，那么如何来。来这个针对这种样本稀缺，特别是在一些轮痕啊，去橡胶一些这个油污或者这种水渍污染条件下，进行这种相对比较细小的啊，裂裂缝类的病害的检测，实际上还是比较困难的。那我们。在这个方面呢，也做了一些探索啊，包括分成几大类，包括这样的一些非机器学习类的啊，那么就是说它的优势在于我不需要很大的样本进行训练啊，我是可以进行一个冷启动啊，当然它与数据驱动的相比呢，当然也有一些自身的局限性，特别在于一些这种呃，阈值的一些选择啊，关键参数的选择方面，还有它很大的一些局限性。

那么这一类算法呢，呃，我们一方面探索了基于多尺度图像融合的啊，这样的一些智能检测裂缝类的检测算法，这是针对于可见光图像的，那么针对于这种基于3D相机的这种深度图像呢？啊，我们也提出了啊，将整个视野区域进行局部划分，那么在局部区域通过这种呃，这种平面或者说呃低纬度曲面拟合的方式来进行这个裂缝这种突发的结构上高层次变化的一个特征的提取，啊这是呃是这样一个大体的思。啊，因为时间关系啊，很多算法的细节，包括后面的一些算法细节啊，我今天在这个报告中就不详细展开了啊，感兴趣的朋友呢，可以根据我后面列出的文献的链接，大家可以在论文中看一些细节的内容。

那么针对呃，这种这个语分割模型会经常出现像这种特别是裂缝类的啊，出现一些断续漏检啊，一些细节缺失，实际上对于我整个道面状态的评估，以及后面修复的一些方案呢，可能都产生一定程度的影响，那么从研究的角度啊，我们也希望能够把整个的病害的原始状态真实的还原出来，那么这时候就要需要克服这种呃，断续漏检啊，细小病害的一些造成干扰的一些问题啊，为此呢，也提出了基于这种聚合注意力机制，还有这个相关的注意力信息融合方式啊进行啊。这个这个裂缝类病害的一个检测，这是呢，我们通过在数据集，我们数据集大概有啊，十几万个样本啊，这样一个数据集上做了一些测试，呃，跟一些常见的或者说能够看到的典型算法做了一些对比。

那么呃，此外呢，还提出了基于改进的金特征金字塔呀，和特征融合的，针对于这种系带状的病，这个病害当然它不局限于裂缝了，实际上像我们的这个角育断裂啊，接缝破碎等等啊，这一系列，它都是呈现出这种系带状的这个小病害的一个目标啊，一个特征。啊，这也是有一些具体的相关的实验结果。那最后呢，我们还是针对于，呃，基于咱们民航的行业标准，那么在标准中它已经定义出了，呃，我们需要检测出的，比如说沥青道面和混凝土，呃这个水泥混凝土道面的这种常见的病害类型，那么针对于这种多类型病害同时检测分割的一个现实需求呢，我们也设计了相关的基于这种三流边界感知网络的，呃一些还是数据驱动的一个，呃AI算法啊，也得到了一些积极的效果。

好，以上呢，是我们的针对于道面的表观病害做了一些工作，呃，第二个工作呢，是基地下的这种叫隐蔽结构病害做了一些识别，那么这个工作实际上就呃更加重要，也更加复杂一点，主要的手段呢，还是基于这种探的雷达啊，当然这个探的雷达反射回来的电磁波信号啊，会受到地下的很多杂质啊，很多介质的一些干扰，那么这个雷达信号会。呃，需要我们设计一系列的我们叫做信号的预处理算法啊，进行雷达数据的预处理，那么在此基础上，我们还构建了一系列的数据集，包括从若干个真实机场方面采集的一些，呃，人工标注的数据，也包括我们也在这个这个安徽啊，自己建了一块啊这种所谓的这个这个用测试用的一个一个跑道啊，也预埋了一些已知的所谓的病害啊，进行一些实验验证和测试，那么在研究方面呢，重点针对于这种小样本检测啊，这个复杂的背景，特别是呃，电磁干扰啊，以及呢细力度就是说很多。

病害之间的特征差异很小的情况下，要给他做分类，主要针对这几个方面做了一些研究。那么包括我们在前期的一些工作是说用探地雷达对地下的一些啊管线类的目标做一些精准的三维重建啊，这个工作还是比较有意思啊，我们通过一些数学模型的方法，把整个它这个雷达信号和地下管线类目标的一个特征之间的这个数学关系，把它建立出来，并基于这样的关系呢，我们也啊做了全自动的智能识别的算法，那么因为这个实际环境中啊，很多管线的定位位置，所以只有挖开才能看到，那么为了验证我们算法的一些有效性啊，我们前期啊，也自己啊搭建了这么一些平台啊，包括在底下布设了一些已知位置，已知角度的一些管线，来用以验证我们算法的一个可行性啊。

好，那另外呢，针对于刚才说到了跑到地下的这种结构病害，特别是这种高发的脱空病害的这个检测呢，我们提出了基于二维和三维特征融合的一个呃模型算法啊，这里面涉及到了呃以切片数据的一个二维的特征提取和以这种啊这个这个呃三维数据进行三维图像卷积的一个融合的思路。那这里面有一些具体的量化结果。此外呢，我们也结合了人在进行雷达数据判读的时候的一些经验啊，我们可能是通过三个不同的视图啊，有切面图，测试图和俯视图，从不同角度啊去观察可能的啊，所谓的隐蔽病害，因为呃，不同的病害呢，在不同的视图，它表现出的这形式以及能够体现出的响应的强度是有差异的，那我们也是结合这种啊，人类进行学习进行判读的时候的一个经验啊，提出这种基于多视图学习的一个方法啊，还是有一定的呃，一个程度的提升。

那么最后呢，我们也针对于一些偶发的病害啊，像这种空洞啊，像这种这种寒水，虽然这个在我们实际很多检测的工程项目中，呃案例非常少，但是实际上它造成的影响，呃，这个隐患还比较大，特别是对于这种预防性养护呢，这是我们重点关注的目标，为此啊，我们也提出了这种，呃正眼模拟和这个繁衍相结合的模式啊，通过这种模型加数据联合驱动的方式呢，进行这样的一类病害的一个检测啊，啊也得到了一些，呃这个实际。样本，还有实际测试的应用。

整个上述的一些算法系统呢，我们都集成到了一套软件系统中，我们叫做机场道面数据管理及分析系统大系统中啊，现在这套系统啊，能够直接导入机器人采集的各类数据啊，通过后台我们集成的各类算法，对于刚才说到的表观及地下病害的进行一个自动化的啊检测和识别。那么这些工作也在，呃，实际上在超过80个机场，我们在不同程度的应用了啊，在我们项目的执行周期内啊，包括有首都机场，大兴机场在内的37个机场进行了应用啊，我们也形成了一项呃，机场协会的一个团体标准。呃，另外呢，通过在大兴机场一个长期应用啊，也支撑了大兴机场超大型复杂机场数字化航班协同运行关键技术研究的这这么一个具体工作啊，也获得了2021年度的民航科学技术奖。好，以上就是我的汇报啊，谢谢各位专家，各位朋友。

好的，感谢李院长的精彩发言。智慧机场是实现对民航全要素、全流程、全场景进行数字化处理、智能化响应和智慧化支撑的新模式、新形态。河南机场集团坚持智慧机场建设统一部署，加强数字基础底座建设，以智慧赋能业务，以数据驱动发展。今天，河南省机场集团有限公司信息机电管理中心主任窦雪峰将为我们带来智慧赋能业务，数据驱动发展的主题演讲，有请窦主任。各位领导、各位专家，大家好，下面我向大家汇报一下河南省机场集团基于郑州机场在数字创新方面开展的一些工作。第一部分是智慧机场整体建设思路。包括数字基础底座的建设，业务场景的智慧化建设。

第二部分是郑州机场数字化工作取得的一些成果和亮点。第三部分是数字创新人才的培养。下面先汇报第一部分。近年来，民航局针对智慧机场建设出台了一系列文件，给出了智慧机场的定义、建设线、评价体系等。河南机场集团据此进行整体规划，统一部署。2016年就围绕郑州机场两个枢纽和三维县发展战略开展了信息化规划工作。2020年印发了机场集团四星机场建设实施方案。完成了四型机场建设顶层设计，2022年将数字化转型纳入郑州机场发展战略，集团领导班子成员兼任首席信息官，统筹推进智慧机场建设工作。

信息中心作为机场集团直属部门，对智慧机场建设进行统一规划、统一建设、统一管理。机场集团确立了由企业私有云平台加数据中台加数据加业务中台加统一认证平台构成的业界较为先进的数字底座，完成了全场5g网络的覆盖和私有云平台技术、地理信息信信息平台、大数据智能平台。微服务管理平台的建设，同时通过监控视频、云存储、云客服、电子货运试点项目尝试进行了公有云服务的使用，为未来构建企业混合云打下了基础。云管平台实现了对多个私有云的统一纳管，对机场私有云资源进行集中管理和统一调度。为机场建设、为机场信息化建设提供了网络、计算、存储、安全等一系列能力。

目前私有云平台的规模有物理机76台。物理CPU物理CPU可数6600余个，存储空间超过310个TB，运行的信息系统已经有62个，虚拟服务器1195台。为郑州机场的数字化建设提供了坚实的基础。微服务平台作为业务中台，具有应用全生命周期管理、立体化监控和服务治理等功能，为机场提供高可用、可扩展的服务共享能力。通过将可复用的业务能力。微服务化，实现了机场信息服务复用和各业务系统之间的联通和协同。确保关键业务链路的稳定高效，提升业务创新效能。目前已实现生产运营、货运物流、安全管理等领域核心业务的微服务化运行，微服务223个。

大数据智能平台作为数据中台，具有数据采集、数据存储与加工、数据治理、数据共享服务、综合分析和统一运维等一系列功能，为机场提供高效、准确的数据处理和分析能力。为数据触动创新提供动力支撑，释放数据要素价值。即使地理信息平台记录了机场全域的地理空间实体及空间信息，为其他服务提供精准的地理信息服务。统一认证平台提供建设了无统一的服务体系，在内部实现统一身份管理、统一身份认证、统一授权、统一门户和统一审计的需求。在业务应用层面分析，建设覆盖机场所有业务领域的信息系统，积极探索数字场景创新，运用数字技术推动业务流程整合、运营模式创新。

在智慧出行方面，主要建设了行李追踪系统、旅客智慧引导系统等设计旅客服务的15个系统。2018年被民航局列为民航无纸化便捷出行示范单位。2023年，郑州机场第一安检建设完毕，实现50个安检通道的全覆盖。在。智慧物流方面。建设了航空物流信息平台、航空货运电子试点平台等26个系统。其中郑州机场航空物流平台打破了数据垄断，实现了本场货运数据的整合和自主可控。电子运单中信平台实现了运单无纸化，并与航司、货代开展数据对接，实现运单数据互联互通。航空货运电子试点平台成为民航局批复的首个国内机场试点项目，目前已实现航空货运服务全链条电子化，同时形成了航空电子货运操作规范、航空电子货运单证规范和航空电子货运数据交换规交换规范三份标准化文档。

建立了航空物流电子货运标准化体系。在2022年郑州机场北货站建设中，通过引入5g物联网、智能视频分析等技术和ETV利器、货库AGV、无人叉车、自动驾驶拖车等自动化设施设备。建成了郑州机场首个智慧货站，是郑州机场航空物流业务向运单电子化、设备自动化、操作无人化的目标又迈进了一步。在智慧生产方面，主要建设了机场协同决策系统。航空器滑行路线规划系统。

除冰靴、运行指挥系统等18个系统。出现了机场航空管的数据共享。通过对航空器地面运行保障节点的有效管控，优化地面资源配置，完善航班地面过站和离岗排序，实现机场地面运行效率的全面提升。在航班预达时间的准确度上，遇达时间偏差值控制在5分钟以内的航班，由原来的40%提升至85%。2023年，郑州机场进机位靠桥率达到了96%，航班平均接载时间从原来的45分钟也缩短至40分钟。在智慧安全方面，建立了统一的安防管理平台、SMS安全信息综合管理系统等20个信息系统。其中，统一安防管理平台对全场12000个摄像机、1500余个门禁设备、500余个手工报警终端以及违建报警系统进行了整合。

出现了视频信息的统一管理，为机场指挥调度、运行监管、事件回查、应急处置等工作提供业务支撑。第二部分，郑州机场建设成效与亮点。2023年6月，民航局印发了民航智慧机场。民航智慧建设评价指标体系。郑州机场第一体系进行了自评工作，其中国内航班无纸化便捷出行服务水平达到了67%，安检服务上线率达到了100%，或由全流程跟踪服务水平达到了100%。航班正常水平达到90%。2022年，河南机场集团发布科研创新项目管理办法。

畅通企业科研创新机制。截至2023年，河南机场集团以理项科研项目25项。依托河南省示范性劳模和工匠人才创新工作室，持续开展软件研发，累计自主研发软件20余项。其中机场控制区通行证件管理系统、防人员跑道入行告警系统、协议登记会员管理系统是全国机场中少有的通过自主研发满足业务需求的软件。机场控制区通行证件管理系统联通了郑州机场证件管理单位、机场公安局以及150多家证件申办单位，与机场控制区证件考试系统联动，实现了办证信息数据的互联互通和办证流程的可视化。提高了机场控制区通行证件的。办理效率，实现了机场控制区违规信息录入并进行安全积分管理，提升了机场安全管理的精细化水平。

该系统获得了2023年度运输机场安全管理优秀案例卓越奖。同时，河南机场集团积极探索云计算、图像视频处理、垂直大模型等先进技术在民航领域业务场景的落地，目前正在进行。航空器舱门状态视频分析的探索研究。机场集团依托大数据智能平台，完成了各项业务数据的融合，开始尝试以大数据分析来支撑集团公司的战略决策，以数据要素来促进郑州集团发展，目前建立了生产、货运、经营等12个主题仓库。累计对接系统40余个。接入数据55亿条。存储数据表1300余张，建成驾驶舱9个，报表380余张，数据模型3个。

集团公司信息中心依据民航局发布的数据治理相关标准规范，逐步开展数据治理工作，目前已初步完善了郑州机场货运业务数据模型与数据资源目录。并开始着手制定货运相关数据标准，同时还利用大数据平台自主开发了机场安检人数预测系统。使用AI技术训练旅客预测模型，实现精准预预测客流，为安检人员的排班、应急处置等提供决策支持。第三部分，数质人才的培养。智慧已成为未来机场的发展趋势和必然选择。智慧机场建设与新技术、新产品的突破和应用息息相关，其中，人才作为机场的核心战略资源，是智慧机场建设的动力源泉。河南机场集团的信息中心作为数字人才培养的主要部门，目前拥有博士1人，硕士30人，具备高级专业技术职称31人，中级专业技术职称107人。

同时，信息中心紧密围绕智慧机场建设发展需求，着力培养软件研发团队和数据治理团队。软件研发团队以软件，以软件产品的持续研发锻炼队伍，从最初的5位成员逐渐发展成为覆盖信息中心、机场公司的21位软件开发人员。围绕机场生产场景，以解决实际业务问题为导向，稳步推进研发团队的建设。开发方式从单人开发模式向团队协作开发模式转变。在此过程中，逐步确定技术路线，建立代码仓库，制定开发流程、代码规范，形成了软件质量安全管理规范等一系列管理制度。

软件开发体系建设和团队协作开发能力已基本成熟。数据治理团队从无到有，以技术骨干和业务骨干为核心。学习数据治理理论，研究数据治理智能技能，依托大数据智能平台，逐步确立了数据从采集、分析、分析、治理、挖掘与应用全流程的技术路线，规划数据仓储架构。围绕业务流程。摸索数据资源目录的构建方法，建立了数据安全管理、数据质量管理等一系列治理办法。目前已经初步初步完成了货运领域的数据治理工作，形成了货运领域业务模型及数据资源目录，并根据业务部门的实际需求完成了多篇数据分析报告。以上是河南省机场集团关于数字赋能业务方面的汇报，未来机场集团在智慧机场建设方面将坚持智慧赋能、创新驱动、系统推进、开放共享的原则，持续努力，也欢迎行业内各位专家领导交流指正。

好的，感谢窦主任的精彩发言。春秋航空以智慧民航发展为目标，全面推动数字化改革，立足顶层设计，整体规划发展战略，重点关注在安全管理的数字化建设。接下来，上海春秋航空科技有限公司小易事业部产品总监施成宇将为我们带来安全管理数字化转型的实践与思考。有请施总做主题演讲。呃，谢谢主持人，呃，当前屏幕能正常展示吧？可以的，嗯呃，尊敬的各位领导，各位同学，上午好啊，非常荣幸与各位行业专家一同探讨智慧民航的发展，那刚刚其实各位领导专家也各自分享了在呃数字化转型的一些战略部署和实际应用，那今天我代表郴州航空聚焦安全管理数字化建设，与大家分享一些经验和感悟。

那首先简要介绍一下我们的公司啊，上海春秋航空科技有限公司是春秋航空的全资子公司啊，是一家民航信息一体化解决方案服务商啊，拥有200余项软件著作权，5项发明专利，10项实用型新型专利，整个团队规模有500人。那我今天主要分享围绕以下三方面进行安全管理数字化的一个建设历程，我们的实践与成效，以及我们对安全管理数字化转型的一些思考。那通州航空的整个安全数字化转型，也是基于国家的数字化战略部署，以及十四五民空航空、民用航空发展规划、智慧民航建设线图等一些文件的指引，以及我们公司实际的一个业务需求进行的一个展开。

那在整个数字化转型的过程中，我们关注到了安全管理数字化建设的一个重要性，希望通过安全管理数字化转型，使安全管理工作更具有自动化、智能化、前瞻化。那什么是安全管理数字化？安全管理数字化的体现又是在哪里？我们认为，安全管理数字化是通过深入挖掘企业安全相关数据及广泛应用系统，运用数字化的一个手段，在安全管理领域实现安全态势感知、智能辅助决策。安全管理数字化的体现主要在于体系要素信息化、业务流程自动化、辅助决策智能化。那在我们整个安全管理数字化建设过程中，我们分为了四个阶段，分别是安全管理体系、信息化多体系的一个融合，安全数据服务中心的打造和最终的一个智能决策。

首先我们构建了一个安全管理体系信息化的平台，实现将呃安全管理体系四大支柱12要素进行一个信息化手段的支撑。第二阶段我们进行了一个多体系的融合，将呃类似应急啊，我们的消防、维修、安保等等啊，各体系的安全相关内容进行了整体的融合，构建了一个综合性的管理体系，实现了体系的自我运转。部分，我们将这些所有的数据啊，搭建了我们整个的安全数据服务中心。同时接入了我们的相关的生产运行系统啊，我们的低代码平台，物联网等等啊，整体构建我们整体的安全数据服务中心。最终啊，我们通过我们这个AIBI段啊，建数据安全的一个可视化，实现一个能化。

那在整个过程中，我们也是呃，发现和整理了相关的一些难点啊，首先就是一个项目烟囱的建设啊，各个业务系统啊，就是单都是一个单独进行建设，相互隔离啊，缺乏协同和一个融合，导致了我们这样一个信息孤岛和一个资源的浪费。第二。个是我们的一个数据分散的一个存储啊，呃，数据通过不同的一个存储方式，包括数据库啊，文件，我们的云端等等的方式啊，进行了一个不同的存储，分散在多个地方，使得数据难以进行一个汇总统一。啊，第三部分就是我们的一个数据价值挖掘的不充分，在整体的这些数据过利用过程中啊，我们往往发现我们只是运用到最表层的一个内容啊，没有对数据进行一个深层次的所蕴含的一个潜在价值的一个挖掘啊，同时数据收集的全面性和准确性也有一个欠缺啊，导致进行呈现一个数据的一个现象。

第4就是我们的一个往很多数据，它只仅限于单一场景，或者说一些特定的场景的应用，无法根据这个业务场景的变化进行一个变化。最后就是面对着我们的呃需求啊，业务需求不断的快速的发展和变化啊，无法有效的进行一个适应，系统维护困难，造成一个成本的不断增加。那基于以上这些困难呢，我们也是搭建了我们整体安全管理数字化的一个大平台啊，立即于严谨的安全管理体系，整合生产运行信息平台，物联网代码平台等技术手段啊，克服了数据的一个隔离了安全数据监控服务中心，打造了整体的一个全面数字化安全管理监控平台。

从而切实有效地监测了航空运行、空防、安保、危险品、消防、建设施工等各领域的一个安全状况，利用数据分析技术手段提升了安全管理水平，并为决策提供了有力的一个支持。那第二部分我浅谈一下啊，我们自身在安全管理数字化的一些实践成效。那首先我们是搭建了一个安全管理体系化的一个信息平台啊，提供了一个在规模和复杂程度上，与组织的规模复杂程度相应的一个工具箱，实现了一个业务流程化，数据规范化，管理精细化啊，过程透明化，那我们知道在传统的这个安全管理四大支柱12要素啊，呃，我们都有相关的这个体系啊，但是它可能还是一个比较分散的一个管理方式。

那通过数字化转型呢，我们也是通过数字化手段进行将它进行了一个统一啊，例如我们在这个风险隐患双重预防机制的管控过程中。我们对隐犯会进行相关的这个初步原因分析啊，是这个重复违规违章，还是说我们的这个风险防范措施失效啊，那呃，基于这个我们会跟风险进行一定程度的强关联或者弱关联，那同时在进一步分析过程中啊，是这个培训没到位，规章手册失失效，还是说检查的这个问题，那等等这些原因，那我们会与我们的制度中，呃文文件手册，规章制度啊，我们的培训，我们的监督检查等等啊相关的信息进行一个结合。那真正做到了将呃安全管理体系的安全政策、安全风险、安全保证、安全促进四大支柱进行了一个融合。

那第二部分我们是做了一个多体系的一个融合，呃，我们知道不管是在航空公司还是机场啊，例如应急或者说危险品，它都有一些自身的一些体系要求，类似的还有像维修和安保等等这些部门，那传统的方式可能都是各自部门进行各自的一个管理啊，然后进行对安全部所需要的数据进行一个单独的上报啊，再进行或者说进行一些初步的一个统计汇总的一个上报。那我们在数字化转型的过程中呢，我们也是建立了相关的安全数据的服务，数据服务中心，那将各个业务系统的这个数据进行了一个融合啊，同时我们去梳理了啊，各个业务模块相关的全流程，将整体的这个业务流程进行了一个统一化的管控。啊，那比如说我们之前的这个维修口，我们会去填写一些L的记录，那其中。

正常的话，我们填完之后，我们可能涉及到安全的问题，我们还要再进行上报，那我们也用了一些呃，智能分析的手段啊，通过这个对于他填写的内容进行一个文本的解读与分析啊，通过系统的一个自动的一个上报。那还有就是我们各个业务都会有对应的工作程序啊，那我们也是对工作程序进行了一个拆分，与我们的这个危险源隐患进行一个关联，设计一个层级的一个概念。那将各个业务体系啊，进行了一个统一的管控的，提了一个工作效率和为的产生。那第三部分我们也是借助了一个低代码平台的技术啊，那这个是让我们在整个建设过程中啊，整个数字化转型过程中更为流畅啊，前面也提到了，其实在面对我们现在这个高速发展的这个业务的一个需求，以及变化过程中啊，传统的这个模式啊，这个it的模式，其实很难快速的响应和支持我们当前的这样一个发展，那我们也是通过了这个代码平台的技术的接入啊，使得企业可以将一些简单的日常的一些业务数据啊，像台账检查呀等等啊，进行这样一个系统的一个管控啊，加速了我们整个安全数据的一个建立，从而实现了我们的数据的一个丰富和拓展。

那这边其实可以包括很多，包括我们像这些操作手册，我们日常台账资产啊，我们一些基础的人员信息啊，基础的维修数据，我们的一些基础的航班数据啊，这些我们都是可以进行这样一个快速的响应和管控。那第4部分啊，我们也是呃对接呃，接入了这样一个相关的物联网的技术啊和各。

部门啊，比如说我们的消防物联设备，我们的飞行设备，航材设备啊，原油的等等，这些设备进行了一个管控关联。那呃，区别于传统的这个人工上报的这个方式啊，我们物联网对接之后，其实很显著的一个效果就是啊，我们所有数据的及时，我们将整个的这个安全口啊前了。那比如说我们在整个实施设备的一个管控过程中啊，我们对接完成之后，那其实是可以实时的看到我们整体的设施设备的一个情况啊，那不需要等人为的去检查，或者说啊有报保修等等方式啊，这个提供上来之后，我们才发现，那还有像飞行语音设备，我们通过这个语音分析的一些技术。将这个分析的内容解析之后，与我们的一个标准的工作流程进行相关的对比啊，从而提前发现我们在整个操作规范啊，操作流程过程中一些问题啊，可以展开对应的事件调查，识别潜在的一些风险等等这些内容。

那在以上的这些，呃，数据汇总啊，我们的这个通过不同的信息平台的对接，我们的物联网，我们的低代码平台啊，所有的这些措施都是为了我们打造我们整体的这个安全数据服务中心啊，为我们整体的数据服务，去扩充我们的这安全数据的量，因为其实我们知道整个在安全管理过程中，呃，最困难的其实是我们如何更有效高效的准确的去获取个安全数据。A.啊，实现了相关的数据监测分析，安全预警，展示安全态势的分析，智能的决策。那呃，其实刚刚也说到了，通过我们刚刚一系列的手段，在我们把呃，大量的安全问题，安全数据汇集过程中，啊，其实我们又发现了一个新问题。

啊，那就是这些大量的安全数据需要去人为的去分辨啊去啊，那这会消耗大量的安全部本身的工作，而可能对应的这个人力啊，其实无法支撑这样的一个大量的一个工作的支撑。那在这个前提下，其实我们也用了一些A人工的去对我上不报系统，还是说设备直接对接过来的信息啊，我们进行这样一个智能的分。对问题进行一个自动的分类，并提供一个初步的一个原因分析啊，供我们的安全部人员去进行一个辅助的决策。那同时啊，通过我们大数据的一个分析，我们最终会汇成整个公司的一个安全态势啊，通过算法模型，从不同的维度直观的展示当前的一个呃公司的一个安全状态啊，最后采用BI的技术啊，我们通过不同的角度构建了我们整个安全管理数字化的可视化的中心，对于高层管理者而言，这我们的可视化中心其实是我们的这个高层决策过程中不可或缺的一个工具啊，通过可视化中心，我们所需要的数据，关键态势指标啊，还有生产预警，警告信息啊，我们都是通过仪表盘的方式清晰的展现。

那当前这个展示的是我们的一个。春秋自身的一个安全数据档案啊。那我们展示了相关的隐患，我们的事件核心风险，航班运行啊等等的一个数据化中心。啊呃，并可智能化的导出我们的一个可视化的总结报告，为我们的整体管理层提供了一个有力的一个参考的依据。

那其中其实呃，涉及到了很多新技术的应用啊，包括我们刚刚说的我们的大呃，大数据的一个分析平台，我们建立了相关的算法模型，去汇总了我们的整个的一个态势啊，那包括了我们的刚刚说的一些语音分析我们的这个。数据的一个挖掘啊，去整体汇总成了我们整体的一个数据档案。那第三部分，我这边是想分享一下我们对安全数字转型的一些思考。那其实呃，刚刚其实我也提到了，我们在整个数字化转型过程中，传统的其实一些信息化的技术手段，其实已经不足以我们支相关的些业务的发展啊，那我们也其实用到了一些的手段啊，包括呃，学习啊，一些识别，呃，语音的一些分析啊等等啊，当然其实在整个安全领域啊，还有很多其他的一些信的技术手段，我们也是在不断的尝试和研究应用中啊，比如说我们的视频分析，计算机视觉啊，我们这个人力热流分析这样啊，这些内容啊，在整个机场或者说航空公司，其实像视频分析，我们有大量的这个监控视频。

啊，那其实在这部分的数据运用过程中，我们在当前的安全管理过程中，其实是缺失的啊，我们在这个视频分析过程，我们是可以通过相关的视频分析对这个的行为啊，或者说我们的这个跑到入等啊行这样一个视频的直接识别啊，通过我们的视频识别技术去自动的获取我们相关的安全问题啊，达到我们整个的一个安全口的。迁移。那还有一些刚刚提到的这个语音分析啊，那其实这个点也是在我们的一个研究更深入的应用中，呃，我们其实把安全体系刚说了，我们把全体系其实已经是做了一个数字化的一个型，那我们把其中的规章管理制度啊，我们的这个语音分析进行了一个结合啊，以及我们的视频，视频当然我们现在还没做啊，我们的语分析进行了个结合。

啊，那去看他的相关的人为的操作啊，以及我们的这个说话的规范流程啊，是否跟我们各自的业务流程的这个规范去进行一个数据的比对。啊，从而提前发现的一些问题，那这些很多问题，其实呃，在没有这些数字化手段的情况下，啊，我们是无法或者说大多数是不会去进行一个上或者说的啊，那我们通过这些简单的手段，我们可以去呃，有效的利用这些信息的一个数据。

那最后在管理方面呢，我们其实在呃，数字化转型方面也是做了很多的一个工作啊。那整个数字化转型是各行各业的一个趋势啊，其实也是在于提升我们的效率和生产力，推进我们整个数据决策的一个制定，同时在这个扩展新的领域过程中，我们也是发现了一些问题，那首先数字化转型我们需要需要是必须是一个一把手工程啊，那是从自上而下的这样一个推动。数字化转型涉及到了相关的组织战略啊，流程、文化等多方面的变革，为去确保其成功实施，高层领导的参与，积极以推动至关重要。在转型的过程中需要明确的一个战略方向，提供相关的资源保障，构建事宜的一个文化和组织的变革，促进跨部门的一个协作，激励人才的培育，监督和评估，以确保数字化转型的这个推进和实现预期的目标啊，因为这个整体的数字化展型会大量的变动我们原先的这个业务的一个操作方式和流程啊，所以说我们整体高层的这个高度重视和积极参与是必不可少的。

那我们在数字化初始阶段，制定数字化转型阶段时，也是需要明确整个的一个目标和愿景啊，包括我们的这个多元化、智慧化、生态化等等，以指导组织在转型过程中的一个目标和方向。数字化转型的这个愿景，也是应该跟我们整体的组织战略保持一致，为企业带来这样一个持续的竞争优势和增长。呃，以上就是我的一些分享啊，感谢各位领导和同仁的聆听。谢谢，好的，感谢施总的精彩发言。机场运行流程是统一的整体，各流程、各环节需要紧密配合、高效协同。如何在统一目标条件下，综合考虑多流程、多主体、多维度的目标要求，形成运行的一体化管理、多主体、智慧化协同、全要素整体最优的目标管理模式，是当前机场数字化转型、智慧化发展阶段下需要进一步思考的问题。

华为通过建设智慧机场数据底座，打通数据壁垒，基于行业大模型及AI智能计算方案，在机场一体化运控全局、目标最优等领域进行了有益的探索。下面我们将请出本次会议的最后一位演讲嘉宾，华为技术有限公司交通智慧化军团机场行业高级解决方案架构师张志龙。张总将为我们带来题为行业大模型助力机场一体化智慧运行的分享，有请张总做主题演讲。

好，各位。啊，各位线上的嘉宾啊，各位专家，各位领导，大家上午好啊，今天非常荣幸呢，能够参加这样的一个民航之间的论坛啊，能够把华为在我们行业的数字化转型一些实践啊，以及对于智慧化和机场的一体化运行的一些呃想法和探索啊，向各位做一个简要的汇报啊。那么作为机场的运行呢，其实呃，无论是从它的发展历程也好，还是从现有的一些呃，大家的分工也好啊，机场的运行呢，一直是一个统一的一个整体，整个的目标呢，就是保障旅客的安全，便捷的舒适的一个出行，那么其实这个运行从飞机的发明到现在啊，整个民航运行的保障的核心呢，实质呢是没有变啊，始终如一的，呃，但是呢，随着机场运行的吞吐量的提升和运行环境的进一步的复杂啊，比如说有这个机场的一个多航站楼，多跑道啊，多区域的这样的一个运行的一个态势和环境，那么机场运行的流程呢，逐渐分解出了很多的，呃，下面的一些环节和啊子流程啊，包括起降啊，滑行啊啊，资源分配啊啊，以及地府保障等等运行管理的模式呢，其实也由最初的这个啊，一个单一的运控的一个组织团队部门啊到多。

级的一个运控的一个分层的调整啊，也从分散的运作模式啊，逐渐从行业探索到了联席的一个值班，发展到目前呢，也部分的机场呢，也从这种被动的处置的这种呃态势呢，或者是这样的一个指导思想啊，变成了一个主动运控的一个阶段啊，就是从被动变成了一个主动的一个啊去干预和处置啊。那么其实作为呃，华为在这个几个行业的数字化转型的理念和实践呢，呃，规划和实施的一些行业的这个数字底座啊，为行业的数字化转型和智慧化发展呢，打下了一定的比较坚实的基础啊，那么根据我们根据起降滑型资源分配和地府保障啊，以及这个在多主体协同，包括运管委协同决策等等典型的运行场景呢，华育开发出了不同的这个具体的呃，针对某一个流程的一些AI的智慧化的一些算法啊，初步实现了全域的感知和精准的管控啊，以及在单流程啊，单环节的一个最优的一个主动运控的一个啊解决的一个态势啊，下面就具体的这个情况呢，向各位做一个简要的汇报啊，那么首先呢，就是这个呃，我们知道啊，就是行业里面很多的一个环节呢，都是前后有衔接关系，或者是有一定的协同配合关系。那么无论某一。

个环节，或者是某一个流程，对于这个前序，或者是整个航班的一些关键节点的一个呃时间的保障和预测呢，都是对本流程啊一个重要的一个输入啊，那么所以呢，就是啊，我们在部分的机场啊，对这个航班的关键里程碑啊，就是在基于呃保证节点采集实时，采集实时呃态势感知的这样一个基础之上的，对一个关键里程碑进行了一个预测啊，最典型的就是这个对航班ETA的一个预测，以及地面保障节点，典型的啊，比如说预测的关舱门时间啊，预测的这个呃入位时间啊，测轮档时间等等啊进行了这样的一个，就通过呃就是算力的一个方法啊进行的一个呃就是复杂模型的一个预测，那么预测的结果呢，在原有的基础之上啊，其中像ETA的预测呀，还有预计入会时间的预测呀，目前也达到了一个比较高的。

水平啊，大概是部分机场在一个数据比较理想的情况下啊，达到了90%左右，那么这样的情况下呢，就是针对某一个里程碑的预测呢，我们对于啊后续的一些关键资源的一个保障，或者是关键资源的一个分配啊，起到了非常好的一个支撑作用啊，我们就拿这个停机位分配来讲啊，呃，华为在部分的机场呢，基于这个呃，就是就机位这个机位资源的一个数字化啊，或者是这个机位呃规则的一个数字化呢，进行了呃机位模型的一个分配的一个算法啊。

实际的效果呢，比人工的分配呢，有一个比较明显的一个变化啊和增长同时呢，基于现有的啊，就是行业要提高靠小率这样的一个诉求和一个目标呢，我们也这个呃，增加了智能拖业的这样的一个算法模块啊，那么基于这智机一个智能机位分配呢，以及智能的拓展到智能资源分配呢，那么对于啊刚才所讲到的这种呃，好就是流程的一个呃节点的预测啊，有相当好的一个就是一个输入啊，那么流流程预测的节点预测的越准确呢，我们的这个资源分配呢，效果也会也越好啊啊目前呢，我们这些呃不同的算法啊，已经形成了内部的一个互相的一个打通啊，能够对前后环节呢，有非常好的一个支撑的一个作用啊。

那么基于呃，资源的分配的基础之上啊，就是作为航班的一个地面保障的一个精细化调整的一个过程，那么之前呢，由于啊，我们可以随便举个例子啊，由于这个比如说像这个ETA啊，预测的不精准，那么地面保障就需要提前到这个停机位啊，要有很大的余量，那么在这个很大的余量呢，就会有一个等待的一个时间，其实啊，作为我们精细化的管理，或者是一个啊动态的一个管理的这个前提呢，这种等待啊，其实就是一个保障资源啊，以及这个。人力成本的一个浪费啊，我们初步估算了一下机在比较大型的机场啊，由于多跑道，多航站楼，多区域啊，那么这种最长的等待时间有的时候达到了30分钟以上啊，那么一个小的团队或者是一个保障航班的班组呢，那一天等待下来的时间呢，也是非常的可观，那么我们利用啊就是这种呃航班的一个ETA的精准的预测啊，以及预计入会时间的精准预测，以及针对啊就是这种航班的呃预计的起飞时间啊，以及呃计算的起飞时间等等倒推出来的各个环节的一些啊，就是预计的完成的目标时间，那么我们利用大数据和多维度的一个分析的一个结果啊，建立了智能排班的一个数据模型，实现了部分的呃，现就是地面保障环节，比如说机务啊，啊装卸啊，还有礼服车辆等等啊。

智能化的一个排班，这种排班呢，一方面呢，能够啊比较明显的缩短就是它的一个地面等待时间，同时呢，也更好的均匀的排布了它的一个呃，前后这个保障任务的一个衔接啊，能够减少或者是说明显的减少啊在地面的这个，在途的这个啊交通的时间啊，同时呢，也更好的兼顾了各个保障的资源啊，包括人员，包括车辆物资设备等等啊，它的一个派工的一个均匀性啊，实现了这个地面保障的一个调度，或者是管理的一个精细化啊和一个动态化啊。

啊，基于这个地面保障，那么在于地面保障以及地面的资源分配的前后环节呢，其实就是最主要的一个滑行，嗯滑行呢，其实一方面呢，进港的滑行啊会有一个呃停机位分配的一个选择的一个前提的输入啊，另一方面的出港的滑行啊，有一个就是与计算起飞时间啊，以及滑行道拥堵的一个相应的一个呃，这个模式的一个呃影响啊，那么我们知道很多在大型繁忙机场啊，滑行的选择以及停机位的选择啊，是有对这个地面保障时间有非常大的一个影响啊，另外呢，由于这个繁忙时段啊，或者是这个部分的一个区域的一个呃繁忙程度的影响呢啊，环行道的拥堵啊会产生包括呃滑行时间变长啊以及。

就是在放行这个滑滑行的环节呢，产生这个呃延误的一些情况啊，由同时呢，由于这个滑行的这个航班呃架次比较多啊，也会产生一些一些航班的一些冲突的一些潜在的一些隐患啊，那么基于这样的一个现状，这些痛点啊，我们基于这个呃一些。呃，就是各个环节的一些精准预测啊，那么我们也打通了这个各个环节，各个领域流程的一些数据，那么我们以这个滑行时间啊，最短啊，以能够上跑道的时间和计算的起飞时间最匹配啊，这样的一个目标呢，把一些相应的这个滑行的规则啊，滑行的数据库啊，滑行的路径库进行了一些数字化，那么呃，一方面呢，能够确定一个推荐一个最优的一个推出的时刻啊，另一方面呢，也规划了一条最佳的滑行径啊，我们通过不停的迭代与仿真呢与验证的啊。

就是可以规划出来这样的一个滑行径，这样的一个推出的时刻呢啊能够啊，尽量减少啊与其他航空器的一个滑行的一个冲突啊，能够准时的到达跑道啊，能够按照空管的给一定的起飞时刻啊，顺利的起飞啊，这样一方面呢，能够减少它的滑行时间啊，另一方面呢，也能够啊，比较明显的降低冲突的一个隐患的一些情况啊，提升机坪的一个安全的密度啊，同时呢，减少了滑行时间啊，提升了这个呃，就是效率啊，同时也减少了燃油的消耗啊，降低了碳排放的一个情况啊，那这个其实是在整个地面啊，机场运行的一个环节啊，就前面所述啊，那么其实作为一个机场的一个平台来讲啊，是更多的是航司空管啊，机场三方多主体啊，运营协同的一个啊态势，那么在运管委的一些，呃呃，航班时刻调整啊，包括调试条件啊，以及大面积延误。

和处置的这个场景之下呢，啊，我们也基于这样的一个规则啊，以及基于这样的一个目标啊，进行了一些数字化的一个方案的解决啊，一方面呢。啊，把当前可用的一些啊，外部的一些呃影响情况啊，以及呃，由此推算出来的一些可用的一些资源啊，尤其是空域资源啊，跑到起降资源等等啊，进行了一个数字化的一个啊输入一个模拟和仿真啊，另一方面呢，也把这个我们啊旅客的一个影响的情况啊，以及各航司的这个调整的均衡性啊，另外呢，就是这个与地面保障资源或者是本场的一些可用的资源的一个最佳的匹配的一个情况呢，啊做成了一个呃最优的或者是全局的一个目标的一个函数啊，基于这样呢，我们啊通过一些呃AI的一些算法啊，能够实现一个航班调整的一个精细化啊，那么与人工相比呢，我们对这个精细化呢，一方面有了一个明显的这样的一个啊，就是目标的一个呃变化啊，一方面就是说我们在这个复杂情况下啊，或者是大面积延误情况下，我们的正常率有了一个明显的提升。

啊，另一方面啊，也兼顾了航司的这个飞机的利用率啊，然后更重点的考虑了啊，总体旅客的一个影响的情况啊，比如说总体旅客延误的时间啊，延误的人次等等啊，那么在这样的一个条件下呢，就是人工智能啊，要比人工啊有更明显的一个变化啊。大概呢，就是以上是基于这样的一些流程啊，或者是于这样的一个环节啊，每一个具体单环节呢，啊，我们做了比较这个深入的一些尝试和探索啊，就就如刚才所说啊，机场运行是统一的一个整体啊，虽然分解成了多流程多环节啊，多主体的这个协同的运营啊，但整个流程环节啊，他们其实是紧密联系的啊，其核心仍旧是这个实现资源的一个高效的利用啊，以及服务的最佳的一个体验。那么其实啊，这个每一个个例的环节有自己的一个最好的一个目标，最优的一个目标啊，作为一个整体来讲呢，啊，其实他们也存在着一个千丝万缕的联系，每一个流程和环节的变化的扰动呢，都会以不同的方式影响上下游流程的一个保障的效果啊，并对整体的效果产生啊或多或少的影响啊，这个这一点就有点类似这种蝴蝶效应啊，每一项流程的最优的目标呢，可能对相关的流程产生正向和负向的一些影响。

啊，可扰动啊，单一环节的一个，呃，极致的一个效率，并不一定对整体，对最优的一个目标呢，能够提供好的一个帮助啊，这里面我们可以简单举几个例子啊，比如说这个停机位的分配啊，上桥率最大和这个推出啊，就环行时间最短这样的一个，呃，这个关系啊，那么可能作为一个航班来讲啊，我尽早的从机位推出去。

啊，这样的话，对于停机位的这个最大效率的利用啊，是一个最好的一个结果啊。但是呢，尽早的推出去就会导致滑行道的这个航班的，呃，比比预期的更多啊，或者以及就是直观的来讲，就滑行道的拥堵啊，有可能对滑行的效率啊，以及滑行的这个安全隐患产生负面的影响啊，另外呢，就是这个呃，一个航班停放的远机位与近机位啊啊，其实对于航班来讲，对于旅客来讲啊，最优的目标呢，一定是停放在晋级位啊，但是如果一个航班啊，尤其它的过站时间不太可控的情况下，或者是说比较紧张的情况下，如果有可能停放到距离跑道比较近的远机位。

啊，其实对于保障它的正点出港，保证它的正常率和效率，以及可能产生的下游的后续的航班飞行段的这个一些正常性啊，以及可能产生的比如说机组啊，飞机的利用率等等啊一些这个呃，间接的一些影响，都会有正方正正正向的一些影响啊，所以呢，啊，还是那个我们产生了一个呃这个新的观点啊，就是每一项流程的最优目标不见得是全局最优的啊，那么对于全局最优呢，啊，一定是要考虑综合的一个目标啊，比如说啊，作为机场啊，可能要考虑一些啊单环节啊，要考虑这个提升靠桥率啊啊缩短发行时间啊，那么作为空管可能要考虑空域的容流平衡啊，那么可能呃机场更多的有几种啊，出港正常率啊。啊，机场整体吞吐量等等啊，以及航司啊，有这种提高飞机的利用率啊，机组的一个最佳的排班啊，还有这个以及人工啊的成本的一个降低，或者是这个啊，减少相应的等待时间等等啊，每一个具体的环节的目标和指标，和总体的一个全局的一个指标和最优呢，都有它的一定的千丝万缕的联系啊，那么其实这里边也有一个啊，嗯，目标的承重阈值啊，以及全局最优决策模型的一个啊，深刻的一个讨论，以及深刻的一个建模的一个过程啊。啊所以呢，我们啊也一直认为啊，运行呢，呃，整体不可切割的这样的一个特点啊，其实呃，也要求运行呢，是要有一体化来考虑啊，那么运行的最最优的目标啊，其实就是为了旅客的一个高效便捷舒适的一个，呃，这个运输的过程啊，也其实啊，对于我们的要求呢，就是一个最优的一个全局的一个目标啊，也要保证各主体啊。

各环节各流程啊，目标一致啊，就大家的一个协同的一个，呃，就是总的方向是一致的啊，最终的结果呢，最终的目标呢，要形成一个最佳的一个体验，旅客最佳的体验，所以呢，在一个全局最优啊，或者叫一体化智慧运行的这样的一个态势下面啊，其实围绕全流程多主体的一个智慧协同，实现全局最优的一个目标呢，是一个一体化运行的一个啊，最终的一个价值所在啊，那么其实可能包括几个大的环节或者是几个啊大的流程的一个循环往复啊，包括一个全局的态势感知，实时的态势感知，那么以及基于这个态势感知的一个啊，多维度啊，多环节的一个趋势的预测啊，就例如我们刚才讲到的这个各个环节的一个，呃，精准的预测的一个算法啊，以及基于这个前提条件下的一个智能的一个决策过程，这个决策呢啊，也将不再基于单一的环节，单一的目标啊进行。

一个具体的一个呃决策，而是基于一个全局最优的一个模型啊。全局最优的一个指标啊，以及全局最优的一个啊目标啊，来进行一个就是全局模型的一个决策模型的过程啊，那么在一个决策国情呃过程之中呢，也基于当前的一些这个算法算力啊，以及这个呃数字化底座的一个支撑的啊，我们也能够实现啊动态调优啊，秒级调优啊，以及这个实时的一个呃反馈的这样的一个能力啊，也就是说呢，嗯，基于的一体化的一个运行管理的这样的一个理念和模式呢啊整个机场啊，或者是说整个呃多主体之间的一个协同呢，啊，将形成一个非常好的一个呃全呃就是协同配合啊，然后呃动态调整的这样的一个过程啊，那么基于这样的一个呃，就是之前的一些，呃，AI智能的一些，嗯，探探索与实践啊，包括一些算法的一些呃，应用以及不停的迭代呢啊啊，那么同时作为行业来讲啊，我们行业的。

特点呢，就是说作为一个啊运输行业啊，其最终的目标呢，就是说啊，把航业的需求啊，包括航班旅客的出行的需求，航班运行的需求啊，以及这个就是我们基于这种需求所适配的各种资源，各种能力啊，包括空运资源啊，场面资源，起降资源啊，包括跑道啊，航站楼等等啊，以及我们地府保障的人才物啊，各种人人力车辆设备啊等等这样的一些资源呢，进行一个最优的一个匹配。

在这里面呢啊，我们这个各种呃各种维度的大模型呢啊，也有一定的这种相应的这种探索啊，比如说像这种CV大模型啊，对于这种呃视视觉啊，以及图片的一些这个呃理解啊，包括这种呃预测和优化大模型啊，语音语义大模型等等，还有这个科学计算大模型啊，那么在这个不同的维度啊，L0的维度啊，以及不同的具体的场景啊，以及具体的啊，我们的这个各种啊，工作的一个模式，或者是工作的环节里面啊啊都有这个比较好的一个支撑的一个基础啊，那么其实运行的一体化呢，从比较呃这个呃具体的层面来讲啊，其实可能就是各个流程，各个环节的前后的一个衔接，那么在高一个层面来讲呢，大概是基于某一个机场啊，多主体之间的一个协同，最优的一个，呃，结果啊。

那么其实基于某一个机场啊，以及基于区域的啊，类似这个区域的一个机场群呢，或者是区域的一个空域，包括多航司之间的一个协同啊，也其实也是一个更多维度更深度啊的一个这个全局最优的一个啊，一个解决的一个过程啊，同时。那可能再再往上啊，就是我们的这个全行业啊，全行业的一个啊，就是多主体啊，多多个航司啊，这个多个机场啊，多个空域啊之间的一个全局协同啊，全全域最优的这样的一个啊解决的一个过程啊，其实呃，每一个层面的提升呢，都会产生这种数据量，计算量啊，以及模型的一个学习的一个，呃，就是几何级数的增长啊，同时呢，这个呃，由于这个这个行业的一个大模型啊，那么呃是其应用的一个场景呢啊，其实也有非常丰富的一个潜在的一个空间啊，包括在这个呃，全局最优的一个前提之下啊，以及个最佳协同的一个需求之下，那么智慧机场，智挥航司，指挥空管啊之间的一个，各个场景之间的一个啊，有机的一个融合和结合的一个关系，那么作为2023年来讲，我们也看到了啊，全国的呃，机场的呃，就是。

这个行业的吞吐量达到了呃，6亿多人次啊，其实基本恢复了2019年的一个态势啊，但是呢，呃，作为民航行业来讲，我们也看到了，就是呃，吞吐量达到1000万级以上的啊，这个机场一共有38座，它的这个吞吐量占到了行业的80%，也就是说我们行业的这个分布不平均的现象非常的明显啊，那么我们整个中国的民航自2005年成为世界第二大民航的体系以来呢？啊，一方面啊，和这个世界第一大的民航体系有着非常典型的不同啊，一方面我们面临着高铁的强劲的竞争啊。

也就高铁的这个建这个运输人次远远超过明，另一方面呢，就是刚才如刚才所说啊，我们的机场面临着这个这个分布啊，运营量急度评估的这样的一个局面啊，那么大型前万级机场运行态势呢，日益复杂的情况呢，也越来越明显，其实对于行业的一个进一步的发展提出了全新的挑战，呃，华为作为一个呃开发出行业大模型啊，或者对行业有一定的深入的理解和实践的这样的一个呃团队呢，啊将以这个行业数字化底座为基础啊，基于预测求解大模型，世界大模型，语音语义啊以及其大模型等等，不断的深入学习行业的规则与逻辑啊，拓展业务的场景，在这个运行的一体化啊，啊行业的智慧化等领域呢，呃，将要持续发力啊，进一步呢，与行业的各个伙伴啊，各位专家一起啊，体制增效啊，突破保障的瓶颈啊，助力这个行业的智慧化的一个能力的不断的跃迁啊。

啊，以上是我汇报的一些情况啊，谢谢各位的呃，同仁啊，专家的一个聆听啊，谢谢。好的，感谢张总，也再次感谢所有领导、所有嘉宾的精彩发言，希望今天的这些经验分享能加速推动行业智能化发展，为提升行业智慧化水平提供新思路。以上是本次会议的所有内容，如果您想回看本次会议，欢迎登录中国民航报视频号、抖音号、中国民航网微博、腾讯云开发者社区收看完整回放。再次感谢所有领导嘉宾的精彩分享，感谢所有的听众朋友。值此新春佳节到来之际，祝所有关心支持民航致建栏目的小伙伴们，龙行达达，前程朗朗，新春快乐，下期民航致见，我们再见。

梦想，每一次战事都源于对天空的向往，科技让曾经美好的期待走向现实。我将数字带入飞往天空的起点，将每一旅客熟记于心。智慧让出行更有温度，充分利用每一份资源，缩短旅客与目的地的距离，智慧让来往变得有趣，我将点亮制定路径，每一束光芒得以独立思考，每一个节点得以准确采集，智慧让精准成为保障，我将为机场装上高效的大脑，场景中的每个角落化零为整。

所有细节同步呈现，智慧让运行宛如乐章，场地再大，不及我的眼界宽广，科技焕发安全新活力，智慧让守护无处不在。整合场内资源，数据相聚在云端，在这里，数据与网络不再是神秘的后台，而是连接每一环节，筑起人与人、物与物的桥梁，让机场融合唯一无缝运转。数字化转型没有终点，在广袤天际，与同行者携手构建数字底座，助力民航数字化转型。