**航空公司尋求縮短停機坪時間**
下次你急步奔向機場登機口時，不妨想想那些確保該登機口可用的航空公司員工。登機口分配其實是一項相當複雜的任務。
「有15個登機口和10架飛機，有超過5700億種可能性。」負責漢莎航空工業解決方案的量子計算領域的Dr Joseph Doetsch說。
為每次航班選擇最佳登機口可以縮短飛機滑行時間，減少擁堵，意味著旅客在停機坪等待的時間更少。這也可減少燃油消耗，從而降低飛機的排放量。
通常，登機口在航班時間表發布時就已分配，可能提前一年，但會在一個月前、一週前，最後在航班當天重新檢視。
**更有效的登機口選擇可減少等待時間**
在選擇最佳停機位時，需要考慮各種優先事項。「例如，某些航空公司可能會被允許使用靠近其休息室和其他設施的登機口。此外，擁有大量轉機乘客的航班通常會被安置在可以優化轉機時間的地方，以提升整體乘客體驗。」機場管理公司AeroCloud的聯合創始人George Richardson說。
「一些航空公司，特別是廉價航空，可能會選擇更具成本效益的遠程停機位，以較低的停車費優先考慮運營節省，而不是靠近主航站樓。」
其他因素包括飛機來的方向、飛機類型、預期跑道分配、登機口可用性、機場人員配置、乘客和行李連接以及其他飛機的計劃滑行道和停機坪移動。
更糟的是，許多因素可能在最後一刻改變。延誤的航班可能加大困難，迫使機場和航空公司在最後一刻重新分配登機口，增加乘客等待時間，甚至可能導致航班取消。
**美國航空公司正在使用基於機器學習的系統選擇登機口**
考慮到這種複雜性，你可能會以為聰明的電腦軟件在處理這項工作，但事實並非如此。據AeroCloud調查高級機場管理人員面臨的挑戰，登機口分配工作常常使用意想不到的基本技術進行。
「你會驚訝於全球有多少機場仍然手動管理這一過程。」Richardson先生說。
在接受AeroCloud調查的機場管理人員中，40%表示使用Excel和Word文件存儲和管理與機場運營相關的信息，包括登機口管理。
但在更先進系統上的投資正在加大。去年，美國航空公司在達拉斯沃斯堡國際機場引入了智能登機系統。該系統使用機器學習將抵達的飛機分配到最近的可用登機口，以縮短滑行時間。
機器學習是人工智能的分支，利用大量數據訓練系統，以改進結果。在美國航空系統中，使用實時航班信息和其他數據來選擇將飛機送往的登機口。
「傳統上，我們的團隊成員使用舊系統手動分配登機口。在達拉斯沃斯堡國際機場，我們最大的樞紐，這一過程需要大約四小時。」一位美國航空公司發言人說。新系統可以在10分鐘內完成該過程，將飛機滑行時間縮短了20%，每年節省約140萬加侖的航空燃料。
**Lufthansa Industry Solutions正在計劃使用量子計算解決這一問題**
量子計算利用量子比特的奇特但強大的特性，比傳統計算機更快地解決某些類型的問題。目前，這類計算機仍處於初期階段。
分配登機口是一個傳統計算機和算法難以快速處理的問題，隨著問題規模的增加，計算時間不成比例地增長。
但Dr Doetsch對使用量子計算的方案能夠解決這一問題充滿信心。「量子算法將允許在大型機場和旅行網絡中最佳分配登機口和其他資源。這些算法將能夠以實時更新的最佳解決方案應對外部因素的變化。」他說。
漢莎航空目前正在研究哪種新型量子計算系統最適合其項目。它正在運行模擬，以顯示量子計算的有效性。「在我們的首次試驗中，我們的優化方案可以將乘客的平均中轉時間減少近50%，與相應的實際數據相比。」Dr Doetsch補充道。
隨著機場容量壓力的增加，AeroCloud的Richardson先生表示，這些改進技術可以幫助減少所需的擴展量。「容量是許多機場的一大問題，即使他們想引入新的航空公司或目的地，實體擴展也成為障礙。他們需要最佳利用現有資源。」
**評論**
這篇文章揭示了航空業一個不易察覺的複雜問題：登機口分配。表面上看似簡單的任務，實際上涉及大量的變量和決策。隨著技術的進步，從傳統的手動操作到引入機器學習和量子計算，航空公司和機場正在尋求更高效的解決方案。然而，這不僅僅是技術問題，也涉及到如何平衡成本、效率和旅客體驗。尤其在全球環保壓力下，縮短滑行時間和減少燃油消耗成為重要的考量。未來，隨著量子計算的成熟，或許我們能期待更具革命性的變革，這將不僅提升運營效率，也可能改變整個航空業的運作模式。這不僅是技術的進步，更是對人類創新能力的考驗。
以上文章由特價GPT API KEY所翻譯
