![Người Việt nghiên cứu trị chuyến bay trễ cho Singapore - Ảnh 1. Người Việt nghiên cứu trị chuyến bay trễ cho Singapore - Ảnh 1.](https://cdn.tuoitre.vn/thumb_w/730/2017/nguoi-viet-nghien-cuu-1514009239849.jpg)
Nhóm tác giả của Viện JVN (ĐH Quốc gia TP.HCM) nghiên cứu dự án đánh giá sự chậm trễ của các chuyến bay bằng máy học vào chiều 22-12 - Ảnh: NHƯ HÙNG
Trưởng dự án là PGS.TS Quản Thành Thơ cùng ba thành viên là thạc sĩ Bùi Quốc Minh, Phạm Đức Thịnh và cử nhân Nguyễn An Dân. Nhóm tập trung nghiên cứu dự án tại Viện John von Neumann (JVN) thuộc ĐH Quốc gia TP.HCM từ tháng 8 năm nay.
Dự đoán chuyến bay trễ theo phút
Dự án ứng dụng học máy (machine learning) - phương pháp mô phỏng trí tuệ con người - để phân tích nguyên nhân và dự đoán các chuyến bay trễ giờ.
PGS.TS Quản Thành Thơ kể: "Trước chúng tôi đã có một số nhóm nghiên cứu nổi tiếng ở Singapore đưa ra lời giải cho bài toán này nhưng chưa hoàn toàn thuyết phục ATMRI về chuyên môn. Hai thành viên trong nhóm đã sang Singapore trình bày giải pháp và được yêu cầu đăng ký đấu thầu trên cổng thông tin chính thức gebiz.gov.sg. Tôi nghĩ dự án đã thuyết phục nhờ chuyên môn và giá bỏ thầu hợp lý".
Được cung cấp bộ dữ liệu về 12 sân bay chính ở khu vực Đông Nam Á trong 10 tháng, nhóm bắt đầu phân tích, xây dựng mô hình và báo cáo kết quả cho viện và Cục Hàng không Singapore vừa qua. Dự án sẽ kết thúc vào ngày 31-12.
Phó trưởng dự án, thạc sĩ Phạm Đức Thịnh, chia sẻ: "Chúng tôi kết hợp các mô hình thống kê và học máy để giải thích sự ảnh hưởng qua lại giữa các sân bay khi có sự cố, dự đoán thời gian chuyến bay trễ giờ theo đơn vị phút. Cùng với sự xuất hiện của dữ liệu ADS-B trong ba năm gần đây (công nghệ giám sát, trong đó máy bay xác định vị trí thông qua điều hướng vệ tinh và phát sóng định kỳ), chúng tôi kết hợp các ý tưởng về mô hình hóa trong việc phân tích và dự báo chuyến bay trễ cho các chuyến bay đáp ở khu vực Đông Nam Á, từ đây hoàn toàn có khả năng mở rộng cho các chuyến bay đáp tại các sân bay khác trên thế giới".
Sau gần bốn tháng thực hiện, vừa qua JVN đã chuyển giao kết quả nghiên cứu cho ATMRI bao gồm: xử lý, khảo sát và phân tích dữ liệu ADS-B để xây dựng các phân bố xác suất và độ trễ ở từng sân bay, trên cả đường bay; xác định sự tương quan về độ trễ giữa các sân bay trong mạng lưới; xác định một số nguyên nhân quyết định tới độ trễ; xây dựng đường bay chuẩn khi máy bay đáp ở các sân bay. Các đặc trưng này sẽ được mô hình đánh giá và phân tích mức độ ảnh hưởng trong các chuyến bay trễ.
Theo nhóm nghiên cứu, các mô hình dự báo khác nhau đã được xây dựng và thử nghiệm trên dữ liệu gần nhất tại Đông Nam Á. Kết quả nghiên cứu có thể hỗ trợ nâng cao chất lượng dịch vụ sân bay và các hãng hàng không.
Tăng hiệu quả cho các hãng bay
Theo báo cáo từ Cục Hàng không Việt Nam, trong tháng 11 vừa qua, bốn hãng hàng không lớn có 237.802 chuyến bay, 87,6% số đó cất cánh đúng giờ, 12,4% trễ (tương đương 29.500 chuyến) và hủy chuyến. Trong đó, máy bay về muộn là nguyên nhân chủ yếu, tiếp đến là thiết bị và dịch vụ cảng bay, hãng hàng không, quản lý và điều hành bay, thời tiết...
Trước nay ngành hàng không thường dự đoán độ trễ chuyến bay bằng các phương pháp truyền thống như thống kê, phân tích dữ liệu trong quá khứ. Thạc sĩ Thịnh cho biết: "Đây là một trong những nghiên cứu tiên phong thử nghiệm việc ứng dụng học máy (hay trí tuệ nhân tạo) trên dữ liệu ADS-B cho chúng ta thêm dữ liệu đường bay để làm mô hình theo thời gian thực. Chẳng hạn, khi máy bay ở vị trí X, tại thời điểm như vậy có bao nhiêu khả năng bị trễ. Mô hình dự báo này còn tính toán các yếu tố ảnh hưởng quan trọng như dịch vụ hãng bay, loại máy bay, giờ đáp, mật độ sân bay".
Bình thường khi có thông báo trễ, sân bay phải điều phối nhân lực, thiết bị để đón máy bay tới. Nếu dự đoán không chính xác, kế hoạch điều phối sẽ kém hiệu quả, cả hệ thống phải chờ đợi máy bay, điều chỉnh nhiều lần trong khi hiệu suất thực tế sân bay vẫn đảm bảo. Từ yêu cầu đó, nghiên cứu xác định những đường bay thực tế đại diện cho tập dữ liệu để các hãng bay đánh giá hiệu quả so với đường bay chuẩn hiện có, đề xuất thay đổi kế hoạch bay theo mùa. Ngoài ra, đây cũng là bước đệm để tính thời gian trễ thực tế khi máy bay đi vào không phận và chờ đáp...
Hiểu rõ nguyên nhân trễ giờ
Tất cả dữ liệu từ chuyến bay, đường bay, sân bay được cập nhật mỗi phút trở thành kho dữ liệu lớn mà học máy là phương pháp giúp hệ thống tự học và đưa ra nhận định, dự báo tiệm cận tình hình thực tại nhất. "Với các tính năng này, các sân bay hiểu rõ nguyên nhân trễ giờ bay xảy ra ở đâu, tại thời điểm nào, nên chỉnh sửa giờ bay của từng chuyến ra sao để khắc phục tình trạng trễ giờ - TS Thơ cho biết - Dự án đã chứng minh tính khả thi của giải pháp. Cục Hàng không Singapore đón nhận khá tích cực. Chắc chắn sân bay Changi (có tập dữ liệu được xử lý tốt nhất) sẽ thử nghiệm một số giải thuật từ nghiên cứu để kiểm tra tính chính xác, hiệu quả. Đồng thời, ATMRI đã đặt vấn đề mở rộng những dự án tiếp theo".
Trúng thầu dự án ở Singapore
Gebiz.gov.sg là cổng thông tin thương mại điện tử một cửa của Chính phủ Singapore, nơi các nhà cung cấp có thể tiến hành thương mại điện tử với chính phủ. Các dự án lớn được thông báo và công khai đấu thầu (trừ các hợp đồng nhạy cảm với an ninh). Phát triển mô hình dự báo và đánh giá sự chậm trễ của các chuyến bay bằng máy học của Viện JVN thuộc ĐH Quốc gia TP.HCM đã trúng thầu và được công bố lên trang này ngày 18-8 vừa qua.
Tối đa: 1500 ký tự
Hiện chưa có bình luận nào, hãy là người đầu tiên bình luận