سیستم جدید هوش مصنوعی FAA: پیشبینی ترافیک هوایی ساعتها پیش از بحران
اداره هوانوردی فدرال (FAA) قراردادی ۸۷۵ میلیون دلاری برای استقرار یک سیستم مبتنی بر هوش مصنوعی منعقد کرده است که پنجره پیشبینی کنترلکنندههای ترافیک هوایی را از ۱۵ دقیقه به دو ساعت افزایش میدهد و هدف آن حذف تأخیرهای زنجیرهای پروازها است.
به قلم تیم سردبیری کوهستان
این خبر را به اشتراک بگذارید
- نهادهای نظارتی فدرال
- تمرکز بر مدرنسازی فضای هوایی، کاهش بار کاری کنترلکنندهها و تغییر مدیریت جریان از حالت واکنشی به استراتژیک.
- ارائهدهندگان فناوری هوانوردی
- برجسته کردن بلوغ مدلهای پیشبینیکننده و توانایی محاسبات ابری در حل معادلات پیچیده مسیر ۴ بعدی که انسانها قادر به پردازش دستی آن نیستند.
- کنترلکنندههای ترافیک هوایی
- تأکید بر نیاز به ابزارهای پشتیبانی تصمیم بدون جایگزینی قضاوت انسانی، با اشاره به اینکه هوش مصنوعی نمیتواند شرایط اضطراری ناگهانی و غیرقابل پیشبینی را مدیریت کند.
چرا مهم است
با تبدیل کنترل ترافیک هوایی از یک واکنش عجولانه به یک علم پیشبینیکننده، این سیستم میتواند به طور چشمگیری تأخیرهای زنجیرهای و گلوگاههایی را که سالانه میلیاردها دلار برای خطوط هوایی و مسافران هزینه دارند، کاهش دهد.
تأخیر زنجیرهای پروازها، پایدارترین و پرهزینهترین معضل هوانوردی مدرن است. یک طوفان ناگهانی در شیکاگو یا بسته شدن موقت یک باند فرود در آتلانتا میتواند تأثیر خود را در سراسر قاره گسترش دهد، میلیونها مسافر را در پایانهها سرگردان کند و میلیاردها دلار به دلیل اختلال در عملیات، برای خطوط هوایی هزینه بتراشد. برای دههها، صنعت هوانوردی این گلوگاههای فزاینده را به عنوان یک پیامد اجتنابناپذیر مدیریت هزاران هواپیما که با سرعت ۵۰۰ مایل در ساعت در آسمان حرکت میکنند، پذیرفته است. با این حال، ریشه مشکل تنها آب و هوا یا حجم ترافیک نیست؛ بلکه روش اساسی است که انسانها دادههای فضایی پیچیده و چند متغیره را در زمان واقعی پردازش میکنند.[1]
محدودیت ساختاری اصلی سیستم کنترل ترافیک هوایی ایالات متحده این است که ذاتاً واکنشی است. امروزه، کنترلکنندههای انسانی بسیار آموزشدیده معمولاً با یک پنجره برنامهریزی پیشبینی کار میکنند که تنها ۱۵ تا ۱۸ دقیقه آینده را پوشش میدهد. آنها نقاط راداری را که روی صفحههایشان حرکت میکنند تماشا میکنند و از استدلال فضایی خود برای حفظ فاصله ایمن بین هواپیماها استفاده میکنند. اما از آنجا که نمیتوانند ببینند که چگونه یک تنظیم جزئی در یک بخش، ترافیک سه ایالت دورتر را تحت تأثیر قرار میدهد، عملاً یک شبکه عظیم و بههمپیوسته را قطعه به قطعه مدیریت میکنند.[2][8]
زمانی که یک کنترلکننده متوجه ایجاد یک گلوگاه در صفحه رادار خود میشود، گزینههای او برای حل آن محدود به تنظیمات تاکتیکی و لحظه آخری است. آنها مجبورند سرعت هواپیماها را در میانه پرواز کاهش دهند، هواپیماهای ورودی را وارد الگوهای انتظار پرمصرف سوخت کنند، یا مسیر خروجها را به سرعت تغییر دهند. این وضعیت واکنشی است که یک تأخیر جزئی محلی را به یک بحران سراسری در برنامهریزی تبدیل میکند، زیرا سیستم فاقد بینش لازم برای جذب روان شوک است. کنترلکنندهها مجبورند یک بازی پرمخاطره را انجام دهند و به جای مدیریت محدودیتها، به آنها واکنش نشان دهند.[4][8]
برای شکستن این چرخه واکنشی، اداره هوانوردی فدرال (FAA) به هوش مصنوعی روی آورده است تا اساساً نحوه مدیریت آسمان را بازنویسی کند. در اواخر ژوئن ۲۰۲۶، این سازمان بیسروصدا یک قرارداد ۱۲ ساله و ۸۷۵ میلیون دلاری را به یک استارتاپ مستقر در بوستون به نام «ایر اسپیس اینتلیجنس» (Air Space Intelligence - ASI) اعطا کرد. این قرارداد یکی از بزرگترین سرمایهگذاریهای منفرد در بهکارگیری تحلیلهای پیشبینیکننده در زیرساختهای قدیمی ترافیک هوایی آمریکا است و نشاندهنده یک تغییر عمده در استراتژی هوانوردی فدرال از سختافزارهای قدیمی به سمت راهحلهای نرمافزاری پیشرفته است.[1][5]
وظیفه این قرارداد، ساخت و استقرار سیستم «مدیریت استراتژیک مسیرهای ترافیک هوایی» (Strategic Management of Airspace Routing Trajectories - SMART) است. SMART یک موتور پیشبینیکننده است که برای علامتگذاری تداخلهای پروازی و تراکم فضای هوایی تا دو ساعت قبل از وقوع آنها طراحی شده است. با گسترش پنجره برنامهریزی از ۱۵ دقیقه به ۱۲۰ دقیقه، هدف این سیستم این است که زمان کافی را به کنترلکنندهها بدهد تا جریان ترافیک را قبل از اینکه هواپیما حتی از گیت خروج دور شود، هموار سازند.[2][5]
شان دافی، وزیر حمل و نقل، و برایان بدفورد، مدیر FAA، پروژه SMART را به عنوان سنگ بنای تکنولوژیک یک حرکت مدرنسازی گستردهتر به ارزش ۱۲.۵ میلیارد دلار معرفی کردهاند. به جای صرفاً ارتقاء رادارهای قدیمی و برجهای رادیویی، این سازمان در تلاش است تا منطق زیربنایی سیستم ملی فضای هوایی را دیجیتالی کند. هدف، گذار از یک مدل مدیریت جریان هوایی غیرقابل پیشبینی و آشفته به یک عملیات استراتژیک و دقیق است که ظرفیت باند فرود موجود را بدون به خطر انداختن حاشیههای ایمنی سختگیرانهای که بر پروازهای تجاری حاکم است، به حداکثر برساند.[2][3]
برای درک نحوه عملکرد واقعی مکانیسم SMART، باید به مفهوم «دوقلوی دیجیتال» (digital twin) نگاه کرد. این سیستم به طور مداوم ترابایتها دادههای مختلف – برنامههای خطوط هوایی، الگوهای آب و هوایی با وضوح بالا، محدودیتهای ظرفیت فرودگاه و تلهمتری هواپیما در زمان واقعی – را جذب میکند. از این حجم عظیم داده برای ساخت یک ماکت مجازی چهاربعدی از کل سیستم ملی فضای هوایی در فضای ابری استفاده میکند که بسیار شبیه به یک شبیهسازی بسیار پیشرفته عمل میکند که واقعیت را تا ثانیه منعکس میکند و به الگوریتمها اجازه میدهد سناریوهای آینده را آزمایش کنند.[7][8]
سیستم SMART با استفاده از قدرت عظیم محاسبات ابری و الگوریتمهای یادگیری ماشین، دهها هزار مسیر پروازی را به طور همزمان شبیهسازی میکند. این سیستم به دنبال نقاطی میگردد که در آن ورود و خروجها بیش از حد متراکم خواهند شد و نقاط فشار نامرئی و تداخلهای احتمالی جداسازی را ساعتها قبل از تبدیل شدن به وضعیت اضطراری عملیاتی شناسایی میکند. این سیستم مسئله پیچیده ریاضی رفع تداخل مسیر چهاربعدی را سریعتر از هر تیم انسانی حل میکند و متغیرهایی را پردازش میکند که روشهای برنامهریزی سنتی و کامپیوترهای بزرگ قدیمی مورد استفاده فعلی را تحت فشار قرار میدهند.[4][8]
سیستم SMART با استفاده از قدرت عظیم محاسبات ابری و الگوریتمهای یادگیری ماشین، دهها هزار مسیر پروازی را به طور همزمان شبیهسازی میکند.
هنگامی که SMART یک تداخل آتی را تشخیص میدهد، صرفاً به عنوان یک ابزار پشتیبانی تصمیم عمل میکند. یک اخطار پیشگیرانه به صفحه کنترلکننده ارسال میکند و یک تنظیم جزئی در مسیر پرواز، یک تغییر ارتفاع کوچک یا یک جابجایی اندک در زمان خروج را پیشنهاد میدهد. از آنجا که این مداخله ساعتها قبل انجام میشود، یک تغییر جزئی یک درجهای در مسیر میتواند با خیال راحت تداخلی را حل کند که اگر تنها ۱۵ دقیقه قبل تشخیص داده میشد، نیاز به یک مانور شدید و پرمصرف سوخت داشت.[2][4]
«ایر اسپیس اینتلیجنس»، استارتاپ نسبتاً کوچکی که برنده این قرارداد شد، توانست غولهای عظیم دفاعی و هوافضایی مانند «پالانتیر» (Palantir) و «تالس» (Thales) را شکست دهد. ASI این مناقصه را عمدتاً به این دلیل به دست آورد که فناوری زیربنایی آن قبلاً در بخش تجاری اثبات شده است. پلتفرم هوش مصنوعی Flyways آن از سال ۲۰۲۱ توسط خطوط هوایی آلاسکا برای بهینهسازی مسیر استفاده شده است و با موفقیت فرصتهای بهینهسازی را در بیش از نیمی از پروازهای این شرکت پیدا کرده و میلیونها گالن سوخت جت صرفهجویی کرده است.[5][7]
معرفی هوش مصنوعی به برج مراقبت در یک لحظه بسیار حساس برای نیروی کار خط مقدم FAA رخ میدهد. این سازمان در حال حاضر تقریباً ۳۵۰۰ کنترلکننده کمتر از سطح هدف تعیین شده توسط کنگره فعالیت میکند. برای حفظ ایمنی آسمان در میان تقاضای بیسابقه سفر، FAA مجبور شده است به شدت به اضافهکاری اجباری تکیه کند، که منجر به گزارشهای گستردهای از خستگی و فرسودگی کنترلکنندهها در سراسر تأسیسات راداری اصلی کشور شده است. سیستم تا حد مطلق خود تحت فشار است.[5]
نکته مهم این است که FAA و اتحادیه کنترلکنندهها تأکید کردهاند که SMART برای جایگزینی این اپراتورهای انسانی طراحی نشده است. کنترل ترافیک هوایی نیازمند استدلال فضایی سریع، قضاوت دقیق تحت فشار شدید و توانایی تشخیص استرس یا سردرگمی ظریف در صدای خلبان از طریق رادیو است. اینها قابلیتهای عمیقاً انسانی هستند که یک الگوریتم پیشبینیکننده نمیتواند آنها را تکرار یا جایگزین کند و تضمین میکند که اختیار نهایی برای ایمنی یک پرواز همیشه قاطعانه در دستان انسان باقی بماند.[5][6]
در عوض، هوش مصنوعی صرفاً به عنوان تقویتکننده شناختی قرار گرفته است. با رسیدگی به محاسبات پیچیده و در مقیاس بزرگ رفع تداخل مسیر درازمدت، SMART قصد دارد بار کاری ذهنی کنترلکنندهها را به شدت کاهش دهد. اگر سیستم بتواند به طور خودکار جریان استراتژیک گستردهتر ترافیک را باز کند، کنترلکنندههای انسانی میتوانند توجه کامل خود را بر ایمنی تاکتیکی و فوری هواپیماها در بخش مستقیم خود متمرکز کنند.[3][8]
استقرار این فناوری پیشبینیکننده عمدی و تدریجی خواهد بود. به گفته مشاوران فنی FAA، اولین نمایش عملیاتی SMART برای سپتامبر ۲۰۲۶ برنامهریزی شده است. این فاز اول به شدت بر فضای هوایی مسیرهای پروازی با ارتفاع بالا در ۲۴,۰۰۰ پا و بالاتر متمرکز خواهد بود، جایی که مسیرهای پرواز نسبتاً پایدار هستند و مدیریت متغیرها برای الگوریتم آسانتر از فضای هوایی آشفته و شلوغ اطراف باندهای فرودگاههای اصلی است.[3]
فراتر از حل تأخیرهای امروز، سیستم SMART زیربنای دیجیتالی ضروری را برای آینده هوانوردی فراهم میکند. یک شبکه ترافیک هوایی پیشبینیکننده که دقیقاً میداند هر هواپیمای تجاری دو ساعت دیگر کجا خواهد بود، قطعه زیرساختی گمشدهای است که برای ادغام ایمن وسایل نقلیه نسل بعدی مورد نیاز است. پهپادهای باری خودران و تاکسیهای هوایی عمود پرواز الکتریکی (eVTOL) برای به اشتراک گذاشتن ایمن آسمان به این نوع آگاهی خودکار و سیستمی نیاز خواهند داشت.[7]

با این حال، ادغام هوش مصنوعی پیشبینیکننده در یک محیط ایمنی با تحمل صفر، عدم قطعیتهای ذاتی و آزمایش نشدهای را به همراه دارد. اگر یک کنترلکننده پیشبینی دو ساعته هوش مصنوعی را برای تغییر مسیر یک هواپیما دنبال کند، و آن تصمیم ناخواسته منجر به یک برخورد نزدیکتر از حد انتظار به دلیل تغییر ناگهانی و غیرقابل پیشبینی آب و هوا شود، مدلهای مسئولیت و حاکمیت کاملاً نامشخص باقی میمانند. صنعت هوانوردی بر اساس زنجیرههای واضح پاسخگویی انسانی بنا شده است، که هوش مصنوعی آن را پیچیده میکند.[5]
علاوه بر این، کارشناسان هوانوردی هشدار میدهند که هوش مصنوعی نمیتواند موارد واقعاً غیرقابل پیشبینی را پیشبینی کند. ترکیدن لاستیک در باند فرود، برخورد دستهای از پرندگان به موتور، یا یک وضعیت اضطراری پزشکی ناگهانی در میانه پرواز، فوراً یک مدل پیشبینی دو ساعته را باطل میکند. در آن لحظات حیاتی، سیستم همچنان کاملاً به نبوغ تاکتیکی فوری و واکنشهای سریع کنترلکنندههای ترافیک هوایی انسانی متکی خواهد بود.[6]
در نهایت، شرطبندی ۸۷۵ میلیون دلاری FAA بر روی «ایر اسپیس اینتلیجنس» نشاندهنده یک انقلاب آرام اما عمیق در نحوه مدیریت آسمان آمریکا است. اگر سیستم SMART طبق وعده عمل کند، قابل توجهترین تأثیر آن بر روی صفحههای رادار در برج مراقبت دیده نخواهد شد، بلکه بر روی تابلوهای خروج در ترمینالها مشاهده میشود: کاهش چشمگیر و ساختاری عبارت «تأخیر به دلیل کنترل ترافیک هوایی». این سیستم آیندهای را نوید میدهد که در آن شبکه هوانوردی بالاخره به اندازه هواپیماهایی که در آن پرواز میکنند، پیشرفته است.[1][8]
آنچه نمیدانیم
- در صورتی که کنترلکننده از توصیه هوش مصنوعی پیروی کند و منجر به حادثه ایمنی شود، مسئولیت چگونه تعیین خواهد شد.
- جدول زمانی دقیق برای استقرار این سیستم در فضای هوایی پیچیده و کمارتفاع اطراف فرودگاههای اصلی.
- این سیستم چگونه اولویتهای متضاد را در شرایطی که چندین شرکت هواپیمایی مسیر بهینهسازی شده یکسانی را درخواست میکنند، حل و فصل خواهد کرد.
منابع
[1]Forbesارائهدهندگان فناوری هوانوردی
FAA Awards $875M Contract To Air Space Intelligence For AI Traffic Management
مطالعه در Forbes →[2]The Air Currentنهادهای نظارتی فدرال
FAA quietly developing AI-enabled predictive air traffic management system
مطالعه در The Air Current →[3]Flying Magazineنهادهای نظارتی فدرال
FAA's AI-Powered Air Traffic Management System Could Debut in September
مطالعه در Flying Magazine →[4]AVwebکنترلکنندههای ترافیک هوایی
FAA Turns to AI To Ease ATC Strain
مطالعه در AVweb →[5]AI Weeklyارائهدهندگان فناوری هوانوردی
FAA Bets $875M on AI to Spot Flight Conflicts Two Hours Out
مطالعه در AI Weekly →[6]Jalopnikکنترلکنندههای ترافیک هوایی
Smarter flying with SMART
مطالعه در Jalopnik →[7]DroneXLارائهدهندگان فناوری هوانوردی
FAA Picks Airspace Intelligence To Build AI That Predicts Flight Conflicts Two Hours Out
مطالعه در DroneXL →[8]Aviation International Newsارائهدهندگان فناوری هوانوردی
FAA Eyeing AI, Machine Learning To Optimize Airspace, Scheduling
مطالعه در Aviation International News →
هر زاویه. هر روز.
دریافت خودرو اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.









