Авиакомпания Wizz Air начала внедрять передовые технологии на борту самолетов всего своего парка, чтобы повысить эксплуатационную эффективность и обеспечить пассажирам более комфортные условия полета.
Бюджетная авиакомпания со штаб-квартирой в Венгрии заявляет, что благодаря модернизации ее 2700 пилотов получат в режиме реального времени инструменты на базе искусственного интеллекта для оптимизации характеристик полета и управления погодными условиями, включая избежание турбулентности.
Инструменты на базе ИИ для оптимизации траектории полета
С марта экипажи используют программное обеспечение FlyGuide Flight Path Optimisation (FPO) от StorkJet — систему на базе искусственного интеллекта, которая анализирует как модели летно-технических характеристик самолета, так и фактические полетные данные.
Рекомендации по скорости и высоте разрабатываются индивидуально для каждого самолета и каждой фазы полета — от набора высоты до снижения, а результаты выводятся непосредственно на планшеты пилотов.
«FlyGuide FPO предоставляет четкие рекомендации по скорости и высоте для каждого самолета на протяжении всего полета, помогая пилотам принимать более обоснованные решения, повышая топливную эффективность, сокращая выбросы CO₂ и улучшая общие летные характеристики, не усложняя систему», — отметила Рената Недзела, генеральный директор StorkJet.
Испытания Wizz Air, охватившие более 10 000 рейсов, показали сокращение расхода топлива и выбросов CO₂ от 0,5% до 1% на сектор.
«Оптимизация траектории полёта от StorkJet помогает нашим пилотам принимать взвешенные решения», — говорит Диармуид О’Конгайл, директор по операционной деятельности Wizz Air. «Решение простое в использовании, сокращает выбросы CO2 и способствует достижению наших долгосрочных целей Net Zero 2050».
С августа авиакомпания также начала оснащать кабину экипажа системами Aventus и SIGMA компании AVTECH, которые предоставляют обновления информации о погоде на конкретном маршруте в режиме реального времени.
Технология основана на предполетных метеорологических брифингах и выдает предупреждения во время полета о таких опасностях, как турбулентность, грозы, обледенение и вулканический пепел.
Пилоты могут визуализировать свой маршрут с точки зрения местоположения, высоты и времени, а также получать подсказки бортового компьютера для выбора наиболее эффективного маршрута.
Дэвид Риттер, генеральный директор AVTECH, сообщил, что технология основана на последних прогнозах погоды для авиации от Метеорологического бюро Великобритании.
«Сочетание сервисов Aventus и SIGMA обеспечивает передачу точной и персонализированной информации о ветре и температуре на кабину экипажа во время полета, а также автоматических и точных предупреждений о турбулентности и других опасных погодных явлениях по маршруту полета», — сказал он.
Первоначальный анализ показывает, что Aventus может самостоятельно сэкономить 10–15 кг топлива за полет за счет точной настройки точек снижения.
Системы также обещают меньше перепадов высоты, меньшую подверженность турбулентности и более тихие подъемы и спуски.
«Хотя обе эти функции работают незаметно, преимущества очевидны для пассажиров на борту», — сказал О Конгайль. «Объединяя новейшие достижения в области прогнозирования погоды и планирования полётов, Wizz Air предоставляет своим 2700 пилотам новейшие бортовые инструменты, чтобы обеспечить более 75 миллионов пассажиров, обслуживающих самолёты ежегодно, и сделать полёты ещё комфортнее».
Программное обеспечение для прогнозирования погоды для пилотов — быстроразвивающаяся область авиационных технологий.
На прошлой неделе авиакомпания All Nippon Airways (ANA) внедрила службу прогнозирования турбулентности на базе искусственного интеллекта, разработанную компанией BlueWX, — она стала первой авиакомпанией в мире, сделавшей это.
Внедрение системы авиакомпанией ANA стало результатом нескольких лет обширных испытаний и проверок. Испытания с участием 2500 пилотов ANA подтвердили её надёжность, что привело к её официальной интеграции в инфраструктуру метеорологических данных ANA.
По данным ANA, модель прогнозирования турбулентности, разработанная с использованием методов глубокого обучения и десятилетних данных о турбулентности, имеет точность 86%.