Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Passive Datenerfassung beim Abbiegen von Flugzeugen
Veröffentlichungsdatum: 10. ** März 2021 () [Geschichte des Diagramms](#turn-tracking-history) **
Fluggesellschaften und Flughäfen können Kosteneinsparungen erzielen, indem sie die Abbiegezeiten verbessern und die Abbiegezeiten am Gate reduzieren. Durch die Verkürzung der Zykluszeit können Flugzeuge und Flugsteige ihre Flugpläne effizienter nutzen.
Eine Verkürzung der Zykluszeit um 4 bis 6 Minuten kann potenziell 2 bis 3 Prozent einer Flotte von 500 Flugzeugen entlasten. Da Flugzeuge zwischen 3 und 5 Mio. USD pro Jahr kosten, könnte dies zu Kosteneinsparungen von 30 Mio. USD bis 75 Mio. USD führen.
Diese Architektur verwendet Kameras und Kanteninferenz, um passiv Daten zu Abbiegeereignissen zu sammeln. Sie bietet Tracking und Analysen in Echtzeit für die Optimierung von Abbiegungen.
## Diagramm zur Abbiegung des Flugzeugs
Die folgenden Schritte beschreiben die Architektur:
1. Gate-Kameras: Drei Kameras außerhalb des Flugzeugs erfassen Ereignisse beim Abbiegen auf dem Rollfeld. Jetbridge-Kameras: Zwei Kameras decken das Boarding ab. Kamera am Gate: Eine Kamera deckt die Ankunft der Besatzung und des Agenten ab.
1. Installieren Sie für das Inferenztraining Kameras an einem oder zwei Toren. Nehmen Sie den Videostream für 4 bis 6 Wochen auf. Verwenden Sie [ SageMaker AI ](https://docs.aws.amazon.com/sagemaker/latest/dg/) Ground Truth, um Zug-Ereignisse zu kennzeichnen.
1. [AWS IoT Greengrass](https://docs.aws.amazon.com/greengrass/v2/developerguide/)[AWS IoT Core](https://docs.aws.amazon.com/iot/latest/developerguide/), und AWS IoT Device Management verwalten Kameras und führen Inferenzen am Edge mit [ Lambda ](https://docs.aws.amazon.com/lambda/latest/dg/) und SageMaker KI aus.
1. Verwenden Sie speziell entwickelte Datenbanken und eine serverlose Architektur. [DynamoDB](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/), [ Kinesis, Lambda](https://docs.aws.amazon.com/kinesis/latest/dev/), [ API Gateway und AWS AppSync bieten Microservices](https://docs.aws.amazon.com/apigateway/latest/developerguide/), Benachrichtigungen und Ereignisse in Echtzeit für mobile Apps und Dashboards.
1. [Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/), [ Amazon Redshift und [ Quick ](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html) stellen den Data ](https://docs.aws.amazon.com/redshift/latest/dg/) Lake und die Analyseplattform bereit. Verwenden Sie SageMaker KI für AI/ML Modelle zur Optimierung von Kurven. Verwenden Sie [ Athena ](https://docs.aws.amazon.com/athena/latest/ug/) für Ad-hoc-Analysen.
## Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
+ [AWS Architektur-Ikonen ](https://aws.amazon.com/architecture/icons)
+ [AWS Zentrum für Architektur ](https://aws.amazon.com/architecture/)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
## Geschichte des Diagramms
Abonnieren Sie den RSS-Feed, um Updates zu diesem Referenzarchitekturdiagramm zu erhalten.
| Änderung | Beschreibung | Datum |
| --- |--- |--- |
| [Erste Veröffentlichung](#turn-tracking-history) | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 10. März 2021 |
**RSS-Abonnement erforderlich**
Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.