Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Collecte passive de données sur le suivi des virages des aéronefs
Date de publication : 10 mars 2021 (Historique du diagramme)
Les compagnies aériennes et les aéroports peuvent réaliser des économies en améliorant le temps de cycle des virages et en réduisant les temps de variation des virages à la porte d'embarquement. La réduction du temps de cycle permet de libérer les avions et les portes d'embarquement pour une utilisation plus efficace des horaires.
Réduire le temps de cycle de 4 à 6 minutes peut potentiellement libérer 2 à 3 % d'une flotte de 500 avions. Les avions coûtant entre 3 et 5 millions de dollars américains par an, cela pourrait entraîner des économies de 30 à 75 millions de dollars américains.
Cette architecture utilise des caméras et l'inférence périphérique pour collecter passivement les données relatives aux événements de virage. Il fournit un suivi et des analyses en temps réel pour l'optimisation des virages.
Schéma de suivi des virages des aéronefs
Les étapes suivantes décrivent l'architecture :
-
Caméras situées aux portes d'embarquement : trois caméras situées à l'extérieur de l'avion couvrent les virages sur l'aire de trafic. Caméras de pont à réaction : deux caméras couvrent l'embarquement. Caméra du guichet : une caméra couvre l'arrivée de l'équipage et de l'agent.
-
Pour la formation par inférence, installez des caméras à une ou deux portes. Enregistrez le flux vidéo pendant 4 à 6 semaines. Utilisez SageMaker AI Ground Truth pour étiqueter les événements de virage.
-
AWS IoT GreengrassAWS IoT Core, et AWS IoT Device Management gèrent les caméras et exécutent des inférences à la périphérie avec Lambda et SageMaker l'IA.
-
Utilisez des bases de données spécialement conçues et une architecture sans serveur. DynamoDB, Kinesis, Lambda, API Gateway et AWS AppSync fournissent des microservices, des notifications et des événements en temps réel pour les applications mobiles et les tableaux de bord.
-
Amazon S3, Amazon Redshift et Quick fournissent le lac de données et la plateforme d'analyse. Utilisez l' SageMaker IA pour les AI/ML modèles afin d'optimiser les virages. Utilisez Athena pour des analyses ad hoc.
Suggestions de lecture
Pour plus d'informations, consultez les ressources suivantes :
Historique du diagramme
Pour recevoir des mises à jour concernant ce schéma d'architecture de référence, abonnez-vous au fil RSS.
| Modification | Description | Date |
|---|---|---|
Publication initiale | Schéma d'architecture de référence publié pour la première fois. | 10 mars 2021 |
Obligation d'abonnement RSS
Pour vous abonner aux mises à jour RSS, un plug-in RSS doit être activé pour le navigateur que vous utilisez.
