View a markdown version of this page

Aircraft Turn 追蹤被動資料收集 - Aircraft Turn 追蹤被動資料收集
飛機轉彎追蹤圖深入閱讀圖表歷史記錄

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

Aircraft Turn 追蹤被動資料收集

發佈日期：2021 年 3 月 10 日 (圖表歷史記錄)

航空公司和機場可以透過改善周轉週期時間和減少在大門的周轉變化時間來節省成本。縮短週期時間可釋放飛機和大門，以更有效率地使用排程。

將週期時間縮短 4 到 6 分鐘，可能會釋放 500 架飛機機群的 2% 到 3%。對於每年 300 萬到 500 萬美金的飛機，這可能會導致節省 3000 萬到 7500 萬美金的成本。

此架構使用攝影機和邊緣推論被動收集周轉事件資料。它提供即時追蹤和分析，以最佳化轉彎。

飛機轉彎追蹤圖

使用 AWS IoT Greengrass 和開啟 Amazon SageMaker AI 的飛機轉向追蹤架構 AWS。

下列步驟說明 架構：

  1. 大門攝影機：飛機外的三台攝影機涵蓋了 tarmac 轉向事件。Jet bridge 攝影機：兩個攝影機涵蓋加入。閘道計數器攝影機：一個攝影機涵蓋了空服員和客服人員的抵達。

  2. 針對推論訓練，請在一或兩個閘道安裝攝影機。錄製影片串流 4 到 6 週。使用 SageMaker AI Ground Truth 標記周轉事件。

  3. AWS IoT GreengrassAWS IoT Core、 和 AWS IoT Device Management 使用 Lambda 和 SageMaker AI 在邊緣管理攝影機和執行推論。

  4. 使用專用資料庫和無伺服器架構。DynamoDB、Kinesis、Lambda、API Gateway 和 AWS AppSync 為行動應用程式和儀表板提供即時微服務、通知和事件。

  5. Amazon S3、Amazon Redshift 和 Quick 提供資料湖和分析平台。針對 AI/ML 模型使用 SageMaker AI 進行轉彎最佳化。使用 Athena 進行臨機操作分析。

深入閱讀

如需詳細資訊，請參閱下列資源：

圖表歷史記錄

若要接收有關此參考架構圖表的更新，請訂閱 RSS 摘要。

變更描述日期

初次出版

首先發佈參考架構圖。

2021 年 3 月 10 日

RSS 訂閱需求

若要訂閱 RSS 更新，您必須為正在使用的瀏覽器啟用 RSS 外掛程式。