1. Введение

Наземное обеспечение полётов является критическим компонентом авиационной инфраструктуры, включающим планирование и координацию заправки, технического обслуживания, обработки багажа, посадки и высадки пассажиров, а также управления наземным транспортом. С ростом интенсивности воздушного движения и усложнением логистики традиционные методы управления оказываются недостаточно эффективными.

Использование методов искусственного интеллекта позволяет решать задачи планирования и оптимизации наземных процессов с учетом большого количества переменных и непредсказуемых факторов. Автоматизация таких процессов способствует повышению точности операций, сокращению времени обработки рейсов и снижению человеческого фактора в управлении.

2. Методы и технологии

В рамках автоматизации наземного обеспечения полётов применяются следующие методы ИИ:

Машинное обучение (ML)

Прогнозирование времени прибытия и убытия рейсов.

Оптимизация расписаний наземного персонала и техники.

Обнаружение аномалий в работе оборудования и наземной инфраструктуры.

Интеллектуальные агентные системы

Координация работы различных подразделений аэропорта в режиме реального времени.

Автоматическое распределение ресурсов (например, буксировочные средства, трапы, топливозаправщики).

Методы прогнозирования и оптимизации

Алгоритмы оптимизации маршрутов для наземного транспорта.

Моделирование сценариев задержек и автоматическая корректировка расписания.

Интеграция с системами больших данных (Big Data)

Анализ исторических данных о рейсах для улучшения прогнозных моделей.

Обработка потоков данных от сенсоров и IoT-устройств на территории аэропорта.

3. Применение и результаты

Применение ИИ в автоматизации наземного обеспечения позволяет:

Сократить время оборота самолета на стоянке на 15–25 %.

Уменьшить количество ошибок при распределении ресурсов на 30–40 %.

Повысить точность прогнозов времени прибытия рейсов до 95 %.

Примеры успешных внедрений включают интеллектуальные системы управления аэропортами, которые используют алгоритмы машинного обучения для прогнозирования загруженности стоянок и автоматического назначения трапов и буксиров.

5. Обсуждение и анализ вызовов

Несмотря на очевидные преимущества и подтверждённые экономические эффекты, широкомасштабное внедрение технологий ИИ в сфере НОП сопряжено с рядом фундаментальных вызовов.

— Технологическая гетерогенность и интеграция. Как отмечается в отраслевых обзорах, авиационная отрасль характеризуется высокой степенью фрагментации ИТ-систем и процессов. Разрозненность данных и отсутствие стандартизированных интерфейсов обмена информацией между различными участниками (аэропорт, авиакомпании, хендлинговые компании) являются серьёзным препятствием для создания сквозных интеллектуальных систем управления. Преодоление этого барьера требует реализации событийно-ориентированных стратегий интеграции и внедрения отраслевых стандартов обмена данными.

— Качество и репрезентативность данных. Эффективность моделей машинного обучения напрямую зависит от объёма и качества обучающих выборок. В условиях реальной эксплуатации данные могут быть неполными, зашумлёнными или содержать систематические искажения, что может приводить к некорректной работе алгоритмов и ошибкам в прогнозировании.

— Безопасность и киберустойчивость. Переход к автономным системам управления и широкое использование сетевых технологий повышают уязвимость аэропортовой инфраструктуры перед кибератаками. Системный обзор проблем безопасности автономных транспортных средств подчёркивает критическую важность разработки надёжных механизмов защиты от несанкционированного доступа и деструктивных воздействий.

— Нормативно-правовое регулирование и сертификация. Внедрение автономных систем, особенно в такой высокорегулируемой отрасли, как гражданская авиация, требует разработки новых нормативных документов и процедур сертификации, гарантирующих безопасность полётов и наземных операций. Отсутствие чёткой регуляторной базы сдерживает инвестиции и замедляет масштабирование инновационных решений.

6. Заключение

Проведённый анализ демонстрирует, что применение методов искусственного интеллекта в автоматизации управления наземным обеспечением полётов переходит из стадии экспериментальных разработок в фазу практического промышленного внедрения. Ведущие мировые и российские аэропорты уже получают измеримые экономические и операционные эффекты от использования технологий компьютерного зрения, предиктивной аналитики и интеллектуальной диспетчеризации.

Ключевые результаты внедрения ИИ включают сокращение времени оборота воздушного судна на 15–25 %, снижение операционных затрат за счёт оптимизации использования ресурсов, повышение точности прогнозирования до 95–99 % и, как следствие, улучшение пунктуальности выполнения рейсов. Дальнейшее развитие данного направления будет определяться успешностью решения задач межсистемной интеграции, обеспечения кибербезопасности и совершенствования нормативно-правовой базы.

Перспективными векторами научных исследований представляются: разработка гибридных моделей прогнозирования, сочетающих физически-информированные и чисто data-driven подходы; создание многоагентных систем координации действий всех участников наземного обслуживания на основе принципов децентрализованного ИИ; а также углублённое изучение вопросов доверия человека к автономным системам и разработка человеко-ориентированных интерфейсов для операторов и диспетчеров.

Литература:

1. Dubai Airports introduces AI-powered turnaround management system at DXB // Airports Alliance. — 2025. — URL: https://www.airportsalliance.com/dubai-airports-introduces-ai-powered-turnaround-management-system-at-dxb/ (дата обращения: 10.04.2026).
2. Аэропорт Шереметьево представил революционную ИИ-экосистему для аэропортов на ЦИПР-2025 // Ru-Bezh.ru. — 2025. — URL: https://www.ru-bezh.ru/аэропорт-шереметьево-представил-революционную-ии-экосистему-для-аэропортов-на-ципр-2025 (дата обращения: 10.04.2026).
3. «Билайн» разработал ИИ-систему для контроля обслуживания самолетов // IXBT.com. — 2026. — URL: https://www.ixbt.com/news/2026/04/01/bilajn-razrabotal-iisistemu-dlja-kontrolja-obsluzhivanija-samoletov.html (дата обращения: 10.04.2026).
4. «Пулково» станет первой воздушной гаванью России, внедрившей роевой ИИ // CNews. — 2026. — URL: https://www.cnews.ru/news/top/2026–04–01_pulkovo_stanet_pervoj_vozdushnoj (дата обращения: 10.04.2026).