Tiềm năng áp dụng mô hình graph neural network trong việc tối ưu hóa thời gian lăn bánh của tàu bay tại cảng hàng không quốc tế tân sơn nhất

Chuyên khảo phân tích Tiềm năng áp dụng mô hình graph neural network trong việc tối ưu hóa thời gian lăn bánh của tàu bay, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên

• Tác giả: Nguyễn Thị Minh Ngọc
• Người hướng dẫn: Th.S. Hồ Thị Vũ Hiền
• Trường học: Học viện Hàng không Việt Nam
• Chuyên ngành: Khoa Khai thác Hàng không
• Đề tài: Tiềm Năng Áp Dụng Mô Hình Graph Neural Network Trong Tối Ưu Hóa Thời Gian Lăn Bánh Tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất
• Loại tài liệu: Báo cáo đồ án môn học
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• PHÂN CÔNG NHIỆM VỤ TỪNG THÀNH VIÊN
• NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN
• DANH MỤC BẢNG BIỂU
• DANH MỤC HÌNH ẢNH
• KÝ HIỆU VIẾT TẮT
• MỞ ĐẦU
• 1. CHƯƠNG 01: GIỚI THIỆU TỔNG QUAN
• 1.1. Giới thiệu tổng quan về đề tài
• 1.2. Lý do chọn đề tài
• 1.3. Tính cấp thiết của đề tài nghiên cứu
• 1.4. Phạm vi và đối tượng nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.6. Ý nghĩa của đề tài nghiên cứu
• 1.7. Tổng quan Thời gian tàu bay lăn bánh
• 1.8. Thời gian lăn tối ưu
• 1.9. Ý nghĩa của thời gian lăn trong quá trình khai thác
• 2. CHƯƠNG 02: CƠ SỞ NGHIÊN CỨU VỀ CÁC MÔ HÌNH TỐI ƯU HÓA THỜI GIAN LĂN BÁNH CỦA TÀU BAY
• 2.1. Các nghiên cứu mô hình dự báo thời gian của hệ thống A-CDM
• 2.1.1. Nghiên cứu về mô hình Graph Neural Network trong việc tính toán thời gian lăn bánh tại sân bay Atlanta
• 2.1.2. Nghiên cứu về việc áp dụng phương pháp Hồi quy tuyến tính (Linear Regression) trong các mô hình dự đoán thời gian lăn bánh khởi hành
• 2.2. Đánh giá hai mô hình nghiên cứu thời gian lăn bánh
• 2.2.1. Nguyên lý cốt lõi của 2 mô hình nghiên cứu
• 2.2.2. Các yếu tố đánh giá mô hình
• 2.2.3. Đánh giá lựa chọn mô hình
• 3. CHƯƠNG 03: MÔ HÌNH GRAPH NEURAL NETWORK TRONG VIỆC TỐI ƯU HÓA THỜI GIAN LĂN BÁNH CỦA TÀU BAY
• 3.1. Mô hình Graph Neural Network
• 3.1.1. Tổng quan về mô hình Graph Neural Network
• 3.1.2. Đặc tính của mô hình Graph Neural Networks
• 3.1.3. Ứng dụng mô hình Graph Neutral Network đưa ra dự đoán thời gian lăn bánh của tàu bay
• 3.1.4. Các trang thiết bị yêu cầu khi triển khai mô hình GNN
• 3.2. Tính phù hợp mô hình Graph Neural Network trong hoạt động dự đoán thời gian lăn bánh của tàu bay tại Cảng HKQT Tân Sơn Nhất
• 3.3. Thực trạng tắc nghẽn tại Cảng HKQT Tân Sơn Nhất
• 3.4. Đánh giá tính phù hợp của mô hình GNN trong việc tối ưu hóa thời gian lăn bánh
• 4. CHƯƠNG 04: BÀI TOÁN NGHIÊN CỨU ÁP DỤNG MÔ HÌNH GNN TRONG VIỆC TỐI ƯU HÓA THỜI GIAN LĂN BÁNH CỦA TÀU BAY TẠI CẢNG HÀNG KHÔNG QUỐC TẾ TÂN SƠN NHẤT
• 4.1. Mô hình giả định áp dụng GNN trong việc tối ưu hóa thời gian lăn bánh của tàu bay
• 4.1.1. Phạm vi và đối tượng áp dụng
• 4.1.2. Các yếu tố ảnh hưởng
• 4.1.3. Áp dụng mô hình GNN tại CHKQT Tân Sơn Nhất
• 4.2. Bài toán áp dụng nghiên cứu GNN tại CHKQT Tân Sơn Nhất
• 4.2.1. Các giả thuyết của bài toán
• 4.2.2. Bài toán thực tế áp dụng mô hình GNN
• 4.2.3. Kết quả nghiên cứu
• 4.2.4. Kiểm định mô hình
• 4.2.4.1. Thời gian lăn trung bình trên các đoạn đường lăn
• 4.2.4.2. Thời gian dừng chờ trung bình
• 4.2.4.3. Đánh giá chung
• 4.2.5. Đề xuất hướng phát triển
• 4.2.6. Tiểu kết chương
• 4.3. Tổng kết đánh giá
• 4.4. Những khó khăn còn tồn tại
• 5. CHƯƠNG 05: TỔNG KẾT
• DANH MỤC TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tiềm năng áp dụng mô hình Graph Neural Network trong tối ưu hóa thời gian lăn bánh

Mô hình Graph Neural Network (GNN) đang nổi lên như một giải pháp tiềm năng trong việc tối ưu hóa thời gian lăn bánh tại các cảng hàng không. Tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất, việc áp dụng GNN có thể giúp cải thiện hiệu suất hoạt động, giảm thiểu thời gian chờ đợi và tăng cường khả năng quản lý giao thông hàng không. Nghiên cứu này sẽ phân tích các khía cạnh quan trọng của mô hình GNN và cách thức nó có thể được triển khai để tối ưu hóa quy trình lăn bánh của tàu bay.

1.1. Tổng quan về mô hình Graph Neural Network

Mô hình Graph Neural Network là một phương pháp học sâu, cho phép xử lý dữ liệu có cấu trúc đồ thị. GNN có khả năng học từ các mối quan hệ phức tạp giữa các nút trong đồ thị, điều này rất hữu ích trong việc phân tích dữ liệu giao thông tại sân bay.

1.2. Lợi ích của việc tối ưu hóa thời gian lăn bánh

Tối ưu hóa thời gian lăn bánh không chỉ giúp giảm thiểu chi phí nhiên liệu mà còn nâng cao trải nghiệm hành khách. Việc giảm thời gian lăn bánh có thể dẫn đến việc tăng cường hiệu suất hoạt động của cảng hàng không và giảm thiểu tình trạng tắc nghẽn.

II. Vấn đề và thách thức trong tối ưu hóa thời gian lăn bánh tại cảng hàng không

Tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất, nhiều vấn đề phát sinh trong quá trình lăn bánh của tàu bay. Tình trạng tắc nghẽn, thời gian chờ đợi kéo dài và sự không đồng bộ trong hệ thống giao thông là những thách thức lớn. Việc áp dụng mô hình GNN có thể giúp giải quyết những vấn đề này một cách hiệu quả.

2.1. Tình trạng tắc nghẽn tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất

Tình trạng tắc nghẽn tại cảng hàng không thường xuyên xảy ra do lưu lượng tàu bay cao. Điều này dẫn đến việc tăng thời gian lăn bánh và ảnh hưởng đến lịch trình bay. GNN có thể giúp phân tích và dự đoán thời gian lăn bánh một cách chính xác hơn.

2.2. Các yếu tố ảnh hưởng đến thời gian lăn bánh

Nhiều yếu tố như thời tiết, mật độ giao thông và quy trình kiểm soát không lưu ảnh hưởng đến thời gian lăn bánh. Việc hiểu rõ các yếu tố này sẽ giúp mô hình GNN hoạt động hiệu quả hơn trong việc tối ưu hóa thời gian.

III. Phương pháp áp dụng mô hình Graph Neural Network trong tối ưu hóa

Để áp dụng mô hình Graph Neural Network trong tối ưu hóa thời gian lăn bánh, cần thực hiện một số bước quan trọng. Các bước này bao gồm thu thập dữ liệu, xây dựng mô hình và đánh giá hiệu quả của mô hình trong thực tế.

3.1. Thu thập và phân tích dữ liệu

Dữ liệu về thời gian lăn bánh, lưu lượng giao thông và các yếu tố khác cần được thu thập và phân tích. Việc này giúp xây dựng một cơ sở dữ liệu vững chắc cho mô hình GNN.

3.2. Xây dựng mô hình GNN

Sau khi thu thập dữ liệu, bước tiếp theo là xây dựng mô hình GNN. Mô hình này sẽ được huấn luyện để dự đoán thời gian lăn bánh dựa trên các yếu tố đã phân tích.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn của mô hình GNN

Kết quả nghiên cứu cho thấy mô hình Graph Neural Network có khả năng dự đoán thời gian lăn bánh chính xác hơn so với các phương pháp truyền thống. Việc áp dụng mô hình này tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất đã mang lại nhiều lợi ích thiết thực.

4.1. Kết quả dự đoán thời gian lăn bánh

Mô hình GNN đã cho kết quả dự đoán thời gian lăn bánh chính xác, giúp giảm thiểu thời gian chờ đợi và tăng cường hiệu suất hoạt động của cảng hàng không.

4.2. Ứng dụng thực tiễn tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất

Việc áp dụng mô hình GNN tại Cảng Hàng Không Quốc Tế Tân Sơn Nhất đã giúp cải thiện quy trình lăn bánh, giảm thiểu tình trạng tắc nghẽn và nâng cao trải nghiệm hành khách.

V. Kết luận và triển vọng tương lai của mô hình GNN trong ngành hàng không

Mô hình Graph Neural Network không chỉ là một công cụ mạnh mẽ trong việc tối ưu hóa thời gian lăn bánh mà còn mở ra nhiều cơ hội mới cho ngành hàng không. Tương lai của mô hình này hứa hẹn sẽ mang lại nhiều cải tiến trong quy trình quản lý giao thông hàng không.

5.1. Tương lai của mô hình GNN trong ngành hàng không

Với sự phát triển không ngừng của công nghệ, mô hình GNN có thể được cải tiến và áp dụng rộng rãi hơn trong ngành hàng không, giúp tối ưu hóa nhiều quy trình khác nhau.

5.2. Đề xuất hướng phát triển mô hình GNN

Cần tiếp tục nghiên cứu và phát triển mô hình GNN để nâng cao khả năng dự đoán và tối ưu hóa thời gian lăn bánh, đồng thời mở rộng ứng dụng của nó trong các lĩnh vực khác của ngành hàng không.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan. Giới thiệu về lý do chọn đề tài, phạm vi, phương pháp nghiên cứu; các khái niệm cơ bản về thời gian lăn, mối liên hệ của thời gian lăn trong mô hình A-CDM và ý nghĩa trong khai thác. Chương 2: Cơ sở nghiên cứu về các mô hình dự đoán thời gian lăn bánh của tàu bay. Trong chương này giới thiệu về mô hình Graph Neural Network trong việc tính toán thời gian lăn bánh, mô hình Linear Regression và so sánh.

Đây là cơ sở khoa học để chứng minh tính xác thực của để tài nghiên cứu này Chương 3: Mô hình Graph Neural Network trong việc dự đoán thời gian lăn bánh của tàu bay. Giới thiệu kỹ hơn về mô hình Graph Neural Network và chứng minh tính phù hợp mô hình Graph Neural Network trong việc dự đoán thời gian lăn bánh của tàu bay tại CHKQT Tân Sơn Nhất. Chương 4: Bài toán nghiên cứu tính tối ưu hóa trong việc dự đoán thời gian lăn bánh của tàu bay tại CHKQT Tân Sơn Nhất. Trong chương này đề cập về phạm vi đối tượng, các yếu tố ảnh hưởng và việc áp dụng mô hình GNN tại CHKQT Tân Sơn Nhất (kết quả, kiểm định, những khó khăn trong quá trình nghiên cứu, đề xuất hướng phát triển…) Chương 5: Tổng kết 2 CHƯƠNG 01: GIỚI THIỆU TỔNG QUAN 1.1 Giới thiệu tổng quan về đề tài 1.1 Lý do chọn đề tài  Hiện nay, quá trình hoạt động của tàu bay còn gặp nhiều khó khăn bao gồm trên không và trên mặt đất.

Đặc biệt là giai đoạn tàu bay lăn bánh ra đường CHC để cất cánh. Trong điều kiện hoạt động bình thường hoặc mật độ tàu bay ít, dường như việc dừng chờ trên đường lăn hay ở vị trí dừng chờ trước khi lên đường CHC sẽ không xảy ra. Đồng nghĩa, thời gian lăn trên đường lăn là ngắn nhất và tần suất cất cánh diễn ra nhịp nhàng. Tuy nhiên, đối với các sân bay quốc tế, với mật độ tàu bay cao, việc tàu bay dừng chờ hàng dài trên đường lăn trước khi lên đường CHC là việc xảy ra thường xuyên.

Đặc biệt, vào những giờ “cao điểm”, tình trạng này khiến cho các nhà khai thác hàng không, cảng hàng không – sân bay phải chịu nhiều áp lực không chỉ đến từ công suất khai thác bị giới hạn của cảng hàng không – sân bay mà còn đến từ các hành khách.  Trong lúc đó, một công cụ đắc lực xuất hiện hỗ trợ giải quyết vấn đề trên chính là mô hình Graph Neural Network. Mô hình này đề cập đến những thuật toán để xác định thời gian lăn bánh tối ưu của tàu bay. Chính vì vậy, nhóm nghiên cứu quyết định chọn đề tài “Tiềm năng áp dụng mô hình Graph Neural Network trong việc tối ưu hóa thời gian lăn bánh của tàu bay tại cảng hàng không quốc tế Tân Sơn Nhất” ở học phần Đồ án môn học 02 với mong muốn đưa đến những hiểu biết cũng như áp dụng mô hình mới này tại CHKQT Tân Sơn Nhất nhằm giảm thiểu được tối đa tình trạng tắc nghẽn vào các giai đoạn cao điểm tại đây.2 Tính cấp thiết của đề tài nghiên cứu  Hiện nay, thời gian tàu bay lăn bánh trên đường lăn chưa được tối ưu và còn xảy ra tình trạng tắc nghẽn kéo dài.

Điều này khiến cho hoạt động bay tại khu bay trì trệ, đặc biệt vào những giờ “cao điểm”. Từ thực trạng đó, nhóm nghiên cứu nhận thấy cần phải tìm hiểu và đưa ra những phương pháp, cách thức để giải quyết vấn 3 đề này. Từ đó, đặt ra những bước tiến nhằm đẩy nhanh và phát huy những mô hình mới mẻ, hiệu quả để khắc phục những hạn chế nêu trên, góp phần vào quy trình vận hành không ngừng nghỉ của ngành hàng không Việt Nam nói chung và công tác điều hành bay nói riêng.3 Phạm vi và đối tượng nghiên cứu  Phạm vi nghiên cứu:  Không gian: Trên thế giới và tại Việt Nam.  Thời gian: Thực hiện từ ngày 15/06/2023 đến ngày 20/07/2023.

 Đối tượng nghiên cứu chính trong bài báo cáo đồ án này là tính toán thời gian lăn bánh của tàu bay và cách thức tối ưu hóa nó thông qua việc áp dụng mô hình Graph Neural Network.4 Phương pháp nghiên cứu  Dựa vào đề tài đã chọn, nhóm nghiên cứu đã thực hiện triển khai nội dung thông qua các phương pháp tiếp cận có hệ thống và định tính:  Tiến hành nghiên cứu các thông tin khoa học về các phương pháp hoặc mô hình dự đoán thời gian lăn trên thế giới;  Tìm hiểu và đưa ra các khái niệm cơ bản về thời gian lăn bánh;  Chứng minh ý nghĩa trong khai thác của việc tối ưu thời gian lăn bánh;  Khảo sát, thu thập số liệu về thời gian lăn bánh của tàu bay tại CHKQT Tân Sơn Nhất. Những thông tin này được thu thập trên cơ sở quan sát qua ứng dụng Flightradar24, Google Earth và nghiên cứu các văn bản tài liệu khoa học chính thống;  Mô phỏng áp dụng mô hình để tối ưu hóa thời gian lăn bánh tại CHKQT Tân Sơn Nhất.  Kiểm định lại kết quả nghiên cứu.5 Ý nghĩa của đề tài nghiên cứu  Nhóm nghiên cứu mong muốn áp dụng mô hình GNN vào việc tính toán thời gian tàu bay lăn bánh khởi hành tại CHKQT Tân Sơn Nhất. Với mục đích cho thấy tính hiệu quả của mô hình GNN và giúp CHKQT Tân Sơn Nhất giải quyết được tình trạng tắc nghẽn kéo dài trên đường lăn.

Đồng thời, đặt ra kỳ vọng sẽ có nhiều cải tiến hơn trong công nghệ trong việc khắc phục những yếu tố ảnh hưởng đến hoạt động bay nói chung và thời gian tàu bay lăn bánh nói riêng. Từ đó, góp phần giúp cho công tác điều hành bay an toàn – điều hòa – hiệu quả.2 Tổng quan Thời gian tàu bay lăn bánh 1.1 Đường lăn  Hoạt động trong ngành hàng không bao gồm hoạt động trên không và hoạt động trên mặt đất. Cả hai giai đoạn đều được phối hợp nhịp nhàng và hỗ trợ cho nhau góp phần hình thành một nền hàng không an toàn và bền vững. Hơn hết, quá trình hoạt động trên mặt đất được diễn ra sôi nổi, nhộn nhịp và gồm nhiều giai đoạn chuẩn bị cho bắt đầu khởi hành cất cánh.

Trong đó, hoạt động trên đường lăn là một “mắt xích” quan trọng, đóng vai trò như “cầu nối” các giai đoạn với nhau.  Đường lăn: Là đường xác định trên sân bay mặt đất dùng cho tàu bay lăn và nối bộ phận này với bộ phận khác của sân bay.  Các loại đường lăn:  Đường lăn vào vị trí đỗ máy bay – Vệt lăn (Aircraft stand taxilane) – đường lăn nội bến: Là một phần sân đỗ tàu bay được xác định làm đường lăn chỉ dùng cho tàu bay lăn vào vị trí đỗ. 5 Hình 1 Đường lăn vào vị trí đỗ máy bay – Vệt lăn (Aircraft stand taxilane) [7]  Đường lăn trên sân đỗ máy bay (Apron taxiway): Là một phần của hệ thống đường lăn nằm trên sân đỗ tàu bay dùng làm đường lăn qua sân đỗ tàu bay.

Hình 2 Đường lăn trên sân đỗ máy bay (Apron taxiway) [7]  Đường lăn thoát nhanh (Rapid exit taxiway): Là đường lăn nối với đường CHC theo góc nhọn và dùng cho tàu bay thoát khỏi đường CHC với tốc độ cao. 6 Hình 3 Đường lăn thoát nhanh (Rapid exit taxiway) [7]  Góc giao nhau giữa đường lăn thoát nhanh với đường CHC không lớn hơn 45 độ và không nhỏ hơn 25 độ, tốt nhất là 30 độ.  Vận tốc lăn ra ở điều kiện mặt đường ẩm ướt  Đường CHC mã 1 và 2: 65 km/h  Đường CHC mã 3 và 4: 93 km/h  Yêu cầu đối với đường lăn  Đường lăn đảm bảo cho tàu bay di chuyển nhanh và an toàn trên mặt đất.  Để tàu bay nhanh chóng vào và ra khỏi đường CHC phải dự kiến đủ số lượng đường lăn vào và ra.

Khi mật độ giao thông lớn có thể nghiên cứu xây dựng đường lăn thoát nhanh.2 Thời gian lăn  Thời gian là một khái niệm để diễn tả trình tự xảy ra của các sự kiện nhất định, biến cố và thời gian kéo dài của chúng. Thời gian được xác định bằng số lượng các chuyển động của các đối tượng có tính lặp lại và thường có một thời điểm làm mốc gắn với một sự. [1] 7  Như vậy, thời gian tàu bay lăn diễn tả trạng thái tàu bay đang di chuyển trong một khoảng thời gian nhất định, tính từ vị trí sân đỗ ra đến đường CHC và ngược lại.3 Thời gian lăn tối ưu  Thời gian lăn tối ưu là khi đó tàu bay lăn trong một khoảng thời gian sao cho ngắn nhất, tạo điều kiện thuận lợi cho các hoạt động tiếp theo được diễn ra liên tục và hiệu quả nhất.  Vì vậy, các nhà khai thác hàng không như các hãng hàng không, cảng hàng không và nhà cung cấp dịch vụ bảo đảm hoạt động bay cùng nhau phối hợp, tính toán và ra quyết định để tàu bay lăn ra đường CHC trong thời gian nhanh nhất nhưng vẫn đảm bảo an toàn, điều hòa và hiệu quả.4 Ý nghĩa của thời gian lăn trong quá trình khai thác  Thời gian dự kiến lăn ra hay lăn vào được sử dụng để tính toán thời gian đóng chèn và thời gian cất cánh.

Thời gian dự kiến lăn ra, lăn vào (EXIT/EXOT) được xác định cụ thể cho mỗi đường CHC, vị trí đỗ và từng loại tàu bay.  Việc tính toán và dự đoán giờ lăn bánh của tàu bay một cách chính xác, nhanh chóng sẽ đạt được những lợi ích sau đây:  Tăng khả năng thực hiện chuyến bay đúng giờ;  Giảm thời gian hoạt động trên khu bay;  Giảm thiểu ùn tắc trên đường lăn;  Tối ưu thứ tự khởi hành;  Giảm chi phí do tiêu thụ nhiên liệu;  Thúc đẩy cho các quá trình tiếp theo được nhanh chóng, thuận lợi.  Việc dự đoán/tính toán giờ lăn bánh của tàu bay đúng, chính xác đóng góp một phần quan trọng thúc đẩy hoạt động bay tại cảng hàng không, sân bay.  Hiện nay, ngành hàng không đang phát triển với tốc độ quá nhanh, bên cạnh những mặt tích cực thì vẫn song song tồn tại và phát sinh thêm một số khó khăn như: gây tắc nghẽn, chậm chuyến, trễ chuyến, thay đổi giờ bay của các hãng 8 hàng không tại các cảng hàng không sân bay.

Vì vậy, “Phối hợp ra quyết định tại cảng hàng không sân bay” (A-CDM) ra đời là một trong những giải pháp nhằm hạn chế việc chậm chuyến, hủy chuyến, tăng năng lực khai thác tại các cảng hàng không sân bay mà hiện nay nhiều quốc gia trên thế giới đang áp dụng trong đó có Việt Nam.