«Аэрофлот» оптимизировал полноту использования грузопочтовой квоты на пассажирских рейсах с помощью системы Cargo Air Москва

В июле 2019 года в ПАО «Аэрофлот» была поставлена задача оптимизировать коммерческую загрузку рейсов. Для ее решения было необходимо оптимизировать полноту использования грузопочтовой квоты пассажирских рейсов и повысить точность прогнозирования емкостей загрузки.

Эксперты компании «Иннодата», которых привлекли на реализацию проекта, проанализировали массив исторических данных по рейсам и большой объем неструктурированных данных по загрузке воздушных судов. Затем были определены метрики, по которым произведена оценка эффективности прогнозов. Результаты аналитики позволили специалистам разработать методику и критерии оценки испытаний, включая оценку качества прогнозов. Процесс исследования происходил с применением технологий машинного обучения на базе программного обеспечения Big Data (Hive, Spark ML).

«Для прогнозирования грузопочтовых емкостей пассажирских рейсов зачастую необходимо использовать информацию о рейсах, по которым нет исторических данных для обучения моделей прогнозирования, – комментирует Александр Сергиенко, исполнительный директор компании «Иннодата». – Однако проектная команда спроектировала ядро системы таким образом, что она способна обрабатывать не только такую незафиксированную ранее информацию, но и учитывать данные о загрузке рейса, количестве пассажиров, уровне топлива. Кроме того, система реагирует на изменения в расписании, замену типов воздушных судов и другие важные факторы».

Кроме работы с большими неструктурированными данными, реализация проекта осложнялась необходимостью расшифровывать специальные CPM- и LDM- телеграммы, которые формируются при подготовке судна к вылету. Это данные о загрузке самолета по всему маршруту и о загрузке грузовых отсеков. Поскольку составляются они вручную, то часто содержат ошибки и могут иметь несколько несовпадающих версий.

Разработчики консолидировали исторические данные, построили самообучаемые модели прогнозирования, создали функционал, способный настраивать и оптимизировать алгоритмы работы системы, и, как следствие, обеспечили Аэрофлот инструментом для точного прогнозирования грузопочтовой квоты.

«В результате внедрения автоматизированной системы прогнозирования грузопочтовых емкостей пассажирских рейсов Сargo Air в «Аэрофлоте» точность прогнозных значений загрузки воздушных судов за 6 месяцев увеличилась на 20%, а точность прогнозирования доступной свободной грузовой квоты выросла до 90%, – говорит Кирилл Богданов, заместитель генерального директора по информационным технологиям ПАО «Аэрофлот». – Это позволило нам существенно оптимизировать коммерческую загрузку рейсов в целом в масштабах всей Группы».