Searidge Technologies想利用AI技术让塔台成为历史

机场爱好者可能会对这一变化深感遗憾。但总部位于加拿大安大略省的Searidge Technologies公司则认为其想法是有理可循的。

该公司认为基于AI的视频系统可以更好地观察跑道、滑行道和登机口区域。通过多达200个摄像头对机场运行情况进行“观察”，将无需为指挥塔设置空中交通管制员。

但这并不意味着空中交通管制员将退出历史舞台。Searidge提出的替代方案是一种全新的理念，它可以通过远程塔台来实现。航空业对安全性要求极高，让这一行业接受这一理念其实并不容易。

但接受这一理念之后的回报却难以否认，其中包括减少滑行和等候时间、每小时多处理15%至30％的飞机、以及减少停机坪事故的发生。

Searidge研发负责人Chris Thurow表示：“这个行业正在做出调整，现在往往把空中交通管制员安排在普通的建筑物中。这使得他们的视角比在塔台上看到的更好。”

使用Searidge技术从远程塔台上看到的机场视图。

最初只是雷达的替代品

起初，Searidge致力于为昂贵的雷达系统提供更便宜的替代品，用于跟踪和识别机场跑道和滑行道上的物体。该公司最早的产品使用传统的计算机视觉算法通过CPU来分析视频内容。十多年前，它们还能够满足系统的要求。

但之后，视频的分辨率和对实时智能的需求都在快速增长。CPU已无法满足这些资源密集型功能的需求。

Chris Thurow指出：“使用GPU技术，我们可以更低的价格和更少数量的服务器来满足这些需求。”

大约两年前，Searidge开始改用GPU。该公司还结合使用了NVIDIA的CUDA库、TensorRT深度学习推理加速器以及Caffe深度学习框架等深度学习工具。

此后，由于机场不仅要求监控覆盖跑道和滑行道，还要求覆盖停机坪和登机口区域，Searidge对其技术进行了功能扩展。

该公司开始研发更先进的AI技术，以适应更为广泛的业务要求。这样，他们将能够检测更多种类的物体。甚至还可以推断出这些物体可能会导致意外延迟的时间。

“我们仍在努力实现技术突破。”Thurow说道。

Searidge Technologies的一个控制工作站。

使用海量机场数据进行训练

Searidge一直在运行NVIDIA Quadro P6000的工作站上训练深度学习网络。该系统不断从其服务的机场收集图像以扩大其训练基础。训练通常需要五到七天，因此该公司最近开始使用基于GPU的Google Cloud进行训练，以加快此进程。

该公司在运行Quadro P6000的工作站上部署了其技术，可以针对20个高清摄像头实时定位目标、进行分类和拼接图像。进驻机场后，它将24小时对机场的正常运行进行注释，并将其与20个国家/地区的三十几个机场的客户数据进行结合，因此其算法一直在不断完善。

Searidge的AI创新是建立在他们的“远程塔台”平台基础之上的。Thurow表示将不会再修建新的指挥塔或者翻新指挥塔。机场正在将空中交通管制转移到地面设施，而他们甚至考虑异地操作。随着将AI应用到远程塔，他们将可以提供高水平的环境感知和空中交通管制员支持。

他表示，在某些情况下，较小的机场正在考虑结盟，从而让一个远程塔台管理多个机场设施。

欧盟首个获得认证的中型多跑道远程塔台最近在匈牙利布达佩斯开设，使用的就是Searidge的技术。所有塔台控制器都已在系统上接受过训练，该系统最初用于应急操作、实时训练和作为备用系统。匈牙利空中导航服务商HungaroControl的目标是到2020年，在布达佩斯运营一个专职的远程塔台。

Thurow相信AI创新的进一步发展将铸就一个功能更加完善的“AI 助手”。AI助手可以捕捉人类可能错过的事物，帮助空中交通管制员预测情况并识别模式。“我希望AI助手能够在未来五到十年内发挥作用。”他说道。