機場愛好者可能會對這一變化深感遺憾。但總部位于加拿大安大略省的Searidge Technologies公司則認為其想法是有理可循的。

該公司認為基于AI的視頻系統可以更好地觀察跑道、滑行道和登機口區域。通過多達200個攝像頭對機場運行情況進行“觀察”，將無需為指揮塔設置空中交通管制員。

但這并不意味著空中交通管制員將退出歷史舞臺。Searidge提出的替代方案是一種全新的理念，它可以通過遠程塔臺來實現。航空業對安全性要求極高，讓這一行業接受這一理念其實并不容易。

但接受這一理念之后的回報卻難以否認，其中包括減少滑行和等候時間、每小時多處理15%至30％的飛機、以及減少停機坪事故的發生。

Searidge研發負責人Chris Thurow表示：“這個行業正在做出調整，現在往往把空中交通管制員安排在普通的建筑物中。這使得他們的視角比在塔臺上看到的更好。”

使用Searidge技術從遠程塔臺上看到的機場視圖。

最初只是雷達的替代品

起初，Searidge致力于為昂貴的雷達系統提供更便宜的替代品，用于跟蹤和識別機場跑道和滑行道上的物體。該公司最早的產品使用傳統的計算機視覺算法通過CPU來分析視頻內容。十多年前，它們還能夠滿足系統的要求。

但之后，視頻的分辨率和對實時智能的需求都在快速增長。CPU已無法滿足這些資源密集型功能的需求。

Chris Thurow指出：“使用GPU技術，我們可以更低的價格和更少數量的服務器來滿足這些需求。”

大約兩年前，Searidge開始改用GPU。該公司還結合使用了NVIDIA的CUDA庫、TensorRT深度學習推理加速器以及Caffe深度學習框架等深度學習工具。

此后，由于機場不僅要求監控覆蓋跑道和滑行道，還要求覆蓋停機坪和登機口區域，Searidge對其技術進行了功能擴展。

該公司開始研發更先進的AI技術，以適應更為廣泛的業務要求。這樣，他們將能夠檢測更多種類的物體。甚至還可以推斷出這些物體可能會導致意外延遲的時間。

“我們仍在努力實現技術突破。”Thurow說道。

Searidge Technologies的一個控制工作站。

使用海量機場數據進行訓練

Searidge一直在運行NVIDIA Quadro P6000的工作站上訓練深度學習網絡。該系統不斷從其服務的機場收集圖像以擴大其訓練基礎。訓練通常需要五到七天，因此該公司最近開始使用基于GPU的Google Cloud進行訓練，以加快此進程。

該公司在運行Quadro P6000的工作站上部署了其技術，可以針對20個高清攝像頭實時定位目標、進行分類和拼接圖像。進駐機場后，它將24小時對機場的正常運行進行注釋，并將其與20個國家/地區的三十幾個機場的客戶數據進行結合，因此其算法一直在不斷完善。

Searidge的AI創新是建立在他們的“遠程塔臺”平臺基礎之上的。Thurow表示將不會再修建新的指揮塔或者翻新指揮塔。機場正在將空中交通管制轉移到地面設施，而他們甚至考慮異地操作。隨著將AI應用到遠程塔，他們將可以提供高水平的環境感知和空中交通管制員支持。

他表示，在某些情況下，較小的機場正在考慮結盟，從而讓一個遠程塔臺管理多個機場設施。

歐盟首個獲得認證的中型多跑道遠程塔臺最近在匈牙利布達佩斯開設，使用的就是Searidge的技術。所有塔臺控制器都已在系統上接受過訓練，該系統最初用于應急操作、實時訓練和作為備用系統。匈牙利空中導航服務商HungaroControl的目標是到2020年，在布達佩斯運營一個專職的遠程塔臺。

Thurow相信AI創新的進一步發展將鑄就一個功能更加完善的“AI 助手”。AI助手可以捕捉人類可能錯過的事物，幫助空中交通管制員預測情況并識別模式。“我希望AI助手能夠在未來五到十年內發揮作用。”他說道。