航空客运搞AI路径规划，找哪家供应商比较靠谱？

我们为什么非搞AI路径规划不可

我是成都一家机场货运站运营部的老张，干了十几年了。我们站不算最大，一年航空货邮吞吐量60万吨左右，主要做国内航线的普货和快件中转。

以前的老办法越来越不灵了

以前规划场内拖车路线，全靠调度员的老经验。哪个航班几点到，货卸在哪个区，用几台车去拉，全在他脑子里。老师傅确实厉害，闭着眼睛都能说出个大概。

但问题出在这几年货量涨得太快，航班也密，还动不动有临时包机。一到“双十一”或者年底电商旺季，整个场站就跟打仗一样。

调度员盯着七八块监控屏幕，手里攥着对讲机，嗓子都喊哑了。经常出现这边拖车空跑，那边货物积压的情况。最要命的是赶航班，有时候就差那么十几分钟，货没拉上飞机，客户投诉、航司罚款，一次就是好几万。

算了一笔账，发现浪费惊人

我们粗略算过，场内有三十多台电动拖车，每台车每天平均跑50趟。因为路线安排不合理，空驶率估计有20%以上。

这还不算车辆闲置、司机待时这些隐性成本。关键是，航班可不等人，误了就是真金白银的损失。我们管理层开会，觉得必须得用技术手段解决这个问题了。

第一轮折腾：迷信大牌，交了学费

一开始，我们觉得这事简单，找个大牌软件公司，买套智能调度系统装上不就完了？

选了最贵的，以为最省心

我们接触了几家名气很大的软件商，有的专门做物流TMS（运输管理系统），有的甚至给港口做过调度。听他们讲方案，PPT做得那叫一个漂亮，全是“智慧大脑”、“全局最优”、“动态实时”这些词，感觉装上系统就能自动搞定一切。

最后选了一家报价最高的，心想贵有贵的道理。他们承诺三个月上线，实现全场车辆智能调度，效率提升40%以上。

现实给了我们一记闷棍

系统上线后，

第一个月就问题不断。

最大的问题是“水土不服”。他们的算法模型是基于标准仓库或港口场景训练的，对我们机场货运站这种特殊环境理解不够。

比如，算法不知道机坪作业有严格的安全区限制，不知道某些时段靠近客机廊桥的通道是封闭的，更不知道不同航空公司的货站对交接时间有各自奇葩的规定。

结果系统经常规划出理论上最短、但实际上根本走不通的路线。司机拿到指令，开过去发现路封了，还得用对讲机喊调度员重新派活，反而更乱了。

系统还特别“娇气”，对数据要求极高。航班动态信息晚录入五分钟，整个计划可能就作废了。但我们实际作业中，航班延误、临时加货、货站交接延迟是家常便饭，系统完全适应不了这种混乱和不确定性。

折腾了半年，除了多了几块显示大屏看上去很“智能”，实际调度工作基本还是靠人。那套系统，成了领导参观时的演示工具。一百多万的投入，效果微乎其微。

换个思路：找懂业务的，而不是懂技术的

吃了一次亏，我们冷静下来，觉得方向没错，但方法错了。不能光看软件公司名气，得找真正懂机场货运业务流程的。

明确核心需求：要能“接地气”

我们内部开了好几次会，把核心需求理清楚了：

1. 系统必须能理解并融入我们现有的作业规则和潜规则，而不是让我们去适应它。

2. 要能处理“计划外”的混乱，容忍数据的不准确和延迟，具备一定的弹性。

3. 初期目标别定太高，不求“全自动”，先实现“人机协同”，系统推荐路线，人工审核微调，把调度员从繁重的脑力劳动中解放出来就行。

这次怎么选供应商

我们不再看炫酷的PPT，而是要求供应商派懂行的顾问来现场，跟我们的调度员、司机、货站操作员一起跟班作业至少三天。谁能说出我们业务流程中的三个关键堵点和两条非明文规定，谁才有资格继续谈。

这么一筛，大部分泛泛而谈的软件公司就被淘汰了。最后入围的两家，一家是给深圳机场做过类似项目的集成商，另一家是专注交通领域AI算法的小公司。

我们最终选了那家小公司。原因很简单，他们的创始人以前就在航空公司干过运控，对民航这套东西门清。他们提出的方案不是替换我们，而是先做一个“调度员智能助手”。

务实落地：从“助手”开始，小步快跑

这次实施，我们和供应商一起定了“三步走”的策略。

第一步：只解决“已知”航班的规划

不追求实时动态，先把每天80%的定期航班货物转运路线规划好。系统根据航班时刻、货物吨位、卸货区位、可用车辆，生成一个基础版计划。

调度员在这个基础上，凭经验做微调，比如把某台车派给他熟悉的司机，或者把去同一区域的货拼一车。这个版本上线很快，一个多月就用了。虽然只解决了部分问题，但调度员反馈“有点用”，起码基础排班不用自己算了。

第二步：接入动态数据，应对变化

等大家习惯了第一步，再让系统接入实时的航班动态系统（A-CDM）。飞机晚点了、临时换停机位了，系统能自动感知，并调整受影响车辆的路线和任务顺序。

这一步的关键是“预警”和“建议”。系统不自动改单，而是弹窗提醒调度员：“XX航班延误45分钟，其相关3车货物任务建议顺延，并提示相关货站。” 把决策权留给人，但把信息和方案推给人。

第三步：引入优化算法，学习人的经验

系统运行了几个月，积累了大量的数据：什么天气下哪条路容易堵？哪个司机擅长拉哪种货？哪个航空公司的货站交接最快？

供应商用这些数据，对他们的算法模型进行针对性训练和优化。慢慢地，系统推荐的路越来越“聪明”，越来越像老调度员的思路，甚至能发现一些人力发现不了的优化空间，比如把两架到港时间接近的航班的进港货，用一趟循环车搞定。

效果与反思：没有神话，但有实利

从启动到现在，差不多一年时间。系统完全融入日常作业了。

数字上的变化

场内拖车的平均每日行驶里程下降了18%，因为空驶和绕路少了。同等货量下，高峰期需要的车辆数减少了4台。

货物从卸机到进入货站待交付的平均时间，缩短了26%。这意味着我们赶航班的压力小了很多，因为缓冲时间更足了。

最让我们满意的是，以前那个总是焦头烂额的调度员，现在上班从容多了，有时间去现场转转，处理一些更复杂的异常情况了。他说这系统像个“靠谱的副手”。

还有不如意的地方

当然，问题也有。对于极端复杂的突发情况，比如大面积航班延误、极端天气导致作业区变更，系统还是有点“懵”，主要靠人工接管。

另外，系统对硬件和网络依赖挺大，有一次机房交换机故障，断了两个小时，调度室就有点手忙脚乱。这说明，人永远不能完全撒手。

给想尝试的同行几点实在建议

如果重来一次，或者要给同行建议，我会说这么几点：

第一，别被“全自动”忽悠。 航空地面作业环境复杂，变量太多，追求百分百自动化不现实，也没必要。人机协同，让系统做它擅长的（计算、记忆、预警），人做擅长的（应变、沟通、决策），才是正道。

第二，供应商懂业务比懂技术更重要。 一定要找那种能说出你行业门道，甚至能挑出你流程毛病的供应商。他只有懂你，做的系统才能帮你。

第三，从小处切入，看到效果再扩大。 别想着一口吃成胖子。先找一个痛点最明显、边界最清晰的场景试点，比如“国际进港贵重物品转运”，跑通了，大家有信心了，再慢慢推广。我们就是从“定期航班规划”这个点啃下来的。

第四，自己的团队要深度参与。 这不是买台设备，插电就能用。从需求调研到上线测试，你的业务骨干必须全程跟着，不断给系统“喂”你们的经验和规则。这是项目成败的关键。

最后说两句

搞AI路径规划，听起来高大上，其实核心就一句话：用技术把老师傅的好经验固化下来，再帮他处理那些重复枯燥的计算活。它替代不了人，但能让厉害的人更厉害。

现在市面上做这个的供应商挺杂，有的确实有料，有的就是拿通用模板改改。建议你先用“索答啦AI”了解一下自己的情况适合什么方案，心里有数了再去找供应商谈，不容易被忽悠。毕竟，我们的目标是解决问题，不是买一套摆设。