华盛顿特区的大都会机场管理局(MWAA)基于自研人工智能模型打造实时智能平台，为杜勒斯和里根机场的旅客从停车场到登机口的全程缩减等候时间。

图片来源：Goutam Kundu / MWAA

凡是在机场安保处排过长队的人，都能体会到华盛顿特区大都会机场管理局（MWAA）的IT部门在云端借助人工智能实现的成就之可贵。

MWAA的IT团队负责监管华盛顿特区两座主要机场的人流、车流及登机口交通，他们开发出一个名为“Queue Hub（排队中心）”的实时智能平台，该平台融合分析学、人工智能、物联网和云计算技术，旨在提升航站楼运营效率与盈利能力。

MWAA的执行副总裁兼首席信息及数字官Goutam Kundu（库特姆·昆杜）表示，该平台为MWAA赢得了2025年首席信息官100强奖（CIO 100 Award）以表彰其在信息技术领导力与创新方面的卓越表现，而该平台是为这座首都城市的两座机场陆侧运营专门自主打造的。

自2023年7月全力推进以来，“Queue Hub（排队中心）”采用机器学习算法、开源目标检测算法以及定制人工智能模型构建而成。Kundu（昆杜）称，这一自研平台现已全面投入使用，在AWS云平台上运行，并且持续优化升级。

“这是一个动态系统，极具灵活性。情况随时在变，所以我们需要一个敏捷、智能、反应迅速的平台，这也是我们决定自主开发的原因，这是提升机场可预测性和运营效率的关键战略项目，也是我们在市场中的核心竞争力所在。”Kundu（昆杜）说道。

由于市面上并无现成的‘一站式’商业产品能够满足这两座大型机场的多样化需求，所以该组织并未采用现成工具或可编程的AWS模型，不过两座机场可以通过“Queue Hub（排队中心）”交换数据。

“我们致力于让旅客摆脱排队等候之苦，让他们有更多时间在机场内活动，这也有助于提升非航空业务收入，”Kundu（昆杜）表示，“这是我们的神经中枢，用于获取可执行的洞察。它并不能取代人力，但它确实将我们跨职能协作系统实时整合在了一起。”

旅客面临的两大痛点——忍受安保和海关的漫长等待——由于“Queue Hub（排队中心）”在两座机场之间及Reagan National（里根国家机场）和Dulles International（杜勒斯国际机场）机场内部的数据流通而得到直接缓解，这两座机场每年接待超过5,000万名旅客。

例如，“Queue Hub（排队中心）”与运输安全管理局（TSA）和海关边境巡逻系统集成，能够依据需求调配资源，自动将资源部署到正确的通道，精准把握时机，从而进一步减少拥堵。

据MWAA报告，“Queue Hub（排队中心）”已将等待时间预计减少了15%，杜勒斯机场如今拥有所有主要机场中最短的安保等待时间之一，平均仅10.5分钟。自投入运营以来，“Queue Hub（排队中心）”已将海关等待时间平均缩短了20%。

一、破解机场拥堵难题：从停车场到停机坪的顺畅体验

Goutam Kundu（库特姆·昆杜）指出，“Queue Hub（排队中心）”从机场入口到登机口的全流程数据引擎，不仅缓解了停车场拥堵，还极大优化了旅客出行体验，使机场运营更为顺畅。该平台实时监控进出机场的人流、车流，精准预测并提前疏导站前及登机口拥堵。除优化停车占用率和管控交通流外，它还助力Dulles International（杜勒斯国际机场）管理移动候机楼，确保旅客准时赶上中转航班，这一流程以往需要人工操作。

“该平台让我们实时掌握从站前到车库、再到航站楼的全流程动态，精准预测拥堵和旅客流量，高效管理站前检查点和停车活动。它并非取代人工，而是助力我们革新应对拥堵的方式。”Kundu（昆杜）补充道。

“Queue Hub（排队中心）”还监管并管控停机坪车辆流动，但据大都会机场管理局（MWAA）介绍，其尚未与美国联邦航空管理局（FAA）系统或管理飞机交通的空中系统集成。

二、内部优势

Kundu（昆杜）表示，“Queue Hub（排队中心）”基于机器学习（ML）算法构建，采用云端训练的自定义人工智能（AI）模型，融合物联网（IoT）技术、边缘AI、计算机视觉，以及成千上万的传感器和摄像头，生成“态势感知”数据。地铁站摄像头数据和航站楼传感器数据不断扩充，使站前检查点运营更为高效，同时缩短运输安全管理局（TSA）安检等待时间，提前预测并解决设备故障，助力旅客应对航班延误。

“构建排队中心的AI和ML模型时，我们运用计算机视觉建模与预测，并将其与IT生态系统其余部分相连。”Kundu（昆杜）称，航班时刻表、航空公司人员配置、行李处理系统、生物识别数据均无缝接入该生态系统。

Kundu（昆杜）指出，其用例不断拓展：“我们正针对季节性、小时级及活动相关模式、假日高峰和天气干扰等因素训练模型。它基于情境从这些数据源收集原始数据，实时利用数据，我们在此基础上构建模型，为合作伙伴提供更智能、更快速、更无缝的体验。”

除数据收集管道和推荐模型外，“Queue Hub（排队中心）”还连接众多其他平台，为华盛顿特区两座主要机场的旅客带来积极影响。

“我们拥有生物识别系统、显示系统、登机口管理系统、地面管理系统，这些生态系统必须协同运行。”Kundu（昆杜）强调。

尽管“Queue Hub（排队中心）”未来有望提升跑道使用率、加快飞机周转以增加航空业务收入，但目前其功能完全基于陆侧。

分析师指出，机场对更先进的云计算、人工智能、边缘计算和传感器技术的部署呈上升趋势。

“机场运营者正坚定转向利用AI和预测分析来破解历史上极具挑战性的陆侧难题——从混乱的站前区域到不可预测的航站楼排队。”国际数据公司（IDC）研究副总裁Dave McCarthy（戴夫·麦卡锡）表示，他负责研究云计算和边缘服务。

“机场迅速意识到，投资这些智能、数据驱动的系统不再是奢侈品，而是提升旅客吞吐量、优化资源配置、提供更无缝、更轻松旅程的必要之举。”他补充道。

亚特兰大哈茨菲尔德-杰克逊国际机场在信息技术总监Jon Pruitt（乔恩·普鲁特）的领导下，也在利用机器学习和生成式人工智能，基于机场全方位数据输入，数字化增强运营。

作者：Paula Rooney（宝拉·鲁尼）

Paula Rooney 是 CIO.com 的高级撰稿人，专注于报道首席信息官如何部署人工智能、云计算和数字技术来变革组织。作为一名资深的 IT 记者，她曾为 PC Week、CRN Linux.com、The Register、TechTarget 以及 ZDnet 和 UBM 等多家媒体撰写过报道。她拥有哥伦比亚大学新闻学硕士学位，最近因其专题新闻报道《人工智能将走向核能化？数据中心交易表明这不可避免》和案例研究《洛杉矶公益律师首席信息官数字化转型：引导人们进入项目而非监狱》分别获得 ASBPE 区域银奖和区域铜奖。

译者：小知

睿观：

为解决旅客排队时间长、运营效率低等痛点，华盛顿都会机场管理局（MWAA）自主开发了名为“Queue Hub”的实时AI智能平台（核心方案）。该平台整合AI、物联网与云技术，利用定制模型监控并预测从路边到登机口的客流与车流，并与TSA等机构系统集成，动态调配资源（运作方式）。此举成功将安检、海关等待时间缩短了15-20%，不仅提升了旅客体验，还通过引导旅客消费促进了非航空业务收入，彰显了定制化AI解决方案在复杂运营环境中的巨大价值（成果与意义）。

金句：

从路边到登机口，MWAA用定制AI编织了一张无形的效率之网，将旅客的“等待时间”转化为机场的“消费时间”。