Mejore las operaciones de vuelo con análisis en tiempo real

Resumen de la solución

La solución de gestión de vuelos en tiempo real permite a las aerolíneas gestionar y mitigar de forma proactiva los costosos retrasos. Solo en 2019, los retrasos en los vuelos cuestan a las aerolíneas europeas una media de 4,320 € por hora y vuelo.

La solución aprovecha el manejo inteligente de datos y la respuesta inmediata para brindar monitoreo en tiempo real, información predictiva y una asignación optimizada de recursos. Utiliza una arquitectura basada en eventos con:

• FastAPI para simulación

• GCP PubSub para mensajería

• Vertex AI para análisis avanzados

• Funciones de Google Cloud para el procesamiento basado en eventos sin servidor.

Construida sobre el modelo orientado a documentos flexible y las colecciones de series de tiempo de MongoDB, la solución ofrece un enfoque integral para minimizar las interrupciones operativas.

Figura 1. Componentes de una arquitectura basada en eventos

La solución ofrece:

• Propagación reducida de retrasos: el monitoreo en tiempo real y las capacidades de respuesta inmediata ayudan a prevenir que los retrasos se propaguen en cadena a lo largo de los cronogramas de vuelos.

• Asignación optimizada de recursos: el análisis de datos inteligente permite una reasignación eficiente de recursos durante las interrupciones.

• Experiencia del cliente mejorada: una mejor gestión de las interrupciones conduce a una mayor satisfacción y lealtad de los pasajeros.

• Operaciones escalables: la arquitectura flexible admite volúmenes de datos crecientes y demandas operativas.

• Toma de decisiones en tiempo real: el acceso inmediato a los datos de vuelo permite tomar decisiones operativas rápidas e informadas.

Arquitecturas de Referencia

La solución de gestión de vuelos en tiempo real implementa una arquitectura basada en eventos para la gestión de retrasos, que proporciona monitorización en tiempo real, información predictiva y optimización de recursos. La arquitectura consta de varios componentes clave:

1. Generación y procesamiento de datos

• Microservicio FastAPI que alberga un simulador de datos en tiempo real y un buscador de rutas.

• Temas de PubSub que manejan transmisiones de datos tanto estáticas como en tiempo real.

• Funciones en la nube para procesar datos de aplicaciones y telemetría.

2. Análisis y gestión de costes

• Calculadora de costos de Vertex AI para el análisis del impacto financiero.

• Creador de datos analíticos Función en la nube para la transformación de datos.

• Canal de agregación para el procesamiento de datos complejos.

3. Estructura de la base de datos

• Base de datos MongoDB como almacén de datos central.

• Colecciones especializadas:

  • flight_costs Colección para rastrear y analizar los gastos relacionados con los vuelos.

  • flight_plane Colección de simulaciones para modelado predictivo y planificación de escenarios.

  • flight_realtimeCF Colección diseñada para el seguimiento de datos en tiempo real y el análisis histórico (Colección deseries de tiempo).

  • flights Colección para la gestión integral de información general de vuelos.

4. Componentes de integración

• Flujos de cambios para cambios de datos en tiempo real.

• API de Google Maps para visualizar datos geográficos.

• Next.js para interfaz front-end y visualización.

Como se ilustra en la Figura 2, esta arquitectura permite los siguientes flujos de datos:

• Flujo de datos operativos (líneas azules): maneja operaciones de vuelo en tiempo real.

• Flujo de datos analíticos (líneas verdes): gestiona la inteligencia empresarial.

• Conexiones internas (líneas negras): Mantiene la integración del sistema.

Figura 2. Arquitectura basada en eventos

Construir la solución

Para obtener una guía detallada paso a paso que implementa esta solución, incluyendo ejemplos de código e instrucciones de configuración específicas, visite este repositorio de GitHub. Esta solución proporciona una arquitectura escalable basada en eventos para gestionar las operaciones de vuelo y minimizar retrasos e interrupciones.

Para implementar la solución, siga estos pasos:

import base64
import json
from bson import ObjectId
import os
from pymongo import MongoClient
import functions_framework
# Triggered from a message on a Cloud Pub/Sub topic.
@functions_framework.cloud_event
def postPath(cloud_event):
    # Access URI in secrets
    MONGO_URI = os.environ.get('MONGO_URI', "MONGO_URI is not set.")
    MONGO_DATABASE = os.environ.get('MONGO_DATABASE', "MONGO_DATABASE is not set.")
    MONGO_COLLECTION = os.environ.get('MONGO_COLLECTION', "MONGO_COLLECTION is not set.")
    if not all([MONGO_URI, MONGO_DATABASE, MONGO_COLLECTION]):
        print("Error: One or more environment variables are not set.")
        return
    client = MongoClient(MONGO_URI)
    db = client[MONGO_DATABASE]
    collection = db[MONGO_COLLECTION]
    try:
        # Parse the data in the message
        byte_message = base64.b64decode(cloud_event.data["message"]["data"])
        json_str = byte_message.decode('utf-8')
        data_dict = json.loads(json_str)
        print(data_dict)
        # Work with the dictionary fields
        flight_id = data_dict.get("flight_id")
        initial_path = data_dict.get("initial_path_airps")
        new_path = data_dict.get("new_path_airps")
        disruption_coords = data_dict.get("disruption_coords")
        # Check if all required fields are present
        if not flight_id:
            print("Error: flight_id is missing.")
            return
        if initial_path is None or new_path is None:
            print("Error: One or more path fields are missing.")
            return
        # Find the document in the MongoDB collection and update the path field
        result = collection.update_one(
            {"_id": ObjectId(flight_id)},
            {"$set": {
                "initial_path": initial_path,
                "new_path": new_path,
                "disruption_coords": {
                    "lat": disruption_coords[0],
                    "long": disruption_coords[1]
                }
            }}
        )
        if result.matched_count > 0:
            print("Document successfully updated.")
        else:
            print("No document found with the specified flight_number.")
    except Exception as e:
        print(f"Error updating document: {e}")
    finally:
        client.close()

Después de seguir estos pasos, tu aplicación debería verse así:

haga clic para ampliar

Figura 3. Tablero de gestión de vuelos con filtros

haga clic para ampliar

Figura 4. Seguimiento de rutas de vuelo y costes

Aprendizajes clave

• Utilice modelos flexibles: El esquema flexible de MongoDB y las colecciones de series temporales proporcionan una base sólida para las operaciones de vuelo. Estas características permiten a las aerolíneas gestionar eficientemente la planificación previa al vuelo y los datos de telemetría, adaptándose a las necesidades cambiantes.

• Habilite la monitorización en tiempo real: Una arquitectura basada en eventos, impulsada por la integración de MongoDB con servicios de Google Cloud, como Pub/Sub y Cloud Functions, permite una respuesta inmediata ante interrupciones en los vuelos. Al procesar flujos de datos en tiempo real, este enfoque ayuda a las aerolíneas a minimizar los retrasos, que pueden costar un promedio de, €4 320 por hora.

• Obtenga información mejorada: Las canalizaciones de agregación de MongoDB convierten los datos operativos de vuelos en información útil, lo que permite a las aerolíneas optimizar rutas y recursos. Google Cloud Vertex AI ofrece análisis predictivos que ayudan a las aerolíneas a gestionar costes y retrasos.

• Gestione los datos eficientemente: Esta solución muestra cómo MongoDB gestiona diversos tipos de datos y cargas de trabajo, desde la recopilación de telemetría en tiempo real hasta el procesamiento analítico. Su arquitectura distribuida y sus capacidades de flujos de cambios garantizan un rendimiento consistente.

Autores

• Dr. Humza Akhtar, MongoDB

• Rami Pinto, MongoDB

• Sebastian Rojas Arbulu, MongoDB

• Patricia Renart, MongoDB

Obtén más información

• Asesor de incidentes de flotas conectadas con tecnología de IA de Agentic

• Entrada de blog: Análisis de datos en tiempo real para aerolíneas

• Excelencia en el mantenimiento predictivo con MongoDB Atlas