실시간 분석으로 항공 작업 향상

솔루션 개요

항공사는 실시간 항공편 관리 솔루션을 통해 비용이 많이 드는 항공편 지연을 사전에 관리 하고 완화할 수 있습니다. 2019 에서만 유럽 항공사가 항공편 지연으로 인해 시간당 평균 €4,320 의 비용 .

이 솔루션은 지능형 데이터 처리와 즉각적인 대응을 활용하여 실시간 모니터링, 예측 인사이트, 최적화된 리소스 할당을 제공합니다. 다음과 같은 이벤트 기반 아키텍처를 사용합니다.

• 시뮬레이션용 FastAPI

• 메시징용 GCP PubSub

• 고급 분석 을 위한 Vertex AI

• 서버리스 이벤트 기반 처리 위한 Google Cloud Functions .

MongoDB의 유연한 문서 모델 과 Time Series 컬렉션을 기반으로 구축된 이 솔루션은 운영 중단을 최소화하기 위한 포괄적인 접근 방식을 제공합니다.

그림 1. 이벤트 중심 아키텍처의 구성 요소

솔루션은 다음을 제공합니다.

• 지연 전파 감소: 실시간 모니터링과 즉각적인 대응 역량을 통해 비행 일정의 지연이 연쇄적으로 발생하는 것을 방지할 수 있습니다.

• 최적화된 리소스 할당: 지능형 데이터 분석은 장애 발생 시 리소스를 효율적으로 재할당할 수 있게 합니다.

• 향상된 고객 경험: 더 나은 관리가 승객 만족도와 충성도를 향상시킵니다.

• 확장 가능한 작업: 유연한 아키텍처는 증가하는 데이터 볼륨과 운영 요구를 지원합니다.

• 실시간 의사결정: 비행 데이터에 즉시 접근함으로써 신속하고 정보에 입각한 운영 결정을 내릴 수 있습니다.

참조 아키텍처

실시간 항공편 관리 솔루션은 지연 관리 위한 이벤트 중심 아키텍처를 구현하여 실시간 모니터링, 예측 인사이트 및 리소스 최적화를 제공합니다. 아키텍처는 다음과 같은 몇 가지 주요 구성 요소로 구성됩니다.

1. 데이터 생성 및 처리

• 실시간 데이터 시뮬레이터와 경로 찾기 기능을 갖춘 FastAPI 마이크로서비스.

• 정적 데이터 스트림과 실시간 데이터 스트림을 모두 처리하는 PubSub 주제.

• 애플리케이션 및 텔레메트리 데이터 처리를 위한 클라우드 기능

2. 분석 및 비용 관리

• 재무적 영향 분석을 위한 Vertex AI 비용 계산기

• 데이터 변환을 위한 분석 데이터 생성용 클라우드 함수.

• 복잡한 데이터 처리를 위한 집계 파이프라인.

3. 데이터베이스 구조

• 중앙 데이터 저장소로 MongoDB 데이터베이스를 사용합니다.

• 특수 컬렉션:

  • flight_costs 컬렉션 통해 항공 관련 비용을 추적 하고 분석 .

  • flight_plane 예측 모델링 및 시나리오 계획을 위한 시뮬레이션 컬렉션 .

  • flight_realtimeCF 실시간 데이터 추적 및 기록 분석을 위해 설계된컬렉션 ( Time Series Collection ).

  • flights 포괄적인 일반 비행 정보 관리 위한 컬렉션 입니다.

4. 통합 구성 요소

• 실시간 데이터 변경을 위한 Change Streams.

• 지리적 데이터를 시각화하기 위한 Google Maps API.

• 프론트엔드 인터페이스 및 시각화를 위한 Next.js.

그림 2에 설명된 대로 이 아키텍처는 다음과 같은 데이터 흐름을 가능하게 합니다.

• 운영 데이터 흐름(파란색 선): 실시간 비행 작업을 처리합니다.

• 분석 데이터 흐름(녹색 선): 비즈니스 인텔리전스를 관리합니다.

• 내부 연결(검은색 선): 시스템 통합을 유지합니다.

그림 2. 이벤트 중심 아키텍처

솔루션 빌드

코드 샘플 및 특정 구성 지침을 포함하여 이 솔루션을 구현하는 자세한 단계별 가이드 보려면 이 GitHub 리포지토리 방문하세요. 이 솔루션은 항공편 운영을 관리 하고 지연 및 중단을 최소화할 수 있는 확장 가능한 이벤트 중심 아키텍처를 제공합니다.

솔루션을 구현 하려면 다음 단계를 따르세요.

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()

이 단계를 수행하면 앱 이 다음과 같이 표시됩니다.

클릭하여 확대

그림 3. 필터를 사용하는 항공편 관리 대시보드

클릭하여 확대

그림 4. 비행 경로 및 비용 모니터링

주요 학습 사항

• 유연한 모델 활용: MongoDB의 유연한 스키마 와 time series 컬렉션은 비행 작업을 위한 강력한 기반을 제공합니다. 항공사는 이러한 기능을 활성화 비행 전 계획과 원격 측정 데이터를 모두 효율적으로 처리하다 동시에 변화하는 요구 사항에 적응할 수 있습니다.

• 실시간 모니터링 활성화 : Pub/Sub 및 Cloud Functions와 같은 Google Cloud 서비스와의 MongoDB 통합을 기반 항공편 중단에 즉시 대응할 수 있습니다. 이 접근 방식은 실시간 데이터 스트림을 처리 함으로써 항공사가 시간당 평균 의 비용 수 있는4 지연을320 최소화하는 데 도움이 됩니다.

• 향상된 인사이트 얻기: MongoDB의 집계 파이프라인은 운영 항공편 데이터를 실행 가능한 인사이트로 변환하여 항공사가 경로와 리소스를 최적화할 수 있도록 합니다. Google Cloud Vertex AI 항공사가 비용과 지연을 관리 도움이 되는 예측 분석 제공합니다.

• 데이터 효율적 관리: 이 솔루션은 MongoDB 실시간 원격 분석 컬렉션 부터 분석 처리 에 이르기까지 다양한 데이터 유형과 워크로드를 처리하는 방법을 보여줍니다. 분산된 아키텍처와 변경 스트림 기능은 일관적인 성능을 보장합니다.

작성자

• Dr. Humza Akhtar, MongoDB

• Rami Pinto, MongoDB

• Sebastian Rojas Arbulu, MongoDB

자세히 알아보기

• 에이전틱 AI 기반 커넥티드 차량 사고 조언 시스템

• MongoDB Atlas를 통한 예측적 유지 관리 우수성

• 글로벌 게임 관리 효율화