Melhore as operações de voo com análises em tempo real

Visão Geral da Solução

A solução de gerenciamento de voo em tempo real permite que as companhias aéreas gerenciem e mitiguem proativamente os atrasos de voo dispendiosas. Somente em 2019, os atrasos de voo custam às companhias aéreas da Europa uma média de euros4,320 por hora por voo.

A solução aproveita o tratamento inteligente de dados e a resposta imediata para fornecer monitoramento em tempo real, insights preditivos e alocação otimizada de recursos. Ele usa uma arquitetura orientada a eventos com:

• FastAPI para simulação

• GCP PubSub para mensagens

• Vertex AI para análises avançadas

• Google Cloud Functions para processamento orientado a eventos sem servidor.

Construída com base no modelo de documento flexível e nas coleções de séries temporais do MongoDB, a solução oferece uma abordagem abrangente para minimizar as interrupções operacionais.

Figura 1. Componentes de uma arquitetura orientada por eventos

A solução entrega:

• Redução da propagação de atrasos: o monitoramento em tempo real e as funcionalidades de resposta imediata ajudam a evitar que os atrasos se propaguem pelos cronogramas de voos.

• Alocação otimizada de recursos: uma análise inteligente de dados possibilita a realocação eficiente de recursos durante interrupções.

• Experiência aprimorada do cliente: um melhor gerenciamento de interrupções leva a uma maior satisfação e fidelidade dos passageiros.

• Operações dimensionáveis: a arquitetura flexível suporta volumes crescentes de dados e demandas operacionais.

• Tomada de decisão em tempo real: o acesso imediato aos dados de voo permite decisões operacionais rápidas e informadas.

Arquiteturas de referência

A solução de gerenciamento de voo em tempo real implementa uma arquitetura orientada a eventos para o gerenciamento de atrasos, que fornece monitoramento em tempo real, insights preditivos e otimização de recursos. A arquitetura consiste em vários componentes principais:

1. Geração e processamento de dados

• Microsserviço FastAPI que abriga o simulador de dados em tempo real e o localizador de caminhos.

• Tópicos do PubSub que gerenciam fluxos de dados estáticos e em tempo real.

• Funções de nuvem para processar dados de aplicativo e de telemetria.

2. Análise e gerenciamento de custos

• Calculadora de custos Vertex AI para análise de impacto financeiro.

• Função de nuvem do criador de dados analíticos para transformação de dados.

• Pipeline de agregação para o processamento de dados complexos.

3. Estrutura do banco de dados

• Banco de dados MongoDB como o armazenamento central de dados.

• Coleções especializadas:

  • flight_costs collection para acompanhar e analisar as despesas relacionadas ao voo.

  • flight_plane coleção de simulação para modelagem preditiva e planejamento de cenário.

  • flight_realtimeCF projetada para rastreamento de dados em tempo real e análise histórica ( Coleçãode séries temporais ).

  • flights collection para gerenciamento abrangente de informações gerais de voo.

4. Componentes de integração

• Change Streams para alterações de dados em tempo real.

• API do Google Maps para visualização de dados geográficos.

• Next.js para interface de front-end e visualização.

Conforme ilustrado na figura 2, esta arquitetura habilita os seguintes fluxos de dados:

• Fluxo de dados operacionais (linhas azuis): lida com operações de voos em tempo real.

• Fluxo de dados analíticos (linhas verdes): gerencia a business intelligence.

• Conexões internas (linhas pretas): mantêm a integração do sistema.

Figura 2. Arquitetura orientada a eventos

Construir a solução

Para obter um guia passo a passo detalhado que implementa essa solução, incluindo amostras de código e instruções de configuração específicas, visite este repositório do GitHub. Essa solução fornece uma arquitetura escalável e orientada a eventos para gerenciar as operações de voo e minimizar atrasos e interrupções.

Para implementar a solução, siga estas etapas:

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()

Depois de seguir essas etapas, seu aplicativo deverá ficar assim:

clique para ampliar

Figura 3. Dashboard de gerenciamento de voos com filtros

clique para ampliar

Figura 4. Monitoramento de rotas de voos e custos

Principais Aprendizados

• Utilize modelos flexíveis: o esquema flexível e as coleções de séries temporais do MongoDB fornecem uma base sólida para as operações de voo. Esses recursos permitem que as companhias aéreas manipulem com eficiência os dados de planejamento pré-voo e de telemetria, enquanto se adaptam aos requisitos em constante mudança.

• Habilitar monitoramento em tempo real: uma arquitetura orientada a eventos alimentada pela integração do MongoDB com os serviços do Google Cloud, como Pub/Sub e Cloud Functions, permite resposta imediata a interrupções de voo. Ao processar fluxos de dados em tempo real, essa abordagem ajuda as companhias aéreas a minimizar os atrasos, que podem custar uma média de4 euros,320 por hora.

• Obtenha insights aprimorados: os pipelines de agregação do MongoDB transformam dados operacionais de voo em insights acionados, permitindo que as companhias aéreas otimizem rotas e recursos. A IA do Google Cloud Vertex oferece análise preditiva que ajuda as companhias aéreas a gerenciar custos e atrasos.

• Gerencie dados com eficiência: esta solução mostra como o MongoDB lida com diversos tipos de dados e cargas de trabalho, desde a coleta de telemetria em tempo real ao processamento analítico. Sua arquitetura distribuída e seus recursos de change streams garantem um desempenho consistente.

Autores

• Dr. Humza Akhtar, MongoDB

• Rami Pinto, MongoDB

• Sebastian Rojas Arbulu, MongoDB

Saiba mais

• Consultor de incidentes de frota conectada com tecnologia de AI agêntica

• Excelência em manutenção preditiva com o MongoDB Atlas

• Otimize o gerenciamento global de jogos.