Add airport and flight wikis to Obsidian vault
This commit is contained in:
zhiqiang feng
@@ -0,0 +1,15 @@
|
||||
{
|
||||
"default": true,
|
||||
"MD013": false,
|
||||
"MD025": false,
|
||||
"MD036": false,
|
||||
"MD040": false,
|
||||
"MD033": false,
|
||||
"MD034": false,
|
||||
"MD037": false,
|
||||
"MD028": false,
|
||||
"MD031": false,
|
||||
"MD032": false,
|
||||
"MD022": false,
|
||||
"MD007": false
|
||||
}
|
||||
@@ -0,0 +1,82 @@
|
||||
---
|
||||
title: Wiki Schema
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: schema
|
||||
tags: [meta]
|
||||
---
|
||||
|
||||
# Wiki Schema
|
||||
|
||||
## Domain
|
||||
机场数据中心建设方案 — 涵盖机场数据中心的规划、设计、建设、硬件选型、网络架构、等级标准、供应商及项目管理。
|
||||
|
||||
## Conventions
|
||||
- 文件名：小写、中划线、无空格（如 `tier-iii-design.md`）
|
||||
- 每个 wiki 页面以 YAML frontmatter 开头
|
||||
- 使用 `[[wikilinks]]` 建立页面间链接（每页至少 2 个外部链接）
|
||||
- 更新页面时同步更新 `updated` 日期
|
||||
- 新页面必须添加到 `index.md` 对应版块
|
||||
- 所有操作追加到 `log.md`
|
||||
|
||||
## Frontmatter
|
||||
```yaml
|
||||
---
|
||||
title: 页面标题
|
||||
created: YYYY-MM-DD
|
||||
updated: YYYY-MM-DD
|
||||
type: entity | concept | comparison | query | summary
|
||||
tags: [从下方标签体系选取]
|
||||
sources: [raw/articles/source-name.md]
|
||||
---
|
||||
```
|
||||
|
||||
## Tag Taxonomy（标签体系）
|
||||
- 等级标准：tier-iii, tier-iv, ansi/tia-942, uptime-institute
|
||||
- 网络架构：network, fiber, switching, routing, wan, lan, dci
|
||||
- 硬件设施：server, storage, power, cooling, ups, generator, cab, pdu
|
||||
- 物理安全：security, cctv, access-control, biometric, perimeter
|
||||
- 选址与土建：site, building, floor-plan, reinforcement, load-bearing
|
||||
- 供应商：vendor, oem, integrator, contractor
|
||||
- 项目管理：planning, design, construction, commissioning, timeline, rfp
|
||||
- 合规认证：certification, audit, fire-code, insurance
|
||||
- 运维管理：monitoring, maintenance, mttf, mttr, sla
|
||||
- Meta：comparison, timeline, glossary, draft, archived
|
||||
|
||||
## Page Thresholds（页面创建规则）
|
||||
- **创建独立页面** 当一个实体/概念在 2+ 来源中被提及，或在一个来源中处于核心位置
|
||||
- **追加到现有页面** 当来源提到已在覆盖范围内的内容
|
||||
- **不建页面** 仅一次提及、细节性内容、或超出本领域的内容
|
||||
- **拆分页面** 当页面超过 ~200 行时，拆分为子主题并交叉链接
|
||||
- **归档页面** 内容完全被取代时，移至 `_archive/`
|
||||
|
||||
## Entity Pages（实体页面）
|
||||
每个主要实体一页，包括：
|
||||
- 概述 / 是什么
|
||||
- 关键事实和数据
|
||||
- 与其他实体的关系（[[wikilinks]]）
|
||||
- 来源引用
|
||||
|
||||
## Concept Pages（概念页面）
|
||||
每个概念/主题一页，包括：
|
||||
- 定义 / 解释
|
||||
- 当前知识状态
|
||||
- 开放问题或争议
|
||||
- 相关概念（[[wikilinks]]）
|
||||
|
||||
## Comparison Pages（对比页面）
|
||||
并排分析，包括：
|
||||
- 比较对象及原因
|
||||
- 对比维度（表格格式优先）
|
||||
- 结论或综合判断
|
||||
- 来源
|
||||
|
||||
## Update Policy（更新政策）
|
||||
新信息与现有内容冲突时：
|
||||
1. 检查日期 — 新来源通常取代旧来源
|
||||
2. 如确实矛盾，记录双方立场和日期、来源
|
||||
3. 在 frontmatter 标记：`contradictions: [page-name]`
|
||||
4. 在 lint 报告中标记待用户审核
|
||||
|
||||
## Glossary（术语表）
|
||||
建设中涉及的英文缩写和术语，统一在 `concepts/glossary.md` 中解释。
|
||||
@@ -0,0 +1,50 @@
|
||||
---
|
||||
title: 机场数据中心案例对比
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: comparison
|
||||
tags: [comparison, case-study]
|
||||
sources: [raw/articles/dubai-airport-huawei-dc.md, raw/articles/daxing-airport-vertiv.md, raw/articles/2025-airport-construction-summit.md]
|
||||
---
|
||||
|
||||
# 机场数据中心案例对比
|
||||
|
||||
## 代表案例
|
||||
|
||||
| 机场 | 北京大兴国际机场 | 迪拜国际机场（DXB） | 大连金州湾国际机场 |
|
||||
|------|----------------|-------------------|------------------|
|
||||
| 投运/状态 | 2019年（已投运） | 2019年后（已投运） | 在建 |
|
||||
| 等级 | 未公开（推测Tier III+） | Tier III 双认证 | 规划Tier III+ |
|
||||
| 总功率 | 未公开 | 1MW | 未公开 |
|
||||
| 单柜密度 | 未公开 | 10kW/rack | 高密度（智算趋势） |
|
||||
| 制冷方案 | Liebert PEX+ 精密空调 | 变频行级空调+密闭通道 | 风液融合 |
|
||||
| 建设模式 | 传统建设 | 预制模块化（集装箱） | BIM+数字化 |
|
||||
| PUE | 未公开 | <1.6 | 目标<1.4 |
|
||||
| 建设周期 | 3年+ | 10个月 | 预计3-4年 |
|
||||
| 智能化 | 19平台68系统 | NetEco管理 | BIM+AI巡检 |
|
||||
|
||||
## 关键差异分析
|
||||
|
||||
### 建设模式
|
||||
- **大兴机场**：传统建设，长周期，大规模一次性投入
|
||||
- **迪拜机场**：预制模块化，快速交付，弹性扩容
|
||||
- **大连金州湾**：BIM+数字孪生，建运一体化
|
||||
|
||||
### 制冷方案演进
|
||||
- **大兴机场时代**：风冷精密空调（2019年主流）
|
||||
- **迪拜机场**：变频行级+密闭通道（PUE<1.6）
|
||||
- **2025年后**：风液融合，适配50-120kW高密度机柜
|
||||
|
||||
### 智能化水平
|
||||
- **大兴机场**：平台化，整合70+系统
|
||||
- **迪拜机场**：NetEco统一运维
|
||||
- **大连/新机场**：AI巡检机器人、数字孪生
|
||||
|
||||
## 经验总结
|
||||
|
||||
1. **快速交付选预制模块化**：迪拜案例10个月交付，节省50%时间
|
||||
2. **高功率密度选液冷**：单机柜50kW以上必须液冷
|
||||
3. **BIM是新建机场标配**：设计施工运维一体化
|
||||
4. **Tier III是机场数据中心基准**：迪拜机场明确要求Tier III双认证
|
||||
|
||||
> 相关：[[airport-data-center-overview]] | [[tier-iii-design]] | [[modern-airport-trends]]
|
||||
@@ -0,0 +1,59 @@
|
||||
---
|
||||
title: 机场数据中心概述
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [glossary, planning]
|
||||
sources: []
|
||||
---
|
||||
|
||||
# 机场数据中心概述
|
||||
|
||||
## 定义
|
||||
|
||||
机场数据中心（Airport Data Center）是支撑民用航空运输业务运营的核心 IT 基础设施，为航班信息系统（AIDS/FIDS）、行李分拣系统、离港系统（DCS）、空管通信、乘客服务等关键系统提供计算、存储和网络服务。
|
||||
|
||||
## 核心特征
|
||||
|
||||
- **高可用性要求**：通常需满足 Tier III 或 Tier IV 等级
|
||||
- **业务连续性**：7×24 小时不间断运行，航班延误成本极高
|
||||
- **多系统集成**：数十个子系统需要互联互通
|
||||
- **安全等级高**：涉及航空安全，合规要求严格
|
||||
- **地理位置分散**：航站楼、塔台、行李中心通常各自有小机房
|
||||
|
||||
## 关键子系统
|
||||
|
||||
- 航班信息显示系统（FIDS）
|
||||
- 离港控制系统（DCS）
|
||||
- 行李处理系统（BHS）
|
||||
- 安检信息系统
|
||||
- 地面通信网络
|
||||
- 楼宇自控系统（BAS）
|
||||
- 视频监控系统（CCTV）
|
||||
- 应急指挥中心
|
||||
|
||||
## 数据中心等级参考
|
||||
|
||||
| 等级 | 可用性 | 年停机时间 | 适用场景 |
|
||||
|------|--------|-----------|---------|
|
||||
| Tier I | 99.67% | >31.5h | 基础，非关键系统 |
|
||||
| Tier II | 99.75% | 22h | 冗余组件，非关键业务 |
|
||||
| Tier III | 99.98% | 1.6h | 主机房，推荐等级 |
|
||||
| Tier IV | 99.99% | 0.8h | 最高等级，关键业务 |
|
||||
|
||||
> 参考：[[tier-iii-design]] | [[tier-iv-design]]
|
||||
|
||||
## 建设阶段
|
||||
|
||||
1. [[site-planning]] — 选址与可行性分析
|
||||
2. [[design-phase]] — 方案设计
|
||||
3. [[rfp-and-vendor-selection]] — 招标与供应商选择
|
||||
4. [[construction-management]] — 施工管理
|
||||
5. [[commissioning]] — 调试验收
|
||||
6. [[operation-maintenance]] — 运维阶段
|
||||
|
||||
## 相关概念
|
||||
|
||||
- [[glossary]] — 术语表
|
||||
- [[network-architecture]] — 网络架构
|
||||
- [[power-and-cooling]] — 供配电与制冷
|
||||
@@ -0,0 +1,47 @@
|
||||
---
|
||||
title: 术语表
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [glossary]
|
||||
sources: []
|
||||
---
|
||||
|
||||
# 术语表
|
||||
|
||||
## 常用缩略语
|
||||
|
||||
| 缩写 | 全称 | 中文 |
|
||||
|------|------|------|
|
||||
| DC | Data Center | 数据中心 |
|
||||
| DCiE | Data Center infrastructure Efficiency | 数据中心基础设施效率 |
|
||||
| PUE | Power Usage Effectiveness | 电能使用效率 |
|
||||
| DCE | Data Center Engineer | 数据中心工程师 |
|
||||
| BHS | Baggage Handling System | 行李处理系统 |
|
||||
| DCS | Departure Control System | 离港控制系统 |
|
||||
| FIDS | Flight Information Display System | 航班信息显示系统 |
|
||||
| AIDS | Airport Information Display System | 机场信息显示系统 |
|
||||
| CCTV | Closed-Circuit Television | 闭路电视监控系统 |
|
||||
| BAS | Building Automation System | 楼宇自控系统 |
|
||||
| UPS | Uninterruptible Power Supply | 不间断电源 |
|
||||
| PDU | Power Distribution Unit | 配电单元 |
|
||||
| ATS | Automatic Transfer Switch | 自动转换开关 |
|
||||
| N+1 | N+1 Redundancy | N+1 冗余 |
|
||||
| 2N | 2N Redundancy | 2N 冗余 |
|
||||
| SLA | Service Level Agreement | 服务水平协议 |
|
||||
| MTTF | Mean Time To Failure | 平均故障前时间 |
|
||||
| MTTR | Mean Time To Repair | 平均修复时间 |
|
||||
| RTO | Recovery Time Objective | 恢复时间目标 |
|
||||
| RPO | Recovery Point Objective | 恢复点目标 |
|
||||
| DCI | Data Center Interconnect | 数据中心互联 |
|
||||
| WAN | Wide Area Network | 广域网 |
|
||||
| LAN | Local Area Network | 局域网 |
|
||||
| spine-leaf | Spine-Leaf Architecture | 脊叶架构 |
|
||||
|
||||
## 关键指标
|
||||
|
||||
- **PUE** = 总设施能耗 / IT 设备能耗（理想值 ≈ 1.2-1.5）
|
||||
- **DCiE** = IT 设备能耗 / 总设施能耗（理想值 ≈ 60-80%）
|
||||
- **可用性** = MTBF / (MTBF + MTTR)
|
||||
|
||||
> 相关：[[power-and-cooling]] | [[airport-data-center-overview]]
|
||||
@@ -0,0 +1,139 @@
|
||||
---
|
||||
title: GPU 集群
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [server, cooling]
|
||||
sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md, raw/articles/上海市-智算中心建设导则2025版-2025-01.md]
|
||||
---
|
||||
|
||||
# GPU 集群
|
||||
|
||||
## 定义
|
||||
|
||||
GPU 集群是由多台搭载 GPU（图形处理器）的服务器通过高速网络互联组成的计算单元，专门用于并行处理 AI 训练、推理、科学计算等高密度算力负载。
|
||||
|
||||
在机场智算中心场景下，GPU 集群是核心算力载体，支撑大模型训练、视频分析、智能决策等应用。
|
||||
|
||||
---
|
||||
|
||||
## 核心组成
|
||||
|
||||
### 算力芯片选型
|
||||
|
||||
|| 芯片 | 生产厂商 | FP16 算力 | 显存带宽 | NVLink带宽 | 功耗 | 机场适用场景 |
|
||||
||------|---------|----------|----------|------------|------|-------------|
|
||||
|| A100 SXM | NVIDIA | 312 TFLOPS | 2TB/s | 600GB/s | 400W | 训练/推理（当前主流） |
|
||||
|| H100 SXM | NVIDIA | 1P | 3.35TB/s | 900GB/s | 700W | 大模型训练 |
|
||||
|| H200 SXM | NVIDIA | 1P | 4.8TB/s | 900GB/s | 700W | 大规模训练/推理（HBM3e升级） |
|
||||
|| B100 | NVIDIA | 1.75P | 8TB/s | 1.8TB/s | 1,000W | 超大规模智算中心 |
|
||||
|| B200 | NVIDIA | 2.25P | 8TB/s | 1.8TB/s | 1,200W | 超大规模智算中心 |
|
||||
|| **GB200 NVL72** | NVIDIA | **5P** | **16TB/s** | **3.6TB/s** | **2,700W** | 万卡集群（整机柜方案） |
|
||||
|| 昇腾 910B | 华为 | 320 TFLOPS | — | — | 400W | 国产替代/推理 |
|
||||
|
||||
> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》
|
||||
|
||||
### 服务器形态（基于NVIDIA HGX架构）
|
||||
|
||||
|| 形态 | GPU算力 | GPU功耗 | 总功耗 | 适用场景 |
|
||||
||------|---------|---------|--------|---------|
|
||||
|| HGX A100 | 2.4P | 3.2kW | 6.5kW | 训练/推理（存量主流） |
|
||||
|| HGX H100 | 8P | 5.6kW | 10.2kW | 训练集群主体 |
|
||||
|| HGX B100 | 14P | 5.6kW | 10.2kW | 超大规模部署 |
|
||||
|| **HGX B200** | **18P** | **8kW** | **14.3kW** | 万卡集群核心节点 |
|
||||
|
||||
> GB200 NVL72 为整机柜方案（72 GPU + 36 Grace CPU），单柜总功耗可达**2700W GPU芯片**，整柜更高。机场智算中心液冷需按**单柜15-30kW**设计。
|
||||
|
||||
> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》
|
||||
|
||||
### 网络架构
|
||||
|
||||
GPU 集群内网络是性能瓶颈，业界通常采用以下三层：
|
||||
|
||||
|| 网络层 | 带宽需求 | 协议/技术 |
|
||||
||--------|---------|---------|
|
||||
|| **计算网络**（GPU 间通信）| 800Gbps-1.6Tbps | InfiniBand HDR/NDR, RoCEv2 |
|
||||
|| **存储网络** | 100-400Gbps | NVMe-oF, RoCEv2 |
|
||||
|| **管理网络** | 1-10Gbps | 以太网 |
|
||||
|
||||
> 上海《智算中心建设导则2025》要求大规模训练场景下采用**智能无损网络**，计算网宜达**200Gbps**。
|
||||
|
||||
> 关键参数：GPU_PCIe_带宽需与网络带宽匹配（H100 SXM5 支持 900GB/s 双向 NVLink）
|
||||
|
||||
---
|
||||
|
||||
## 机场智算集群规划参数
|
||||
|
||||
基于行业实践，机场智算中心典型规模参考：
|
||||
|
||||
| 机场规模 | 推荐 GPU 集群规模 | 机柜数 | 典型功率密度 |
|
||||
|---------|-----------------|--------|-------------|
|
||||
| 年旅客量 < 1000万 | 32-64 卡 | 8-16 柜 | 50-80kW/柜 |
|
||||
| 年旅客量 1000-5000万 | 64-256 卡 | 16-32 柜 | 60-100kW/柜 |
|
||||
| 年旅客量 > 5000万 | 256-1024+ 卡 | 32-128+ 柜 | 80-120kW/柜 |
|
||||
|
||||
---
|
||||
|
||||
## 液冷配合（GPU 集群必选散热方案）
|
||||
|
||||
GPU 集群单机柜功率 50-120kW，传统风冷无法满足散热需求。
|
||||
|
||||
### 液冷方案对比
|
||||
|
||||
| 方案 | 散热能力 | 建设成本 | 运维复杂度 | 适用规模 |
|
||||
|------|---------|---------|-----------|---------|
|
||||
| **冷板式液冷** | ~120kW/柜 | 中 | 中 | 主流方案 |
|
||||
| **浸没式液冷** | >200kW/柜 | 高 | 低（长期） | 超大规模 |
|
||||
| **风液融合**（冷板+高效风冷）| 60-150kW/柜 | 中低 | 低 | 快速部署 |
|
||||
|
||||
> 华为自有冷板液冷技术已实现单柜 120kW 散热能力，详见 [[prefab-modular-dc]]
|
||||
|
||||
---
|
||||
|
||||
## 调度与运维
|
||||
|
||||
| 层面 | 技术选型 |
|
||||
|------|---------|
|
||||
| 集群管理 | Kubernetes + GPU Operator, Slurm |
|
||||
| 分布式训练框架 | PyTorch DDP, Megatron-LM, DeepSpeed |
|
||||
| 推理服务 | vLLM, TensorRT-LLM, Triton |
|
||||
| 监控 | DCIM + Prometheus + Grafana |
|
||||
| 算力调度 | 阿里云 ACK, 华为 CCI, 自研调度器 |
|
||||
|
||||
---
|
||||
|
||||
## 与现有页面的关联
|
||||
|
||||
- **[[modern-airport-trends]]** — 智算集群是四型机场趋势的技术驱动力
|
||||
- **[[prefab-modular-dc]]** — 预制模块化 DC 是 GPU 集群的物理载体
|
||||
- **[[power-and-cooling]]** — GPU 集群高功率密度决定液冷必选
|
||||
- **[[network-architecture]]** — 计算网络（InfiniBand/RoCE）是集群性能关键
|
||||
- **[[airport-data-center-overview]]** — GPU 集群是智算中心的核心子系统
|
||||
|
||||
---
|
||||
|
||||
## 机场集群投入参考
|
||||
|
||||
基于行业数据（千卡H100集群，头豹研究院2025白皮书）：
|
||||
|
||||
| 组成 | 费用 |
|
||||
|------|------|
|
||||
| 算力设备 | 约3亿元 |
|
||||
| 网络设备 | 约2,500万元 |
|
||||
| 存储/安全 | 约1,000万元 |
|
||||
| 平台软件/液冷改造 | 约1,000万元 |
|
||||
| **总计** | **约3.5亿元** |
|
||||
|
||||
**年运营支出**: 约5,000万元（电力占主导）
|
||||
|
||||
1. **国产替代路径** — 昇腾 910B 与 NVIDIA H100 的软件生态差距（CUDA 迁移成本）
|
||||
2. **GPU 虚机化** — vGPU/算力切分技术尚不成熟，多租户场景受限
|
||||
3. **能效指标** — 智算中心如何定义适合机场场景的 PUE 基准（传统 DC PUE<1.3 目标不适用）
|
||||
4. **运维人才** — 机场 IT 团队普遍缺乏 GPU 集群运维能力
|
||||
|
||||
---
|
||||
|
||||
## 延伸阅读
|
||||
|
||||
- 机场智算中心技术方案：根目录 `机场智算中心技术方案.md`
|
||||
- Keydak 风液融合方案：`raw/articles/keydak-airport-expo-2025.md`
|
||||
@@ -0,0 +1,66 @@
|
||||
---
|
||||
title: 现代化机场数据中心趋势
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [planning, design, network, cooling]
|
||||
sources: [raw/articles/2025-airport-construction-summit.md, raw/articles/keydak-airport-expo-2025.md, raw/articles/dubai-airport-huawei-dc.md, raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md, raw/articles/IBM-Building-intelligent-airport-future-2025.md, raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md]
|
||||
---
|
||||
|
||||
# 现代化机场数据中心趋势
|
||||
|
||||
## 2025-2026 行业方向
|
||||
|
||||
### 四型机场理念
|
||||
中国民航"十四五"期间全面推行"四型机场"标准：
|
||||
|
||||
| 类型 | 含义 |
|
||||
|------|------|
|
||||
| 平安机场 | 安全生产、安全可控 |
|
||||
| 绿色机场 | 低碳节能、双碳目标 |
|
||||
| 智慧机场 | 数字化、智能化 |
|
||||
| 人文机场 | 乘客体验优先 |
|
||||
|
||||
### 核心趋势
|
||||
|
||||
**1. 智算中心兴起**
|
||||
- AI/AGI 驱动算力需求爆发
|
||||
- 传统单机柜 5-15kW → 算力中心单机柜 50-120kW
|
||||
- 传统风冷无法满足高功率散热，液冷成为必选
|
||||
|
||||
**2. 风液融合冷却**
|
||||
- 支持 40kW 风冷 + 150kW 液冷混合部署
|
||||
- 风液同源、动态平衡
|
||||
- 适配单机柜功率密度持续上升趋势
|
||||
- PUE 可降至 1.2 以下
|
||||
|
||||
**3. 预制模块化数据中心**
|
||||
- 工厂预制、集装箱式交付
|
||||
- 工期缩短 50%，建设成本大幅降低
|
||||
- 适合机场空间有限、快速扩容的场景
|
||||
|
||||
**4. 建设运营一体化（BIM+数字孪生）**
|
||||
- BIM 管理平台覆盖设计、施工、运维全周期
|
||||
- 数字化施工监管系统
|
||||
- 工程质量验评可回溯
|
||||
- 无人值守运维逐步推广
|
||||
|
||||
**5. 网络架构升级**
|
||||
- SDN 软件定义网络
|
||||
- 多路由冗余接入
|
||||
- 边缘计算节点下沉至航站楼
|
||||
|
||||
**6. AI 智能体矩阵落地**（2025-2026实践）
|
||||
- 深圳机场率先完成 DeepSeek R1-671B 满血版部署（华为昇腾集群），42家千万级机场综合评价**第二名**
|
||||
- IBM提出机场作为"Ecosystem Orchestrator"三层演进路径（规则执行→AI agent开发→复杂目标导向代理）
|
||||
- AI安全助手（融合1,500份安全文档）、机位智能分配（4小时→1分钟）、AGV无人驾驶牵引车等10余个专属智能体已规模落地
|
||||
|
||||
**7. 航空物流智能化**
|
||||
- 深圳机场深畅国际货站：AGV机器人+智能卡口，全国首个24小时智慧远程监管货站
|
||||
- 进出口货物库内停留时间缩短82%、33%；无人接驳7×24小时不间断
|
||||
|
||||
**8. 万卡级智算集群选址逻辑**
|
||||
- 郑州航空港：2小时高铁圈覆盖4亿人口，2小时航空圈覆盖全国90%人口/市场
|
||||
- 福州长乐机场综保区：综保区政策红利，闽港数字协作，填补东南沿海高端智算缺口
|
||||
|
||||
> 相关：[[airport-data-center-overview]] | [[glossary]] | [[network-architecture]] | [[power-and-cooling]] | [[gpu-cluster]]
|
||||
@@ -0,0 +1,36 @@
|
||||
---
|
||||
title: 网络架构
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [network, architecture]
|
||||
sources: []
|
||||
---
|
||||
|
||||
# 网络架构
|
||||
|
||||
## 机场数据中心网络特点
|
||||
|
||||
- 多业务分区：航站网、行李网、安防网、办公网相互隔离
|
||||
- 高带宽需求：视频监控、行李分拣数据传输量大
|
||||
- 低延迟要求：空管通信、航班信息显示对延迟敏感
|
||||
- 多冗余路径：网络链路故障不能影响业务
|
||||
|
||||
## 常用架构
|
||||
|
||||
### Spine-Leaf 架构
|
||||
- 适用于叶脊交换结构，东西向流量优化
|
||||
- 推荐用于大型机场核心网络
|
||||
|
||||
### 三层网络架构
|
||||
- 核心层 / 汇聚层 / 接入层
|
||||
- 传统架构，适合中小型机房
|
||||
|
||||
## 网络安全
|
||||
|
||||
- 防火墙分区隔离
|
||||
- 入侵检测/防御系统（IDS/IPS）
|
||||
- 网络准入控制（NAC）
|
||||
- DDoS 防护
|
||||
|
||||
> 相关：[[tier-iii-design]] | [[glossary]]
|
||||
@@ -0,0 +1,83 @@
|
||||
---
|
||||
title: 供配电与制冷
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-09
|
||||
type: concept
|
||||
tags: [power, cooling, design]
|
||||
sources: [raw/articles/上海市-智算中心建设导则2025版-2025-01.md, raw/articles/头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md]
|
||||
---
|
||||
|
||||
# 供配电与制冷
|
||||
|
||||
## 供配电系统
|
||||
|
||||
### 典型架构
|
||||
```
|
||||
市电 → ATS → UPS → PDU → 服务器
|
||||
↑ ↑
|
||||
柴油发电机 蓄电池
|
||||
```
|
||||
|
||||
### 关键指标
|
||||
- **IT 负载功率密度**：通常 4-10 kW/机柜（传统DC）；智算中心单柜 **12-30kW**
|
||||
- **PUE 目标值**：1.3-1.5（传统机场DC）；智算中心需达 **≤1.22**（上海导则先进值≤1.18）
|
||||
- **市电引入**：双路 10kV 或 35kV
|
||||
- **UPS 容量**：N+1 或 2N 冗余
|
||||
- **上海导则选址供电要求**：市电平均每月停电次数 ≤ 1次；平均每次故障时间 ≤ 0.5小时；宜引入一类市电
|
||||
|
||||
### 柴油发电机
|
||||
- 常用功率：1000-3000 kVA
|
||||
- 启动时间：< 10 秒（自动启动）
|
||||
- 储油量：满足 8-24 小时连续运行
|
||||
|
||||
## 制冷系统
|
||||
|
||||
### 冷却方式
|
||||
|
||||
| 方式 | PUE范围 | 适用场景 |
|
||||
|------|---------|---------|
|
||||
| **液冷(相变浸没式)** | **1.00** | >30kW/机柜，超大规模智算 |
|
||||
| **液冷(冷板式)** | **~1.10** | 高密度智算中心（主流方案） |
|
||||
| 自然冷(间接蒸发冷) | 1.10-1.20 | 北方气候区 |
|
||||
| 冷冻水系统 | 1.30+ | 传统数据中心 |
|
||||
| 风冷 | 1.40+ | 面临淘汰 |
|
||||
|
||||
> 数据来源：头豹研究院《中国AIDC产业发展白皮书2025》——液冷已成PUE<1.10核心路径，传统风冷进入结构性瓶颈
|
||||
|
||||
### 上海智算中心2025 PUE要求（全国最严）
|
||||
|
||||
| 指标 | 新建准入值 | 运营先进值 | 长三角集群 |
|
||||
|------|------------|------------|------------|
|
||||
| **基准PUE** | ≤ 1.25 | — | — |
|
||||
| **综合PUE** | ≤ 1.22 | ≤ 1.18 | ≤ 1.20 |
|
||||
| **WUE** | ≤ 2.2 L/kWh | ≤ 2.0 L/kWh | — |
|
||||
| **CUE** | ≤ 1.2 gCO2/kWh | ≤ 1.0 gCO2/kWh | — |
|
||||
|
||||
> 来源：上海市《智算中心建设导则（2025年版）》
|
||||
|
||||
### 液冷技术类型
|
||||
|
||||
| 类型 | PUE | 单柜散热能力 | 建设成本 | 适用 |
|
||||
|------|-----|------------|---------|------|
|
||||
| **冷板式液冷** | ~1.10 | ~120kW/柜 | 中 | 主流，新建智算中心首选 |
|
||||
| **浸没式液冷（相变）** | **1.00** | >200kW/柜 | 高 | 超大规模（GB200 NVL72等） |
|
||||
| **风液混合** | 1.10-1.15 | 60-150kW/柜 | 中低 | 快速部署/改造场景 |
|
||||
|
||||
国产液冷供应商参考：
|
||||
- **英维克**：冷板式液冷，单机柜功率密度24kW，散热效率提升40%
|
||||
- **中科曙光**：浸没式液冷，PUE低至1.04，年减碳量超万吨
|
||||
|
||||
### 机场数据中心推荐
|
||||
|
||||
- 航站楼主数据中心：液冷（冷板式）成为新建首选，液冷渗透率已达64%（工业智算场景）
|
||||
- 边缘小机房：风冷精密空调（过渡方案，逐步被边缘液冷替代）
|
||||
- **强制要求**：新建智算中心**宜采用液冷技术**（上海导则）
|
||||
|
||||
## PUE 优化建议
|
||||
|
||||
- 冷热通道封闭
|
||||
- 自然冷却（冬季）
|
||||
- 精确制冷（行级空调）
|
||||
- 高效 UPS（模块化效率 ≥ 96%）
|
||||
|
||||
> 相关：[[tier-iii-design]] | [[tier-iv-design]] | [[glossary]]
|
||||
@@ -0,0 +1,49 @@
|
||||
---
|
||||
title: 预制模块化数据中心
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [design, construction, cooling]
|
||||
sources: [raw/articles/dubai-airport-huawei-dc.md]
|
||||
---
|
||||
|
||||
# 预制模块化数据中心
|
||||
|
||||
## 定义
|
||||
|
||||
预制模块化数据中心（Prefabricated Modular Data Center）是将数据中心各子系统在工厂预制为独立模块（集装箱或箱体），现场快速组装交付的建设模式。相比传统现场建设，建设周期缩短 40-60%。
|
||||
|
||||
## 核心优势
|
||||
|
||||
- **快速部署**：工厂预制 + 现场组装，建设周期显著缩短
|
||||
- **弹性扩容**：增加模块即可扩展，按需建设
|
||||
- **质量可控**：工厂环境生产，质量一致性高
|
||||
- **成本优化**：减少现场施工成本和占地
|
||||
- **适应性强**：适用于空间有限、工期紧张或临时扩容场景
|
||||
|
||||
## 典型方案（华为 FusionModule1000B）
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| 模块类型 | 集装箱（23个模块组成） |
|
||||
| 总功率 | 1MW |
|
||||
| 业务柜数 | 100柜 |
|
||||
| 单柜密度 | 10kW/rack |
|
||||
| PUE | <1.6 |
|
||||
| 认证 | Tier III 设计+建造双认证 |
|
||||
|
||||
## 适用场景
|
||||
|
||||
- 机场快速扩容
|
||||
- 临时数据中心
|
||||
- 边缘计算节点
|
||||
- 海外/远程站点
|
||||
|
||||
## 在机场的适用性
|
||||
|
||||
迪拜机场案例（华为 DXB 项目）证明，预制模块化可解决：
|
||||
- 机场空间有限、无现成楼宇
|
||||
- 需快速交付（10个月 vs 传统2年）
|
||||
- 单柜功率密度高（10kW）带来散热挑战
|
||||
|
||||
> 相关：[[tier-iii-design]] | [[power-and-cooling]] | [[modern-airport-trends]]
|
||||
@@ -0,0 +1,29 @@
|
||||
---
|
||||
title: Tier III 数据中心设计
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [tier-iii, design]
|
||||
sources: []
|
||||
---
|
||||
|
||||
# Tier III 数据中心设计
|
||||
|
||||
## 标准参考
|
||||
|
||||
- **ANSI/TIA-942-B**: 数据中心电信基础设施标准
|
||||
- **Uptime Institute Tier Standard**: 分为 Tier I/II/III/IV 四个等级
|
||||
|
||||
## Tier III 核心要求
|
||||
|
||||
- **可用性**: 99.98%（年停机 ≤ 1.6 小时）
|
||||
- **冗余等级**: N+1（可并行维护）
|
||||
- **电力路径**: 2N UPS 或 N+1 UPS 配置
|
||||
- **冷却系统**: N+1 冗余冷冻水系统或风冷系统
|
||||
- **网络接入**: 多运营商、多路由接入
|
||||
|
||||
## 机场适用性
|
||||
|
||||
机场主数据中心推荐采用 Tier III 级别，兼顾建设成本与业务连续性需求。
|
||||
|
||||
> 相关：[[tier-iv-design]] | [[power-and-cooling]] | [[network-architecture]]
|
||||
@@ -0,0 +1,30 @@
|
||||
---
|
||||
title: Tier IV 数据中心设计
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [tier-iv, design]
|
||||
sources: []
|
||||
---
|
||||
|
||||
# Tier IV 数据中心设计
|
||||
|
||||
## 标准参考
|
||||
|
||||
- **ANSI/TIA-942-B**: 数据中心电信基础设施标准
|
||||
- **Uptime Institute Tier Standard**: Tier IV 为最高等级
|
||||
|
||||
## Tier IV 核心要求
|
||||
|
||||
- **可用性**: 99.99%（年停机 ≤ 0.8 小时）
|
||||
- **冗余等级**: 2N（完全冗余，任何单点故障不影响运行）
|
||||
- **容错能力**: 任意单一故障不影响 IT 负载
|
||||
- **电力路径**: 2N UPS，双市电引入
|
||||
- **冷却系统**: 2N 冗余，确保任何故障下制冷不中断
|
||||
- **物理安全**: 生物识别门禁、全区域 CCTV
|
||||
|
||||
## 机场适用性
|
||||
|
||||
适用于机场应急指挥中心、空管核心系统等不允许停机的关键设施。建设成本约为 Tier III 的 1.5-2 倍。
|
||||
|
||||
> 相关：[[tier-iii-design]] | [[power-and-cooling]] | [[security-design]]
|
||||
@@ -0,0 +1,55 @@
|
||||
---
|
||||
title: 福州长乐机场综合保税区人工智能智算中心
|
||||
created: 2026-04-09
|
||||
updated: 2026-04-09
|
||||
type: entity
|
||||
tags: [airport, computing-cluster, in-construction, liquid-cooling]
|
||||
sources: [raw/articles/福州长乐机场-15000P智算中心-2026-01-22.md]
|
||||
---
|
||||
|
||||
# 福州长乐机场综合保税区人工智能智算中心
|
||||
|
||||
## 基本信息
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| 投资方 | 福建智算方舟科技有限公司 |
|
||||
| 总投资 | **11亿元**（一期3.3亿元） |
|
||||
| 用地面积 | **33,347平方米**（50.02亩） |
|
||||
| 规划算力 | **15,000P** |
|
||||
| 预计投产 | **2026年10月** |
|
||||
| 年营收目标 | **超1.5亿元** |
|
||||
| 年税收目标 | **超1,000万元** |
|
||||
|
||||
## 建设进度
|
||||
|
||||
| 时间 | 里程碑 |
|
||||
|------|--------|
|
||||
| 2025年7月 | 完成工程勘察、施工图审查、设备进场 |
|
||||
| 2025年9月 | 正式启动装机和土建施工 |
|
||||
| 2026年6月 | 主体建筑封顶 |
|
||||
| 2026年6-10月 | 设备安装、系统集成、调试 |
|
||||
| **2026年10月** | **验收合格，正式投产** |
|
||||
|
||||
## 技术方案
|
||||
|
||||
- **液冷机柜矩阵**：规模化智算液冷机柜
|
||||
- **网络存储机柜阵列**：体系化网络存储机柜阵列
|
||||
- **AI服务器**：国际领先高性能AI服务器（型号未披露）
|
||||
|
||||
## 选址优势
|
||||
|
||||
- **位置**：福州滨海新城临空经济区，综保一路东侧、综保三街南侧
|
||||
- **政策**：长乐机场综保区多重政策优势
|
||||
- **定位**：填补东南沿海高端智算缺口，深化闽港、闽台数字协作
|
||||
|
||||
## 二期规划
|
||||
|
||||
- 高性能人工智能服务器及**边缘/云端推理一体机**的设计、组装与制造
|
||||
- "研发测试-生产制造-部署应用"产业闭环
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 液冷技术类型（冷板/浸没）未明确
|
||||
- "国际领先高性能AI服务器"表述模糊
|
||||
- 目前处于在建状态，核心硬件配置待投产时披露
|
||||
@@ -0,0 +1,56 @@
|
||||
---
|
||||
title: 深圳宝安国际机场
|
||||
created: 2026-04-09
|
||||
updated: 2026-04-09
|
||||
type: entity
|
||||
tags: [airport, case-study, ai-deployment]
|
||||
sources: [raw/articles/深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md]
|
||||
---
|
||||
|
||||
# 深圳宝安国际机场（ZGSZ）
|
||||
|
||||
## 基本信息
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| IATA | SZX |
|
||||
| 定位 | 超大型枢纽机场（年旅客量5,000万+） |
|
||||
| 数智化排名 | 42家千万级机场综合评价**第二名**（2024年） |
|
||||
|
||||
## AI基础设施
|
||||
|
||||
- **DeepSeek R1-671B 满血版**：千亿参数大模型，华为昇腾算力集群全栈本地化部署
|
||||
- **算力底座**：华为昇腾算力服务器（具体规格未披露）
|
||||
- **数据整合**：打通航班运行、物流服务、设备物联日志等**18类**核心业务数据
|
||||
|
||||
## 核心智能体矩阵
|
||||
|
||||
| 智能体 | 效果 |
|
||||
|--------|------|
|
||||
| 机位智能分配 | 每日分配：4小时→**1分钟**，靠桥率：**85.44%** |
|
||||
| AI安全助手 | 融合1,500份安全文档，检索效率提升**60倍** |
|
||||
| AI辅助判图 | 三维图像深度学习，安检效率提升**30%以上** |
|
||||
| 一体化主动运控 | 提前**20分钟**预判保障节点，正常率提升约**4个百分点** |
|
||||
| 综合交通全域一张图 | 处置响应时间 **<1分钟**（获"兴智杯"一等奖） |
|
||||
|
||||
## 物流智能化
|
||||
|
||||
- **深畅国际货站**：AGV机器人+智能卡口，全国首个24小时智慧远程监管货站
|
||||
- 进口货物库内停留时间缩短 **82%**
|
||||
- 出口货物库内停留时间缩短 **33%**
|
||||
- **快件中心**：机械臂+单件分离器+六面扫描仪三合一全自动作业
|
||||
- **无人驾驶牵引车**：无人接驳7×24小时不间断
|
||||
- **巡逻监管机器人**：海关查验平台货物自动收取
|
||||
|
||||
## 旅客服务
|
||||
|
||||
- **"小黄蜂"配送机器人**：卫星厅38个登机口餐饮直达
|
||||
- **旅客自弃物品回收机器人**：全国首个，日均收集禁限带物品**25公斤**
|
||||
- **AI翻译设备**：支持100余种语言，录入时间缩短**80%**
|
||||
- **网约车全链条管理体系**：服务车次超**854万**、旅客约**1,276万**，地面交通测评全国第一
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 华为昇腾集群具体规模（服务器数量、GPU卡数）未披露
|
||||
- 液冷技术是否使用未提及
|
||||
- 属于"国产算力+开源大模型"标杆案例
|
||||
@@ -0,0 +1,46 @@
|
||||
---
|
||||
title: 郑州航空港经济综合实验区
|
||||
created: 2026-04-09
|
||||
updated: 2026-04-09
|
||||
type: entity
|
||||
tags: [airport, wang-card, computing-cluster, case-study]
|
||||
sources: [raw/articles/郑州航空港-中部最大万卡算力集群-2026-03-05.md]
|
||||
---
|
||||
|
||||
# 郑州航空港经济综合实验区
|
||||
|
||||
## 基本信息
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| 定位 | 中部最大、国内领先的万卡算力集群 |
|
||||
| 当前算力 | **10,000P** |
|
||||
| 规划总规模 | **100,000P+**（三中心：训练/推理/推训一体） |
|
||||
| DeepSeek部署 | 2025年1月全量接入DeepSeek-R1（中部首个） |
|
||||
|
||||
## 三中心规划
|
||||
|
||||
| 中心 | 定位 |
|
||||
|------|------|
|
||||
| 一中心 | 主攻高端训练算力 |
|
||||
| 二中心 | 聚焦推理算力 |
|
||||
| 三中心 | 面向未来规划十万卡推训一体算力集群 |
|
||||
|
||||
## 配套项目
|
||||
|
||||
- **AI+智能人才公共实训基地**：总投资1.2亿元，2025年11月揭牌
|
||||
|
||||
## 区位优势
|
||||
|
||||
| 指标 | 数值 |
|
||||
|------|------|
|
||||
| 2小时高铁圈人口 | 覆盖**4亿**人口 |
|
||||
| 2小时航空圈 | 覆盖全国**90%**人口和市场 |
|
||||
| 2025年货邮吞吐量 | 首破**100万吨**（全国第五、中部首个"百万吨级"） |
|
||||
| 2025年外贸进出口 | **4,935亿元**，占河南全省**52.7%** |
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 10,000P具体硬件配置（GPU型号、机柜数、功率）未披露
|
||||
- 三中心"十万卡"仍为规划阶段
|
||||
- 适合作为机场临空经济区智算集群选址对标
|
||||
@@ -0,0 +1,29 @@
|
||||
# Wiki Index
|
||||
|
||||
> 内容目录。每个 wiki 页面按类型列出，附一行摘要。
|
||||
> 阅读此文件可快速查找相关页面。
|
||||
> Last updated: 2026-04-09 | Total pages: 16
|
||||
|
||||
## Entities
|
||||
|
||||
- [[shenzhen-airport]] — 深圳宝安国际机场：DeepSeek R1-671B满血版部署案例，42家千万级机场综合评价第二名
|
||||
- [[zhengzhou-airport-hangang]] — 郑州航空港经济综合实验区：中部最大万卡算力集群（当前10,000P，规划100,000P+）
|
||||
- [[fuzhou-changle-airport-bsj]] — 福州长乐机场综保区智算中心：在建15,000P，2026年10月投产，总投资11亿元
|
||||
|
||||
## Concepts
|
||||
|
||||
- [[airport-data-center-overview]] — 机场数据中心的定义、关键子系统、建设阶段
|
||||
- [[glossary]] — 常用缩略语和关键指标（DC/PUE/BHS/DCS/FIDS等）
|
||||
- [[tier-iii-design]] — Tier III 等级标准、设计要求、机场适用性
|
||||
- [[tier-iv-design]] — Tier IV 等级标准、2N冗余、容错要求
|
||||
- [[network-architecture]] — 机场网络分区、Spine-Leaf架构、网络安全
|
||||
- [[power-and-cooling]] — 供配电架构、UPS/发电机、液冷PUE/WUE/CUE三级指标、冷板/浸没式液冷
|
||||
- [[modern-airport-trends]] — 2025-2026现代化机场趋势：四型机场/智算中心/AI智能体/万卡集群/物流智能化
|
||||
- [[prefab-modular-dc]] — 预制模块化数据中心：定义、优势、华为方案参数、机场适用性
|
||||
- [[gpu-cluster]] — GPU集群（芯片选型/HGX服务器功耗/网络架构）、千卡集群3.5亿参考、液冷方案
|
||||
|
||||
## Comparisons
|
||||
|
||||
- [[airport-dc-case-studies]] — 北京大兴/迪拜/大连金州湾三个机场数据中心案例横向对比
|
||||
|
||||
## Queries
|
||||
@@ -0,0 +1,58 @@
|
||||
# Wiki Log
|
||||
|
||||
> 按时间顺序记录所有 wiki 操作。追加写入。
|
||||
> 格式：`## [YYYY-MM-DD] action | subject`
|
||||
> 操作类型：ingest, update, query, lint, create, archive, delete
|
||||
> 本文件超过 500 条时轮转：重命名为 `log-YYYY.md`，重新开始。
|
||||
|
||||
## [2026-04-08] create | Wiki 初始化
|
||||
- Domain: 机场数据中心建设方案
|
||||
- Structure: SCHEMA.md, index.md, log.md, raw/{articles,papers,transcripts,assets}, entities/, concepts/, comparisons/, queries/
|
||||
- Schema 定制：机场数据中心领域标签体系，8 大分类
|
||||
- 说明：[[SCHEMA.md]] 定义了页面类型、标签体系、创建规则、更新政策
|
||||
|
||||
## [2026-04-08] ingest | 2025-2026 机场数据中心行业调研
|
||||
- 来源1：2025第十一届中国机场建设年会（大连日报）
|
||||
- 来源2：Keydak金盾 — 2025国际机场博览会风液融合方案
|
||||
- 来源3：华为×迪拜机场预制模块化数据中心案例
|
||||
- 来源4：维谛技术×北京大兴国际机场关键基础设施案例
|
||||
- 创建/更新页面：
|
||||
- concepts/modern-airport-trends.md（新建）
|
||||
- concepts/prefab-modular-dc.md（新建）
|
||||
- comparisons/airport-dc-case-studies.md（新建）
|
||||
- raw/articles/2025-airport-construction-summit.md（新建）
|
||||
- raw/articles/keydak-airport-expo-2025.md（新建）
|
||||
- raw/articles/dubai-airport-huawei-dc.md（新建）
|
||||
- raw/articles/daxing-airport-vertiv.md（新建）
|
||||
- 更新：index.md（Total pages: 11）
|
||||
|
||||
## [2026-04-08] create | 生成《机场智算中心技术方案》综合文档
|
||||
- 输出文件：机场智算中心技术方案.md
|
||||
- 内容：10个章节，涵盖算力集群、液冷系统、网络架构、供电方案、运维平台
|
||||
- 数据来源：信通院液冷报告、国信证券液冷专题、头豹AIDC白皮书、工业智算研究报告、临港算力实践
|
||||
- 重大变更：推翻之前偏向建设/立项方向的《机场数据中心建设方案.md》，改为硬核技术参数
|
||||
|
||||
## [2026-04-08] create | GPU 集群概念页面
|
||||
- 新建：concepts/gpu-cluster.md
|
||||
- 内容：芯片选型（H100/H200/昇腾910B）、服务器形态、网络架构（InfiniBand/RoCE）、机场规模参数表、液冷方案对比、调度运维技术栈
|
||||
- 关联：[[modern-airport-trends]]（智算趋势）、[[prefab-modular-dc]]（物理载体）、[[power-and-cooling]]（液冷必选）、[[network-architecture]]（计算网络）、[[airport-data-center-overview]]（核心子系统）
|
||||
- 更新：index.md（Total pages: 12）
|
||||
|
||||
## [2026-04-09] ingest | 机场智算中心第二轮调研（8篇来源）
|
||||
- 抓取并保存至 raw/articles/：
|
||||
1. 郑州航空港-中部最大万卡算力集群-2026-03-05.md
|
||||
2. 福州长乐机场-15000P智算中心-2026-01-22.md
|
||||
3. 深圳机场-数智化全国第二-AI全栈部署-2026-01-15.md
|
||||
4. IBM-Building-intelligent-airport-future-2025.md
|
||||
5. 上海市-智算中心建设导则2025版-2025-01.md
|
||||
6. 中国工业互联网研究院-工业智算发展研究报告2025-2026-01.md
|
||||
7. 头豹研究院-中国AIDC产业发展白皮书2025-2025-07.md
|
||||
8. AI-Driven-Smart-Gating-2025.md
|
||||
- 更新/新建页面：
|
||||
- concepts/gpu-cluster.md（大修正：GPU型号表、HGX服务器功耗、NVLink规格、GB200数据、千卡集群3.5亿参考）
|
||||
- concepts/power-and-cooling.md（新增：上海PUE/WUE/CUE三级指标、液冷类型对比、英维克/中科曙光参数）
|
||||
- concepts/modern-airport-trends.md（新增趋势6-8：AI智能体矩阵/物流智能化/万卡集群选址）
|
||||
- entities/shenzhen-airport.md（新建）
|
||||
- entities/zhengzhou-airport-hangang.md（新建）
|
||||
- entities/fuzhou-changle-airport-bsj.md（新建）
|
||||
- 更新：index.md（Total pages: 12→16）、log.md
|
||||
Generated
+1645
File diff suppressed because it is too large
Load Diff
@@ -0,0 +1,10 @@
|
||||
{
|
||||
"devDependencies": {
|
||||
"markdownlint": "^0.37.0",
|
||||
"markdownlint-cli": "^0.32.2",
|
||||
"markdownlint-cli2": "^0.22.0"
|
||||
},
|
||||
"scripts": {
|
||||
"lint": "npx markdownlint-cli \"**/*.md\" --ignore \"node_modules/**\""
|
||||
}
|
||||
}
|
||||
@@ -0,0 +1,35 @@
|
||||
# 2025第十一届中国机场建设年会
|
||||
|
||||
来源：大连日报（2025-06-16）
|
||||
URL: https://dalian.runsky.com/2025-06/16/content_6257964.html
|
||||
|
||||
## 关键信息
|
||||
|
||||
- 时间：2025年6月12-13日
|
||||
- 地点：大连世博广场
|
||||
- 主题："发展低碳新民航 数智赋能民航新基建"
|
||||
- 参与方：200余家民航机构、企业，千余名专家
|
||||
- 主办：中国航空学会、大连国际机场集团等
|
||||
|
||||
## 四型机场
|
||||
|
||||
"平安、绿色、智慧、人文"四型机场是中国民航"十四五"核心方向。
|
||||
|
||||
## 大连金州湾国际机场（在建）
|
||||
|
||||
- 国家"十四五"重大建设项目
|
||||
- 海域机场，高盐高湿环境是核心挑战
|
||||
- 采用BIM+数字化施工监管平台
|
||||
- 专家咨询会：软基沉降、混凝土耐久性、建运一体化
|
||||
|
||||
## 关键与会方观点
|
||||
|
||||
- **上海机场集团**：建设运营一体化贯穿设计、施工、移交、运营各阶段
|
||||
- **重庆机场集团**：低碳转型+数字化融入全链条
|
||||
- **中建三局**：BIM+云计算+大数据+物联网
|
||||
|
||||
## 展会技术亮点
|
||||
|
||||
- 四足机器人AI智能巡检
|
||||
- BIM施工管理平台
|
||||
- 风液融合算力解决方案
|
||||
@@ -0,0 +1,103 @@
|
||||
# AI-Driven Smart Gating: Transforming Airline Operations
|
||||
|
||||
**来源**: European Journal of Computer Science and Information Technology, 13(50), 12-26, 2025
|
||||
**作者**: Vinay Siva Kumar Bhemireddy, Independent Researcher, USA
|
||||
**URL**: https://eajournals.org/ejcsit/wp-content/uploads/sites/21/2025/07/AI-Driven-Smart-Gating.pdf
|
||||
|
||||
---
|
||||
|
||||
## 核心问题
|
||||
|
||||
传统登机口分配依赖静态排程和人工干预，在全球航空交通增长背景下效率低下。
|
||||
|
||||
**现有挑战**:
|
||||
|
||||
| 挑战 | 影响 |
|
||||
|------|------|
|
||||
| 多维变量实时处理能力有限 | 无法快速适应变化 |
|
||||
| 静态排程框架 | 无法跨系统优化 |
|
||||
| 人工干预流程 | 资源分配低效 |
|
||||
| 传统规则系统 | 难以处理优先级重平衡 |
|
||||
|
||||
**后果**: 飞机滑行时间增加、不必要燃油消耗、旅客延误、机场容量利用率下降
|
||||
|
||||
## 智能登机口解决方案
|
||||
|
||||
### AI驱动系统的核心能力
|
||||
|
||||
- **主动式**而非反应式扰断管理
|
||||
- 实时优化，减少地面移动
|
||||
- 提高飞机利用率
|
||||
- 增强资源分配效率
|
||||
- 改善旅客中转和减少步行距离
|
||||
|
||||
### 演进历程
|
||||
|
||||
```
|
||||
Paper-based scheduling (1980s前)
|
||||
↓
|
||||
Computerized Systems (1980s) — rule-based logic
|
||||
↓
|
||||
Multi-parameter Resource Management (2000s) — deterministic approaches
|
||||
↓
|
||||
Stochastic/Scenario-based Robust Optimization (现在)
|
||||
↓
|
||||
AI/ML-Driven Smart Gating (未来)
|
||||
```
|
||||
|
||||
## 系统架构
|
||||
|
||||
### 四层架构
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────┐
|
||||
│ Data Acquisition Layer │
|
||||
│ 航班管理系统 / 旅客处理平台 / 行李处理系统 / 外部数据源(天气) │
|
||||
├─────────────────────────────────────────┤
|
||||
│ Advanced Analytical Engine │
|
||||
│ ML算法(模式识别) / 实时预测模型 │
|
||||
├─────────────────────────────────────────┤
|
||||
│ Simulation & Optimization Module │
|
||||
│ 场景评估 / 多目标优化 │
|
||||
├─────────────────────────────────────────┤
|
||||
│ Integration Interfaces │
|
||||
│ 遗留系统通信 / API架构 │
|
||||
└─────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
## 优化技术
|
||||
|
||||
| 技术 | 应用 |
|
||||
|------|------|
|
||||
| 混合整数线性规划(MILP) | 登机口分配数学建模 |
|
||||
| 约束编程 | 复杂约束处理 |
|
||||
| 随机规划 | 不确定性建模 |
|
||||
| 监督学习 | 运营模式预测 |
|
||||
| 无监督学习 | 数据隐藏结构发现 |
|
||||
| 强化学习 | 不确定条件下的序列决策 |
|
||||
| 深度学习 | 异构数据流处理 |
|
||||
|
||||
## 考量因素
|
||||
|
||||
- 登机口容量
|
||||
- 飞机尺寸兼容性
|
||||
- 最小过站时间
|
||||
- 航空公司偏好
|
||||
- 旅客步行距离
|
||||
- 行李转运要求
|
||||
|
||||
## 业务价值
|
||||
|
||||
- **运营效率**: 登机口再分配自动化，减少周转延误
|
||||
- **财务收益**: 减少航班延误燃油消耗
|
||||
- **环境优势**: 减少碳排放
|
||||
- **旅客体验**: 减少步行距离，改善中转
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 本论文为学术研究性质，提供AI登机口优化的理论框架
|
||||
- 对深圳机场"机位智能分配"实践有学术支撑作用
|
||||
- 可作为机场AI运营系统的技术方案参考
|
||||
- 论文未包含具体模型参数或商业实现细节
|
||||
@@ -0,0 +1,90 @@
|
||||
# Building the Intelligent Airport of the Future: An AI-Powered Air Travel Ecosystem Orchestrator
|
||||
|
||||
**来源**: IBM Think
|
||||
**日期**: 2025年（具体日期未标注）
|
||||
**URL**: https://www.ibm.com/think/insights/implementing-intelligent-airport-future-ai-powered-ecosystem-orchestrator
|
||||
|
||||
---
|
||||
|
||||
## 核心概念：机场作为 Ecosystem Orchestrator
|
||||
|
||||
机场正在从"人类执行+技术辅助"进化为"智能系统自主运营核心功能+人类监督"的模式。
|
||||
|
||||
**演进路径**:
|
||||
|
||||
| 阶段 | 特征 | 例子 |
|
||||
|------|------|------|
|
||||
| 1. Rules-based execution | 自主服务流程，"反射代理" | 自助值机、自助行李托运 |
|
||||
| 2. AI agent development | 系统具备感知-决策-行动能力 | 渐进式信任建立 |
|
||||
| 3. Sophisticated AI agents | 目标导向代理，跨多系统智能编排 | 航班延误时的登机口再分配、周转优化 |
|
||||
|
||||
## 业务价值领域
|
||||
|
||||
### 旅客体验
|
||||
- **Touchless processing**: 无停顿安检、被动身份识别
|
||||
- **Biometric identification**: "无边界"旅客体验
|
||||
- 全流程无摩擦通行
|
||||
|
||||
### 运营领域
|
||||
|
||||
| 领域 | 能力 |
|
||||
|------|------|
|
||||
| 空侧运营 | 智能资源分配 |
|
||||
| 行李运营 | 动态优化处理能力 |
|
||||
| 航站楼运营 | 基于占用率/天气/能源目标的自主环境控制（照明、温度、通风） |
|
||||
| IT运营 | 自我修复基础设施（弹性、安全） |
|
||||
|
||||
## 数据基础设施要求
|
||||
|
||||
### 推荐架构: Data Mesh（数据网格）
|
||||
|
||||
- 联邦化、面向域的数据所有权
|
||||
- 集中化治理
|
||||
- 各机场功能维护专业化数据，同时贡献于统一生态系统
|
||||
|
||||
**核心能力**:
|
||||
- 实时运营智能
|
||||
- 预测性机场运营
|
||||
- 旅客流动改善与管理
|
||||
- 运营效率和客户体验提升
|
||||
|
||||
### 数据伙伴关系挑战
|
||||
|
||||
> "不是'有权'获取航空公司数据，而是关注'航空公司能从中获得什么'"
|
||||
|
||||
成功要素：向合作伙伴证明数据共享价值，建立机场作为数据治理者的信任
|
||||
|
||||
## 基础设施要求
|
||||
|
||||
### 适应性与可扩展性
|
||||
|
||||
- **预测并适应**数据量波动（旅客、行李、货物）
|
||||
- 与生态系统伙伴的**安全数据共享**（延迟不变）
|
||||
- **混合云技术**应对峰值负载弹性
|
||||
- **智能自动化**持续一致性能
|
||||
|
||||
### 安全设计
|
||||
|
||||
- IT和OT系统高级网络安全框架
|
||||
- 网络安全与物理安全无缝融合
|
||||
- 内在设计（by design and default）
|
||||
|
||||
## 国际标准倡议
|
||||
|
||||
### CATS Global Council - Concept of Operations (CONOPS)
|
||||
|
||||
- **目标**: 到2045年实现完全集成、无缝、可扩展、可持续的空管系统
|
||||
- 核心能力：**近实时数字信息共享**
|
||||
|
||||
### SESAR-JU (EU) - FASTNet Project
|
||||
|
||||
- 通过AI和改进的机场对机场协调，将机场运营整合进航空网络
|
||||
- 开创性新数据服务
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- IBM文档偏重架构框架，缺少具体AI/ML技术细节（模型规模、硬件配置）
|
||||
- 主要面向机场运营管理层，非技术规格文档
|
||||
- 适合与国内具体机场案例对比参照
|
||||
@@ -0,0 +1,48 @@
|
||||
# 北京大兴国际机场关键基础设施
|
||||
|
||||
来源：维谛技术（Vertiv）官网PDF（Case Study）
|
||||
URL: https://www.vertiv.cn/4af62d/globalassets/documents/case-studies/trans_case_1_bdia_295354_0.pdf
|
||||
|
||||
## 项目概况
|
||||
|
||||
- 位置：北京市（天安门正南46公里）
|
||||
- 投运时间：2019年9月
|
||||
- 占地面积：140万平方米
|
||||
- 定位：世界上规模最大单体航站楼
|
||||
- 荣誉：2016年英国《卫报》"新世界七大奇迹"之首
|
||||
|
||||
## 智能化建设
|
||||
|
||||
- 建设19个平台、68个系统
|
||||
- 统一运行信息数据平台
|
||||
- 大数据分析整合
|
||||
- 实现航班运行状态全面掌握
|
||||
|
||||
## 关键基础设施部署点
|
||||
|
||||
1. 信息中心
|
||||
2. 西塔台
|
||||
3. 空管核心工作区
|
||||
4. 气象综合探测场二次雷达站
|
||||
5. 华北空管生产运行中心
|
||||
6. 北京终端管制中心
|
||||
|
||||
## 解决方案
|
||||
|
||||
**维谛技术（Vertiv）Liebert® PEX+ 系列机房专用精密空调**
|
||||
|
||||
- 超高效、高可靠性、高灵活性
|
||||
- 全新模块化设计
|
||||
- 高制冷量、高能效
|
||||
- 全正面维护
|
||||
- 灵活扩容（可增加制冷柜）
|
||||
|
||||
## 东方航空基地
|
||||
|
||||
东航核心机房大规模采用Vertiv方案：
|
||||
- UPS系统
|
||||
- 热管理系统
|
||||
- 机柜
|
||||
- SmartSolutions融合解决方案
|
||||
|
||||
范围：生活服务区、维修区、航空食品区、地面服务区、货运区
|
||||
@@ -0,0 +1,48 @@
|
||||
# 迪拜机场 × 华为预制模块化数据中心
|
||||
|
||||
来源：华为官网PDF
|
||||
URL: https://www.huawei.com/~/media/CORPORATE/PDF/case-studies/dubai-airports-cn.pdf
|
||||
|
||||
## 项目背景
|
||||
|
||||
迪拜机场面临的问题：
|
||||
- 多个老旧数据中心，设备品牌众多、管理复杂
|
||||
- 设备老化，制冷量不足
|
||||
- 业务快速增长，需要快速扩容
|
||||
|
||||
## 解决方案
|
||||
|
||||
**华为 FusionModule1000B 预制模块化数据中心**
|
||||
- 23个集装箱大小的预制模块
|
||||
- 总功率：1MW
|
||||
- 业务柜：100个，单柜 10kW/rack
|
||||
- 建设周期：预计10个月（比传统数据中心节省近50%时间）
|
||||
|
||||
## 关键指标
|
||||
|
||||
| 指标 | 数值 |
|
||||
|------|------|
|
||||
| 等级 | Tier III 设计+建造双认证 |
|
||||
| 可用性 | 99.98% |
|
||||
| 年停机时间 | 1.6小时 |
|
||||
| PUE | < 1.6（比传统数据中心节能30%+） |
|
||||
| 建设周期 | 10个月 |
|
||||
|
||||
## 技术亮点
|
||||
|
||||
- 变频行级精密空调
|
||||
- 高效模块化UPS
|
||||
- 密闭通道设计
|
||||
- NetEco 管理系统
|
||||
|
||||
## 业务覆盖
|
||||
|
||||
- 航班信息与机场运营
|
||||
- 乘客运输与行李服务
|
||||
- 连接与网络服务
|
||||
- 安检、视频监控
|
||||
- 企业业务运营、设施维护
|
||||
|
||||
## "DXB+"规划
|
||||
|
||||
预计未来10年旅客吞吐量从8360万增长到1.18亿。
|
||||
@@ -0,0 +1,28 @@
|
||||
# 2025国际机场博览会 — 风液融合算力解决方案
|
||||
|
||||
来源：Keydak金盾官网（2025-09-11）
|
||||
URL: https://www.keydak.com/NEWS/news_100000063272748.html
|
||||
|
||||
## 展会信息
|
||||
|
||||
- 时间：2025年9月8-10日
|
||||
- 地点：广州·中国进出口商品交易会展馆
|
||||
- 主题：国际机场博览会
|
||||
- 参展方：70多个国家、170多家机场
|
||||
|
||||
## 核心观点
|
||||
|
||||
### 智算中心散热挑战
|
||||
- 传统数据中心单机柜：5-15kW
|
||||
- 算力数据中心单机柜：50-120kW
|
||||
- 传统风冷无法满足高功率服务器散热需求
|
||||
|
||||
### 风液融合解决方案参数
|
||||
- 支持风冷：最高 40kW/柜
|
||||
- 支持液冷：最高 150kW/柜
|
||||
- 特点：风液同源、动态平衡、灵活部署、成本优化
|
||||
|
||||
### 价值
|
||||
- 显著降低数据中心总体能耗和碳排放
|
||||
- 契合"双碳"目标
|
||||
- 适配AI算力密度持续上升趋势
|
||||
@@ -0,0 +1,142 @@
|
||||
# 上海市智算中心建设导则（2025年版）
|
||||
|
||||
**来源**: 上海市经济和信息化委员会
|
||||
**日期**: 2025年1月
|
||||
**URL**: https://www.sheitc.org.cn/uploadfile/20250114/20250114144347_3158.pdf
|
||||
**性质**: 地方标准/建设指导文件（具有强制执行力）
|
||||
|
||||
---
|
||||
|
||||
## 选址分区要求
|
||||
|
||||
| 区域 | 范围 | 政策 |
|
||||
|------|------|------|
|
||||
| **适建区** | 外环以外 | 优先，既有工业区、发电厂区优先 |
|
||||
| **禁止区** | 中环以内 | 不得新建智算中心 |
|
||||
| **限制区** | 中环与外环之间 | 严格限制 |
|
||||
| **边缘智算** | 靠近应用场景 | 不受分区限制 |
|
||||
|
||||
## 核心规模指标
|
||||
|
||||
### 大型智算中心
|
||||
|
||||
```
|
||||
平均机架设计功率: ≥ 12kW
|
||||
机架设计总功率: ≥ 24 MW
|
||||
```
|
||||
|
||||
### 边缘智算中心
|
||||
|
||||
```
|
||||
平均机架设计功率: ≥ 6kW
|
||||
机架设计总功率: ≤ 1.2 MW
|
||||
基准PUE: ≤ 1.4
|
||||
```
|
||||
|
||||
## PUE能效指标
|
||||
|
||||
| 指标类型 | 准入值 | 先进值 | 长三角集群 |
|
||||
|----------|--------|--------|------------|
|
||||
| **基准PUE** | ≤ 1.25 | — | — |
|
||||
| **综合PUE** | ≤ 1.22 | ≤ 1.18 | ≤ 1.20 |
|
||||
|
||||
## 选址关键要求
|
||||
|
||||
| 要求类型 | 具体指标 |
|
||||
|----------|----------|
|
||||
| **供电** | 靠近110kV及以上等级且配置冗余度高的电源点；宜引入一类市电；市电平均每月停电次数 ≤ 1次；平均每次故障时间 ≤ 0.5小时 |
|
||||
| **网络** | 靠近干线通信线路；宜具备三路由及以上接入条件 |
|
||||
| **水源** | 直线距离300米范围有水源；宜从两个独立水源各自引入一路供水 |
|
||||
| **安全距离** | 地铁/铁路 ≥ 100m；加油站/加气站 ≥ 400m；一级石油库 ≥ 500m |
|
||||
| **水灾** | 新建智算中心首层建筑完成面宜高出当地洪水百年重现期水位线1.0m以上 |
|
||||
|
||||
## 建筑与配套设施
|
||||
|
||||
### 液冷要求
|
||||
|
||||
- **新建智算中心宜采用液冷技术**满足高密算力散热需求（强制表述）
|
||||
- 空调制冷设备应选用配置**变频、变容量冷却设备**
|
||||
- 制冷剂ODP=0且GWP较低
|
||||
|
||||
### 机架要求
|
||||
|
||||
- 设计功率12kW以上机架宜采用就近的供配电部署方式
|
||||
- 强电、弱电、光纤、铜缆宜分别布线
|
||||
|
||||
## AI基础设施架构
|
||||
|
||||
### AI服务器类型
|
||||
|
||||
| 类型 | 核心要求 |
|
||||
|------|----------|
|
||||
| **AI训练服务器** | 支持至少一种深度学习/机器学习训练框架；能执行至少一种场景模型训练（CV、NLP、语音等） |
|
||||
| **AI推理服务器** | 支持至少一种深度学习/机器学习推理框架；能执行至少一种场景模型推理 |
|
||||
|
||||
### 存储设备要求
|
||||
|
||||
- 支持AI全生命周期数据存储
|
||||
- 支持元数据管理、数据分层管理
|
||||
- 支持对象存储、文件存储和块存储
|
||||
- **宜支持RDMA技术**，实现高聚合带宽
|
||||
- 应具备冗余存储能力，支持容量扩展
|
||||
|
||||
### 网络设备要求
|
||||
|
||||
- 应采用**智能无损网络**等新技术
|
||||
- 大规模训练应用场景下，应采用智能无损网络
|
||||
- 宜具备高速网络连接（**200Gbps计算网**）
|
||||
|
||||
### 平台层要求
|
||||
|
||||
**算力调度**:
|
||||
- 应提供算力、网络等资源**虚拟化和池化**能力
|
||||
- 应支持**异构芯片资源精细化管理**（负载感知、拓扑感知、算力切分）
|
||||
|
||||
**推理精度支持**: FP32、FP16、INT4、INT8
|
||||
|
||||
**存储性能**: 毫秒级延时、百万级IOPS
|
||||
|
||||
## 上架率要求
|
||||
|
||||
> 同一主体或相关主体前期批复数据中心/智算中心项目**两年内IT设备上架率达到75%及以上**的，给予支持
|
||||
|
||||
| 阶段 | IT设备上架率(Rackon) | 平均机架运行功率(Prack) |
|
||||
|------|----------------------|------------------------|
|
||||
| 第一年 | ≥ 50% | ≥ 设计功率的50% |
|
||||
| 第二年及以后 | ≥ 70% | ≥ 设计功率的70% |
|
||||
|
||||
## 监测指标
|
||||
|
||||
| 指标 | 第一年 | 第二年及以后 |
|
||||
|------|--------|--------------|
|
||||
| **Rackon** | ≥ 50% | ≥ 70% |
|
||||
| **PUE综合** | ≤ 1.32 | ≤ 1.22 |
|
||||
| **WUE** | ≤ 2.2 L/kWh | ≤ 2.0 L/kWh |
|
||||
| **CUE** | ≤ 1.2 gCO2/kWh | ≤ 1.0 gCO2/kWh |
|
||||
|
||||
## 绿电与清洁能源要求
|
||||
|
||||
| 区域 | 绿电占比要求 |
|
||||
|------|-------------|
|
||||
| 一般区域 | 宜 ≥ 30% |
|
||||
| **长三角集群** | 应 > 80% |
|
||||
|
||||
**必须采用的绿色技术（至少1种）**:
|
||||
- 园区风电
|
||||
- 分布式光伏发电（安装面积 ≥ 建筑屋顶面积的50%）
|
||||
- 余热回收利用
|
||||
- 工业废弃能源利用
|
||||
- 分布式储能
|
||||
|
||||
## 能效等级目标
|
||||
|
||||
- 绿色节能等级：宜达到GB/T 43331中**第五级**要求
|
||||
- 绿色数据中心等级：宜达到DB31/T 1395中**AAAAA（5A）级**要求
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 本导则为目前国内最详尽的智算中心建设地方标准之一
|
||||
- 核心创新：**液冷强制化**（"宜采用"液冷=实质推进方向）、**PUE分级管控**、**异构算力虚拟化**
|
||||
- 对机场智算中心建设最具参考价值：选址分区、机架功率密度门槛、RDMA网络要求
|
||||
@@ -0,0 +1,96 @@
|
||||
# 工业智算发展研究报告（2025年）
|
||||
|
||||
**来源**: 中国工业互联网研究院
|
||||
**日期**: 2026年1月8日发布
|
||||
**URL**: https://www.china-aii.com/u/cms/www/202601/工业智算发展研究报告（2025年）.pdf
|
||||
**性质**: 行业研究报告（官方研究机构）
|
||||
|
||||
---
|
||||
|
||||
## 核心定义
|
||||
|
||||
**工业智算**: 通过大规模异构算力资源（CPU、GPU、DPU、NPU、FPGA、ASIC等），为工业智能终端、工业网络智能控制、工业智能边缘计算、工业智能化应用提供所需算力、数据、算法和模型，实现**"云-边-端"一体化融合智能计算**。
|
||||
|
||||
## 全球算力格局（2025年8月）
|
||||
|
||||
```
|
||||
美国: 68.9%
|
||||
中国: 14.5%
|
||||
欧洲: 6.1%
|
||||
日本: 1.2%
|
||||
其他: 9.3%
|
||||
```
|
||||
|
||||
## 我国工业智算市场规模
|
||||
|
||||
| 指标 | 2024年 | 2025年(预计) | 2026年(预计) | 2028年(预计) |
|
||||
|------|--------|--------------|--------------|--------------|
|
||||
| **智算规模** | 725.3 EFLOPS | 1,037.3 EFLOPS (+43%) | 1,460.3 EFLOPS (+40.8%) | 2,781.9 EFLOPS |
|
||||
| **智算市场** | 1,325亿元 | 1,806亿元 (+36.2%) | 2,350亿元 (+30.1%) | — |
|
||||
| **工业智算占比** | 30%+ | 35%+ | 40%+ | 50%+ |
|
||||
|
||||
## 基础设施现状
|
||||
|
||||
| 指标 | 数值 |
|
||||
|------|------|
|
||||
| 在用算力中心机架 | 1,085万标准机架 |
|
||||
| 国家算力枢纽节点省市机架占比 | 72.6% |
|
||||
| 智能算力规模 | 788 EFLOPS |
|
||||
| 液冷技术渗透率 | 64% |
|
||||
| 平均PUE | 1.42（目标<1.2） |
|
||||
| 工业大数据市场规模 | 2024年1,200亿元 → 2025年底约1,600亿元 |
|
||||
|
||||
## 美欧发展策略对比
|
||||
|
||||
### 美国: "资本+技术"双轮驱动
|
||||
|
||||
- 2025年1月: "星际之门"项目启动，4年内投资**5,000亿美元**
|
||||
- 2025年7月: 发布《美国人工智能行动计划》
|
||||
- 2025年11月: "创世纪计划"行政令，整合17个国家实验室超级算力
|
||||
- NIST投入2,000万美元建立制造业AI中心（联邦承诺7,000万美元/五年期）
|
||||
|
||||
### 欧盟: "政策+协同"牵引
|
||||
|
||||
- 2025年2月: "投资人工智能"计划，筹集**2,000亿欧元**
|
||||
- 2025年4月: "人工智能大陆行动计划"
|
||||
- 液冷渗透率: 42%
|
||||
|
||||
## 典型企业产品（国产替代）
|
||||
|
||||
| 企业 | 产品/技术 | 规格/突破 |
|
||||
|------|-----------|-----------|
|
||||
| **华为** | 昇腾910 | 云边端一体AI芯片 |
|
||||
| **寒武纪** | 云边端一体AI芯片 | 全场景覆盖 |
|
||||
| **英维克** | 冷板式液冷系统 | 单机柜功率密度24kW，散热效率提升40% |
|
||||
| **中科曙光** | 浸没式液冷系统 | PUE低至1.04，年减碳量超万吨 |
|
||||
| **新华三** | 800G国芯智算交换机 | 支持10万卡集群组网 |
|
||||
| **中际旭创** | 1.6T光模块 | 全球首发 |
|
||||
| **长电科技** | HBM4封装技术 | 带宽达1TB/s |
|
||||
|
||||
## 典型行业案例
|
||||
|
||||
### 汽车制造
|
||||
- 奥迪中国工厂AI焊点质量控制: 每班150万个焊点全量分析
|
||||
- 吉利星睿智算中心: 3.54PFlops算力，累计1.2万次虚拟碰撞试验，研发仿真计算效率提升30%
|
||||
|
||||
### 航空航天
|
||||
- 中国商飞FuncGenFoil翼型生成设计: 设计误差降低74.4%，多样性提升23.2%
|
||||
|
||||
### 工业机器人
|
||||
- 在役工业机器人突破**200万台**，2024年新增29.5万台（全球新安装量54%）
|
||||
|
||||
## 智算中心分布
|
||||
|
||||
```
|
||||
大型智算中心(>1000P): 20% → 京津冀、长三角、珠三角
|
||||
中型智算中心(300-1000P): 70% → 一线、新一线及二线城市
|
||||
小型智算中心(<100P): 10% → 二线及以下城市
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 本报告为工业智算领域的权威官方报告
|
||||
- 机场智算中心属于"工业智算"应用场景之一，但本报告未专门覆盖机场行业
|
||||
- 国产液冷企业（英维克、中科曙光）的技术参数对机场项目有直接参考价值
|
||||
@@ -0,0 +1,106 @@
|
||||
# 2025年中国AIDC产业发展白皮书：智算中心如何撑起大模型时代的蓝图？
|
||||
|
||||
**来源**: 头豹研究院（LeadLeo）
|
||||
**日期**: 2025年7月
|
||||
**URL**: https://pdf.dfcfw.com/pdf/H3_AP202507101706460530_1.pdf
|
||||
**性质**: 商业研究白皮书
|
||||
|
||||
---
|
||||
|
||||
## 核心发现
|
||||
|
||||
| 维度 | 关键发现 |
|
||||
|------|----------|
|
||||
| 市场导向 | 从性能为王转向业务场景适配：金融/医疗用70B，文档用7B，边缘用1.5B |
|
||||
| 竞争格局 | 差异化竞争：百度"云智一体"、阿里"MaaS开源生态"、火山"应用反哺技术" |
|
||||
| 算力结构 | 2023年全球智算力达875EFLOPS，首次超基础算力；中美合计超七成 |
|
||||
| 制冷革新 | GPU功耗激增，液冷成PUE<1.10核心路径，传统风冷进入结构性瓶颈 |
|
||||
|
||||
## GPU芯片演进
|
||||
|
||||
| 架构 | 型号 | FP16算力 | 显存带宽 | NVLink带宽 | 功耗 |
|
||||
|------|------|----------|----------|------------|------|
|
||||
| Ampere | A100 | 312T | 2TB/s | 600GB/s | 400W |
|
||||
| Hopper | H100 | 1P | 3.35TB/s | 900GB/s | 700W |
|
||||
| Hopper | H200 | 1P | 4.8TB/s | 900GB/s | 700W |
|
||||
| Blackwell | B100 | 1.75P | 8TB/s | 1.8TB/s | 1,000W |
|
||||
| Blackwell | B200 | 2.25P | 8TB/s | 1.8TB/s | 1,200W |
|
||||
| Blackwell | **GB200** | **5P** | **16TB/s** | **3.6TB/s** | **2,700W** |
|
||||
|
||||
## 服务器功耗趋势
|
||||
|
||||
| 型号 | GPU算力 | GPU功耗 | 总功耗 |
|
||||
|------|---------|---------|--------|
|
||||
| HGX A100 | 2.4P | 3.2kW | 6.5kW |
|
||||
| HGX H100 | 8P | 5.6kW | 10.2kW |
|
||||
| HGX B100 | 14P | 5.6kW | 10.2kW |
|
||||
| HGX B200 | 18P | 8kW | **14.3kW** |
|
||||
|
||||
**结论**: 单机柜功率密度急剧攀升，液冷已成必然选择
|
||||
|
||||
## 千卡集群(H100)前期投入
|
||||
|
||||
| 组成 | 费用 |
|
||||
|------|------|
|
||||
| 算力设备 | 约3亿元 |
|
||||
| 网络设备 | 约2,500万元 |
|
||||
| 存储/安全 | 约1,000万元 |
|
||||
| 平台软件/液冷改造 | 约1,000万元 |
|
||||
| **总计** | **约3.5亿元** |
|
||||
|
||||
**年运营支出**: 约5,000万元
|
||||
|
||||
## 能耗结构
|
||||
|
||||
```
|
||||
IT设备: 67%
|
||||
制冷系统: 27%
|
||||
供电系统: 5%
|
||||
照明及其他: 1%
|
||||
```
|
||||
|
||||
## 制冷技术PUE对比
|
||||
|
||||
| 冷却方式 | PUE范围 | 适用场景 |
|
||||
|----------|---------|----------|
|
||||
| **液冷(相变浸没式)** | 1.00 | >30kW/机柜，高性能场景 |
|
||||
| **液冷(冷板式)** | ~1.10 | 高密度智算中心 |
|
||||
| **自然冷(间接蒸发冷)** | 1.10-1.20 | 北方气候区 |
|
||||
| **冷冻水系统** | 1.30+ | 传统数据中心 |
|
||||
| **风冷** | 1.40+ | 面临淘汰 |
|
||||
|
||||
## 大模型训练资源消耗
|
||||
|
||||
| 模型 | 参数量 | GPU规模 | 训练时长 |
|
||||
|------|--------|---------|----------|
|
||||
| LLaMA-1 | 65.2B | 2,028块 | 90天 |
|
||||
| LLaMA-3 | 405B | 16,384块H100 | 54天 |
|
||||
|
||||
**关键**: 预训练消耗90-99%总算力，微调仅占1-10%
|
||||
|
||||
## PD分离技术
|
||||
|
||||
| 阶段 | 特征 | 资源瓶颈 | 优化策略 |
|
||||
|------|------|----------|----------|
|
||||
| **Prefill** | 并行处理所有输入token | GPU计算能力 | 批处理、张量并行 |
|
||||
| **Decode** | 逐个自回归生成 | 内存带宽和延迟 | KV缓存、Flash Attention |
|
||||
|
||||
**关键发现**: Prefill与Decode存在高达**137倍**速度差距，Decode耗时占99%以上
|
||||
|
||||
## 中国厂商差异化路线
|
||||
|
||||
| 厂商 | 战略定位 | 核心路径 |
|
||||
|------|----------|----------|
|
||||
| 百度智能云 | "云智一体" | 全栈自研，B端标杆案例 |
|
||||
| 阿里云 | MaaS基础设施 | 公有云标准化服务 |
|
||||
| 火山引擎 | 应用反哺技术 | 豆包先服务抖音/头条，再输出B端 |
|
||||
| 科大讯飞 | 行业垂直整合 | 教育/医疗/司法/政务 |
|
||||
| DeepSeek | 非对称竞争 | 极致性价比，开源顶尖模型 |
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 本白皮书数据详实，GPU/服务器功耗演进数据极具参考价值
|
||||
- GB200 NVL72整机柜方案（2,700W功耗）对机场智算中心选址和供配电设计有直接指导意义
|
||||
- "千卡集群3.5亿元"投入数据可作为机场项目预算参考基准
|
||||
@@ -0,0 +1,77 @@
|
||||
# 深圳机场：数智化水平位居全国42家千万级机场第二名
|
||||
|
||||
**来源**: 深圳新闻网
|
||||
**日期**: 2026-01-15
|
||||
**URL**: https://www.sznews.com/news/content/2026-01/15/content_31905100.htm
|
||||
|
||||
---
|
||||
|
||||
## 核心成就
|
||||
|
||||
- **全国排名**: 42家千万级机场综合评价**第二名**（民航局《千万级机场智慧民航建设综合评价报告2024》）
|
||||
- **大模型**: 率先完成DeepSeek R1-671B满血版千亿参数大模型全栈本地化部署（华为昇腾算力集群）
|
||||
- **国际货邮**: 2025年首次突破100万吨
|
||||
- **航班放行正常率**: 91.19%
|
||||
|
||||
## AI基础设施
|
||||
|
||||
### 算力底座
|
||||
|
||||
- **硬件**: 华为昇腾算力服务器与工具平台
|
||||
- **模型**: DeepSeek R1-671B（满血版）——千亿参数大模型
|
||||
- **数据整合**: 打通航班运行、物流服务、设备物联日志等**18类**核心业务数据壁垒
|
||||
- **特点**: 国产算力集群支撑该级别大模型落地，业内首批
|
||||
|
||||
### 智能体矩阵（10余个业务专属智能体）
|
||||
|
||||
| 智能体 | 功能 |
|
||||
|--------|------|
|
||||
| AI安全助手 | 融合1,500余份安全文档，检索效率提升60倍 |
|
||||
| AI乘机助手 | 中英文交互、对话式咨询，秒级响应 |
|
||||
| AI采购助手 | 采购流程智能化 |
|
||||
| AI财务助手 | 财务工作自动化 |
|
||||
| 党务工作小助手 | 党务工作辅助 |
|
||||
| iHR人力智能体 | 人力资源管理 |
|
||||
| AI公文助手 | 公文处理智能化 |
|
||||
|
||||
## 全场景落地应用
|
||||
|
||||
### 旅客服务
|
||||
|
||||
- **机位智能分配**: 每日航班分配耗时从4小时压缩至**1分钟**，靠桥率提升至**85.44%**
|
||||
- **"小黄蜂"配送机器人**: 卫星厅38个登机口餐饮直达
|
||||
- **旅客自弃物品回收机器人**: 全国首个，日均收集禁限带物品**25公斤**
|
||||
- **AI翻译设备**: 支持100余种语言实时翻译，信息录入时间缩短**80%**
|
||||
|
||||
### 航空物流
|
||||
|
||||
- **深畅国际货站**: AGV机器人+智能卡口，全国首个24小时智慧远程监管货站
|
||||
- 进出口货物库内停留时间分别缩短**82%**、**33%**
|
||||
- **快件中心**: "机械臂+单件分离器+六面扫描仪"三合一全自动作业
|
||||
- **无人驾驶牵引车**: 无人接驳7×24小时不间断
|
||||
- **巡逻监管机器人**: 海关查验平台货物自动收取、园区智能巡逻
|
||||
|
||||
### 安全运行
|
||||
|
||||
- **AI辅助判图**: 三维图像深度学习，精准识别锂电池/充电宝/刀具/打火机，安检效率提升**30%以上**
|
||||
- **一体化主动运控**: 多源数据融合+AI，提前**20分钟**精准预判保障节点，航班正常率提升约**4个百分点**
|
||||
|
||||
### 综合交通
|
||||
|
||||
- **"综合交通全域一张图"**: AI实时分析人流/车流/道路，处置响应时间稳定控制在**1分钟以内**（获第二届"兴智杯"全国人工智能创新应用大赛一等奖）
|
||||
- **全国首个网约车全链条管理体系**: AI智能调度，服务车次超**854万**、旅客约**1,276万**，地面交通服务测评指标全国第一
|
||||
|
||||
## 创新机制
|
||||
|
||||
- **"揭榜挂帅"机制**: 第六届深圳人工智能展发布9个特色项目榜单，吸引17家企业参与
|
||||
- **国企民企协同**: 联合华为、腾讯共建"未来机场数字化平台"，联动哈工大产学研
|
||||
- **统一架构底座**: "一次开发、复用共享"
|
||||
- **"1+2+N"创新制度体系**: 制度设计→落地执行→资源保障→激励约束
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- DeepSeek R1-671B在华为昇腾集群上的部署细节（集群规模、互联网络）未披露
|
||||
- 深圳机场未披露具体服务器数量和功率密度
|
||||
- 液冷技术未提及，可能仍在建设智算中心基础设施层面
|
||||
@@ -0,0 +1,60 @@
|
||||
# 15000P算力+年产值可超1.5亿！福州长乐机场综保区人工智能智算中心全速推进
|
||||
|
||||
**来源**: 福建省商务厅
|
||||
**日期**: 2026-01-22
|
||||
**URL**: https://swt.fujian.gov.cn/xxgk/jgzn/jgcs/zsxdc/tzdt/202601/t20260122_7084250.htm
|
||||
|
||||
---
|
||||
|
||||
## 核心数据
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| **总投资** | 11亿元（一期3.3亿元） |
|
||||
| **用地面积** | 33,347平方米（50.02亩） |
|
||||
| **规划算力** | 15,000P |
|
||||
| **预计投产** | 2026年10月 |
|
||||
| **年营收目标** | 超1.5亿元 |
|
||||
| **年税收目标** | 超1,000万元 |
|
||||
|
||||
## 建设进度
|
||||
|
||||
- **2025年7月**: 完成工程勘察、施工图审查、设备进场
|
||||
- **2025年9月**: 正式启动装机和土建施工
|
||||
- **2026年6月**: 主体建筑封顶
|
||||
- **2026年6-10月**: 设备安装、系统集成、全流程调试
|
||||
- **2026年10月**: 验收合格后正式投产
|
||||
|
||||
## 技术方案
|
||||
|
||||
### 核心架构
|
||||
|
||||
- **液冷机柜矩阵**：规模化智算液冷机柜（具体机柜数未披露）
|
||||
- **网络存储机柜阵列**：体系化网络存储机柜阵列
|
||||
- **AI服务器**：搭载国际领先的高性能AI服务器（型号未披露）
|
||||
|
||||
### 二期规划（算力服务器及推理一体机生产线）
|
||||
|
||||
- 高性能人工智能服务器及边缘/云端推理一体机的设计、组装与制造
|
||||
- "研发测试-生产制造-部署应用"产业闭环
|
||||
|
||||
## 选址优势
|
||||
|
||||
- **位置**：福州滨海新城临空经济区，综保一路东侧、综保三街南侧
|
||||
- **政策红利**：长乐机场综保区多重政策优势
|
||||
- **区位**：依托空港保税优势，深化闽港、闽台数字协作
|
||||
- **辐射**：填补东南沿海高端智算缺口，赋能华南地区数字化转型
|
||||
|
||||
## 主体信息
|
||||
|
||||
- **投资方**: 福建智算方舟科技有限公司
|
||||
- **主营业务**: 智算中心投资运营、高性能服务器及推理一体机研发生产销售
|
||||
- **定位**: 全栈式算力解决方案提供商
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 项目处于在建状态，核心硬件配置（GPU型号/数量、机柜功率密度）未披露
|
||||
- 液冷技术类型（冷板/浸没）未明确
|
||||
- "国际领先高性能AI服务器"表述模糊，疑为NVIDIA HGX系列或国产品牌
|
||||
@@ -0,0 +1,50 @@
|
||||
# 郑州航空港何以竞逐"人工智能之城"？
|
||||
|
||||
**来源**: 中国新闻网
|
||||
**日期**: 2026-03-05
|
||||
**URL**: https://www.zzhkgq.gov.cn/2026/03-05/3632175.html
|
||||
|
||||
---
|
||||
|
||||
## 核心数据
|
||||
|
||||
- **当前算力**: 10,000P（中部最大、国内领先的万卡算力集群）
|
||||
- **规划总规模**: 超过 100,000P（三中心：训练/推理/推训一体）
|
||||
- **DeepSeek部署**: 2025年1月全量接入DeepSeek-R1，中部首个全面部署DeepSeek的智算中心
|
||||
- **配套投资**: 总投资1.2亿元的AI+智能人才公共实训基地（2025年11月揭牌）
|
||||
|
||||
## 关键内容
|
||||
|
||||
### 河南空港智算中心定位
|
||||
|
||||
该中心是港区智算产业的"智慧大脑"，分三板块规划：
|
||||
1. **一中心**：主攻高端训练算力
|
||||
2. **二中心**：聚焦推理算力
|
||||
3. **三中心**：面向未来规划十万卡推训一体算力集群
|
||||
|
||||
### 区位优势
|
||||
|
||||
- 2小时高铁圈覆盖国内4亿人口
|
||||
- 2小时航空圈覆盖全国90%的人口和市场
|
||||
- 郑州新郑国际机场2025年货邮吞吐量首破100万吨（全国第五、中部首个"百万吨级"航空货运枢纽）
|
||||
- 郑州航空港区2025年外贸进出口总值4,935亿元，占河南全省52.7%
|
||||
|
||||
### 产业生态
|
||||
|
||||
- **龙头企业**：富士康（灯塔工厂）、超聚变（先进计算）、科大讯飞（产业生态基地）、联想
|
||||
- **万亿级电子信息产业集群**：2024年产值近6,000亿元，占河南全省八成，从"芯"到"屏"到"端"全产业链
|
||||
|
||||
### 应用场景
|
||||
|
||||
- 富士康灯塔工厂：AGV无人车、AI质检（毫米级精度）、5G全连接"熄灯生产"
|
||||
- 河南省医学科学院：多模态智慧远程医疗平台，覆盖全省县级医疗机构
|
||||
- "心晴少年"AI心理健康大模型：3所学校落地，惠及1.4万学生
|
||||
- "空地一体"智联协同系统：无人机+机器狗+自动驾驶巡检车网格化管理
|
||||
|
||||
---
|
||||
|
||||
## 技术备注
|
||||
|
||||
- 来源标注为"中国新闻网"，原文含大量产业生态描述，核心智算中心技术参数有限
|
||||
- 10,000P算力具体硬件配置（GPU型号、机柜数、功率）未披露
|
||||
- 三个板块分期建设，三中心"十万卡"仍为规划阶段
|
||||
@@ -0,0 +1,423 @@
|
||||
# 大型机场数据中心建设方案
|
||||
|
||||
> 本方案综合整理自：2025国际机场博览会、2025第十一届中国机场建设年会、华为×迪拜机场案例、维谛技术×大兴机场案例
|
||||
> 生成时间：2026-04-08
|
||||
> 数据来源：详见附录
|
||||
|
||||
---
|
||||
|
||||
## 一、机场数据中心概述
|
||||
|
||||
机场数据中心（Airport Data Center）是支撑民用航空运输业务运营的核心 IT 基础设施，为航班信息系统、行李分拣系统、离港系统（DCS）、空管通信、乘客服务等关键系统提供计算、存储和网络服务。
|
||||
|
||||
### 核心特征
|
||||
|
||||
- **高可用性要求**：通常需满足 Tier III 或 Tier IV 等级
|
||||
- **业务连续性**：7×24 小时不间断运行，航班延误成本极高
|
||||
- **多系统集成**：数十个子系统需要互联互通
|
||||
- **安全等级高**：涉及航空安全，合规要求严格
|
||||
- **地理位置分散**：航站楼、塔台、行李中心通常各自有小机房
|
||||
|
||||
---
|
||||
|
||||
## 二、设计等级标准
|
||||
|
||||
### 2.1 数据中心等级对照
|
||||
|
||||
| 等级 | 可用性 | 年停机时间 | 冗余方式 | 适用场景 |
|
||||
|------|--------|-----------|---------|---------|
|
||||
| Tier I | 99.67% | >31.5h | 基本 | 基础非关键系统 |
|
||||
| Tier II | 99.75% | 22h | 冗余组件 | 冗余组件，非关键业务 |
|
||||
| **Tier III** | **99.98%** | **1.6h** | **N+1，可并行维护** | **机场主数据中心（推荐）** |
|
||||
| Tier IV | 99.99% | 0.8h | 2N，完全冗余 | 空管核心、应急指挥 |
|
||||
|
||||
**机场推荐策略：**
|
||||
- 主数据中心：Tier III（兼顾成本与可靠性）
|
||||
- 空管/应急指挥核心系统：Tier IV
|
||||
- 边缘小机房：Tier II 或模块化方案
|
||||
|
||||
### 2.2 标准参考体系
|
||||
|
||||
- **ANSI/TIA-942-B**：数据中心电信基础设施国际标准
|
||||
- **Uptime Institute Tier Standard**：Tier I/II/III/IV 四级认证体系
|
||||
- **GB 50174-2017**：《数据中心设计规范》（中国国家标准）
|
||||
- **GB/T 44463-2024**：《互联网数据中心技术要求》（2024年新版）
|
||||
|
||||
---
|
||||
|
||||
## 三、现代化机场数据中心趋势
|
||||
|
||||
### 3.1 "四型机场"理念
|
||||
|
||||
中国民航"十四五"期间全面推行"四型机场"标准，是当前机场建设的顶层指导框架：
|
||||
|
||||
| 类型 | 核心内涵 |
|
||||
|------|---------|
|
||||
| 平安机场 | 安全生产、安全可控 |
|
||||
| 绿色机场 | 低碳节能、契合"双碳"目标 |
|
||||
| 智慧机场 | 数字化、智能化转型 |
|
||||
| 人文机场 | 乘客体验优先 |
|
||||
|
||||
### 3.2 智算中心兴起
|
||||
|
||||
随着 AI/AGI 技术发展，机场数据中心正从传统数据中心向智算中心演进：
|
||||
|
||||
| 对比项 | 传统数据中心 | 智算中心 |
|
||||
|--------|-------------|---------|
|
||||
| 单机柜功率 | 5-15 kW | 50-120 kW |
|
||||
| 散热方式 | 风冷为主 | 液冷为主 |
|
||||
| GPU 需求 | 少量 | 大量 GPU 集群 |
|
||||
| PUE 目标 | 1.4-1.6 | 1.1-1.3 |
|
||||
|
||||
### 3.3 风液融合冷却方案
|
||||
|
||||
2025 年国际机场博览会上发布的**风液融合算力解决方案**，代表当前冷却技术主流方向：
|
||||
|
||||
- 支持 **40kW 风冷** + **150kW 液冷** 混合部署
|
||||
- 风液同源、动态平衡
|
||||
- 灵活部署、成本优化、运维简化
|
||||
- PUE 可降至 **1.2 以下**
|
||||
- 完美契合"双碳"目标
|
||||
|
||||
### 3.4 预制模块化数据中心
|
||||
|
||||
适合机场快速建设、弹性扩容需求，代表案例：华为为迪拜机场建设的 **FusionModule1000B**：
|
||||
|
||||
| 参数 | 数值 |
|
||||
|------|------|
|
||||
| 模块组成 | 23 个集装箱预制模块 |
|
||||
| 总功率 | 1 MW |
|
||||
| 业务柜数 | 100 柜 |
|
||||
| 单柜密度 | 10 kW/rack |
|
||||
| PUE | <1.6（比传统方案节能 30%+） |
|
||||
| 认证等级 | Tier III 设计+建造双认证 |
|
||||
| 建设周期 | **10 个月**（比传统方案节省近 50% 时间） |
|
||||
|
||||
**迪拜机场案例核心价值：**
|
||||
- 工厂预制 + 现场组装，工期大幅缩短
|
||||
- ISO 标准尺寸预集成模块，扩容简单
|
||||
- 特别适合机场空间有限、无现成楼宇的场景
|
||||
|
||||
### 3.5 BIM + 数字孪生建设模式
|
||||
|
||||
大连金州湾国际机场（在建）等新一代机场全面采用：
|
||||
|
||||
- **BIM 管理平台**：覆盖设计、施工、运维全生命周期
|
||||
- **数字化施工监管系统**：施工交底可视化
|
||||
- **工程质量验评可回溯**：所有验收记录可追溯
|
||||
- **AI 巡检机器人**：四足机器人实现无人化巡检
|
||||
- **数字孪生**：实现机场物理实体与数字映射
|
||||
|
||||
### 3.6 网络架构升级
|
||||
|
||||
- **SDN 软件定义网络**：灵活配置、自动化运维
|
||||
- **Spine-Leaf 架构**：东西向流量优化，适用于大型机场核心网络
|
||||
- **多路由冗余接入**：任意单链路故障不影响业务
|
||||
- **边缘计算下沉**：计算能力部署到航站楼边缘，降低延迟
|
||||
|
||||
---
|
||||
|
||||
## 四、机场数据中心基础设施方案
|
||||
|
||||
### 4.1 供配电系统
|
||||
|
||||
#### 典型架构
|
||||
|
||||
```
|
||||
市电（双路10kV/35kV）
|
||||
↓
|
||||
自动转换开关（ATS）
|
||||
↓
|
||||
UPS（ N+1 或 2N 冗余）
|
||||
↓
|
||||
配电单元（PDU）
|
||||
↓
|
||||
服务器机柜
|
||||
↑
|
||||
柴油发电机（作为备用电源）
|
||||
```
|
||||
|
||||
#### 关键配置参数
|
||||
|
||||
| 项目 | 推荐值 |
|
||||
|------|-------|
|
||||
| 市电引入 | 双路 10kV 或 35kV |
|
||||
| UPS 配置 | N+1（Tier III）/ 2N（Tier IV） |
|
||||
| IT 负载密度 | 4-10 kW/机柜（传统）/ 50kW+（智算） |
|
||||
| 柴油发电机 | 1000-3000 kVA，启动时间 <10s |
|
||||
| 储油时间 | 8-24 小时 |
|
||||
| PUE 目标 | 1.3-1.5（机场数据中心典型值） |
|
||||
|
||||
#### 关键产品选型（案例参考）
|
||||
|
||||
北京大兴国际机场案例中，多个关键区域采用了**维谛技术（Vertiv）Liebert® PEX+ 系列机房专用精密空调**：
|
||||
|
||||
- 模块化设计，支持快速扩容
|
||||
- 高制冷量、高能效
|
||||
- 全正面维护，降低运维难度
|
||||
- 部署场景：信息中心、西塔台、空管核心区、华北空管生产运行中心等
|
||||
|
||||
### 4.2 制冷系统
|
||||
|
||||
#### 冷却方式对比
|
||||
|
||||
| 冷却方式 | 适用场景 | PUE 范围 |
|
||||
|---------|---------|---------|
|
||||
| 风冷精密空调 | 中小型，边远站点 | 1.4-1.6 |
|
||||
| 冷冻水系统 | 大型数据中心 | 1.2-1.4 |
|
||||
| **风液融合** | **高密度智算中心** | **1.1-1.3** |
|
||||
| 间接蒸发冷却 | 缺水地区 | 1.2-1.5 |
|
||||
|
||||
#### PUE 优化措施
|
||||
|
||||
1. **冷热通道封闭**：防止冷热气流混合
|
||||
2. **自然冷却**：冬季利用低温空气自然冷却
|
||||
3. **精确制冷**：行级空调按需供冷
|
||||
4. **高效 UPS**：模块化效率 ≥96%
|
||||
|
||||
### 4.3 机柜与物理空间
|
||||
|
||||
#### 机柜配置参考
|
||||
|
||||
| 参数 | 传统方案 | 智算方案 |
|
||||
|------|---------|---------|
|
||||
| 机柜高度 | 42U / 47U | 47U+ |
|
||||
| 单柜功率 | 5-15 kW | 40-150 kW |
|
||||
| 散热方式 | 风冷 | 风冷+液冷 |
|
||||
| 布线方式 | 上走线/下走线 | 预端接，模块化 |
|
||||
|
||||
#### 物理安全
|
||||
|
||||
- 生物识别门禁（指纹/面部识别）
|
||||
- 全区域 CCTV 监控
|
||||
- 周界入侵报警
|
||||
- 独立安保分区管理
|
||||
|
||||
---
|
||||
|
||||
## 五、网络架构方案
|
||||
|
||||
### 5.1 机场网络分区设计
|
||||
|
||||
机场数据中心网络通常划分为多个安全域：
|
||||
|
||||
| 分区 | 说明 | 典型系统 |
|
||||
|------|------|---------|
|
||||
| 航站网 | 旅客服务相关 | FIDS、自助值机 |
|
||||
| 行李网 | 行李处理系统 | BHS 分拣控制 |
|
||||
| 安防网 | 安全相关 | CCTV、门禁 |
|
||||
| 运营网 | 航班运行 | DCS、A-CDM |
|
||||
| 办公网 | 行政办公 | OA、邮件 |
|
||||
| 核心网 | 关键基础设施 | DNS、NTP |
|
||||
|
||||
### 5.2 典型架构推荐
|
||||
|
||||
**大型机场推荐：Spine-Leaf 架构**
|
||||
|
||||
- **Spine 层**：核心交换机，高带宽骨干
|
||||
- **Leaf 层**：接入交换机，连接服务器和终端
|
||||
- **东西向流量优化**：适合大量跨系统数据交换
|
||||
- **收敛比**：建议 1:1 或更宽松
|
||||
|
||||
**中型机场推荐：三层网络架构**
|
||||
|
||||
- 核心层 / 汇聚层 / 接入层分层设计
|
||||
- 适合 500 机柜以下规模
|
||||
|
||||
### 5.3 网络安全措施
|
||||
|
||||
- 防火墙分区隔离（域间访问控制）
|
||||
- IDS/IPS 入侵检测与防御
|
||||
- NAC 网络准入控制
|
||||
- DDoS 防护
|
||||
- 零信任网络架构（ZTNA）
|
||||
|
||||
### 5.4 关键系统网络需求
|
||||
|
||||
| 系统 | 带宽需求 | 延迟要求 | 可用性要求 |
|
||||
|------|---------|---------|-----------|
|
||||
| 空管通信 | 高 | <1ms | 99.999% |
|
||||
| 航班信息显示 | 中 | <100ms | 99.99% |
|
||||
| 行李分拣控制 | 高 | <10ms | 99.99% |
|
||||
| 视频监控 | 极高 | <500ms | 99.9% |
|
||||
| 离港控制 | 中 | <100ms | 99.99% |
|
||||
|
||||
---
|
||||
|
||||
## 六、典型案例
|
||||
|
||||
### 6.1 北京大兴国际机场
|
||||
|
||||
| 项目 | 内容 |
|
||||
|------|------|
|
||||
| 投运时间 | 2019 年 9 月 |
|
||||
| 占地面积 | 140 万平方米（世界最大单体航站楼） |
|
||||
| 智能化系统 | 19 个平台、68 个系统 |
|
||||
| 关键基础设施 | 维谛技术 Liebert PEX+ 精密空调 |
|
||||
| 覆盖场景 | 信息中心、西塔台、空管核心区、终端控制中心 |
|
||||
| 集成规模 | 70+ 系统接入统一运行信息数据平台 |
|
||||
|
||||
### 6.2 迪拜国际机场（DXB）
|
||||
|
||||
| 项目 | 内容 |
|
||||
|------|------|
|
||||
| 建设模式 | 华为预制模块化（FusionModule1000B） |
|
||||
| 总功率 | 1 MW |
|
||||
| 机柜数 | 100 柜（10kW/柜） |
|
||||
| 等级认证 | Tier III 设计+建造双认证 |
|
||||
| PUE | <1.6 |
|
||||
| 建设周期 | 10 个月（节省 50% 时间） |
|
||||
| 业务覆盖 | 航班运营、行李服务、安防、企业运营、设施维护 |
|
||||
| 远期规划 | "DXB+"规划：旅客吞吐量从 8360 万增至 1.18 亿 |
|
||||
|
||||
### 6.3 大连金州湾国际机场（在建）
|
||||
|
||||
| 项目 | 内容 |
|
||||
|------|------|
|
||||
| 项目性质 | 国家"十四五"重大建设项目 |
|
||||
| 特点 | 海域机场，高盐高湿环境 |
|
||||
| 建设模式 | BIM+数字孪生+建运一体化 |
|
||||
| 核心挑战 | 软基沉降、混凝土耐久性 |
|
||||
| 智能技术 | AI 巡检机器人、数字化施工监管 |
|
||||
|
||||
### 6.4 案例综合对比
|
||||
|
||||
| 对比项 | 大兴机场 | 迪拜机场 | 大连金州湾 |
|
||||
|--------|---------|---------|-----------|
|
||||
| 状态 | 已投运（2019） | 已投运（2019+） | 在建 |
|
||||
| 建设模式 | 传统建设 | 预制模块化 | BIM+数字化 |
|
||||
| 等级 | 推测 Tier III+ | Tier III 双认证 | 规划 Tier III+ |
|
||||
| PUE | 未公开 | <1.6 | 目标 <1.4 |
|
||||
| 制冷 | 风冷精密空调 | 变频行级+密闭通道 | 风液融合 |
|
||||
| 智算能力 | 平台化 | 模块化按需扩展 | 预留智算升级空间 |
|
||||
|
||||
---
|
||||
|
||||
## 七、建设实施路径
|
||||
|
||||
### 7.1 建设阶段划分
|
||||
|
||||
```
|
||||
阶段1：选址与规划
|
||||
├── 可行性研究
|
||||
├── 等级确定
|
||||
└── 容量规划
|
||||
|
||||
阶段2：方案设计
|
||||
├── 初步设计
|
||||
├── 施工图设计
|
||||
└── 设计评审
|
||||
|
||||
阶段3：招标与采购
|
||||
├── RFP 发布
|
||||
├── 供应商评选
|
||||
└── 合同签订
|
||||
|
||||
阶段4：施工建设
|
||||
├── 基础施工
|
||||
├── 机电安装
|
||||
└── 装修工程
|
||||
|
||||
阶段5：系统部署
|
||||
├── 设备安装
|
||||
├── 综合布线
|
||||
└── 单系统调试
|
||||
|
||||
阶段6：调试验收
|
||||
├── 系统联调
|
||||
├── PUE 测试
|
||||
├── 消防验收
|
||||
└── 等级认证
|
||||
|
||||
阶段7：运维交付
|
||||
├── 运维团队组建
|
||||
├── 培训完成
|
||||
└── SLA 建立
|
||||
```
|
||||
|
||||
### 7.2 建设运营一体化（BIM+数字孪生）
|
||||
|
||||
上海机场集团等标杆企业实践路径：
|
||||
- 将"建设运营一体化"理念贯穿**设计→施工→移交→运营筹备**各阶段
|
||||
- BIM 模型从设计阶段建立，持续更新至运维阶段
|
||||
- 数字孪生体支撑运维阶段的仿真和决策
|
||||
|
||||
### 7.3 工时参考
|
||||
|
||||
| 建设模式 | 100 柜规模 | 500 柜规模 |
|
||||
|---------|-----------|-----------|
|
||||
| 传统建设 | 18-24 个月 | 30-36 个月 |
|
||||
| 预制模块化 | **10-12 个月** | 15-18 个月 |
|
||||
|
||||
---
|
||||
|
||||
## 八、供应商与设备参考
|
||||
|
||||
### 8.1 关键设备供应商（机场有成功实践）
|
||||
|
||||
| 设备类型 | 推荐供应商 | 代表产品 |
|
||||
|---------|---------|---------|
|
||||
| 精密空调 | 维谛技术（Vertiv） | Liebert PEX+ 系列 |
|
||||
| UPS 供电 | 维谛技术（Vertiv）、华为 | 模块化 UPS |
|
||||
| 预制模块化 DC | 华为 | FusionModule1000B |
|
||||
| 机柜 | Keydak 金盾 | 风液融合机柜方案 |
|
||||
| 网络设备 | 华为、Cisco、Juniper | Spine-Leaf 交换机 |
|
||||
| 综合布线 | 康普（CommScope）、罗森伯格 | 双冗余综合布线 |
|
||||
|
||||
### 8.2 集成商与服务商
|
||||
|
||||
| 类型 | 参考选择 |
|
||||
|------|---------|
|
||||
| 总包集成 | 华为、中软国际 |
|
||||
| 行业咨询 | 中国民航局机场司、各设计院 |
|
||||
| 认证审计 | Uptime Institute、 TÜV Rheinland |
|
||||
|
||||
---
|
||||
|
||||
## 九、关键成功因素
|
||||
|
||||
1. **等级选择要匹配业务重要性**：主数据中心 Tier III 是性价比最优解
|
||||
2. **制冷先行**：高功率密度场景优先考虑风液融合方案，PUE 目标 ≤1.3
|
||||
3. **网络可靠性是生命线**：多路由冗余是机场网络设计的底线
|
||||
4. **建设运营一体化**：设计阶段就应纳入运维视角，减少移交代价
|
||||
5. **预留扩展空间**：智算需求增长迅速，机柜功率密度要留足升级余量
|
||||
6. **合规认证前置**：提前规划 Tier 认证和消防认证，避免返工
|
||||
|
||||
---
|
||||
|
||||
## 附录
|
||||
|
||||
### A. 术语表
|
||||
|
||||
| 缩写 | 全称 | 说明 |
|
||||
|------|------|------|
|
||||
| DCS | Departure Control System | 离港控制系统 |
|
||||
| FIDS | Flight Information Display System | 航班信息显示系统 |
|
||||
| BHS | Baggage Handling System | 行李处理系统 |
|
||||
| PUE | Power Usage Effectiveness | 电能使用效率 |
|
||||
| UPS | Uninterruptible Power Supply | 不间断电源 |
|
||||
| PDU | Power Distribution Unit | 配电单元 |
|
||||
| ATS | Automatic Transfer Switch | 自动转换开关 |
|
||||
| SDN | Software Defined Network | 软件定义网络 |
|
||||
| BIM | Building Information Modeling | 建筑信息模型 |
|
||||
| A-CDM | Airport Collaborative Decision Making | 机场协同决策 |
|
||||
| ZTNA | Zero Trust Network Architecture | 零信任网络架构 |
|
||||
|
||||
### B. 数据来源
|
||||
|
||||
1. **2025 国际机场博览会**，2025年9月，广州
|
||||
2. **2025 第十一届中国机场建设年会**，2025年6月，大连
|
||||
3. **华为 × 迪拜机场预制模块化数据中心案例**，Huawei
|
||||
4. **维谛技术 × 北京大兴国际机场案例**，Vertiv Case Study
|
||||
5. **中国民航局机场司**，运输机场航空货运设施规划设计指南（征求意见稿）
|
||||
|
||||
### C. 相关标准
|
||||
|
||||
- GB 50174-2017《数据中心设计规范》
|
||||
- GB/T 44463-2024《互联网数据中心技术要求》
|
||||
- ANSI/TIA-942-B《数据中心电信基础设施标准》
|
||||
- Uptime Institute Tier Standard
|
||||
|
||||
---
|
||||
|
||||
*本文档由 LLM Wiki 系统生成，内容基于公开行业资料整理，供方案规划参考。具体项目请咨询专业设计院和行业专家。*
|
||||
File diff suppressed because it is too large
Load Diff
@@ -0,0 +1,91 @@
|
||||
---
|
||||
title: Flight Wiki Schema
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: schema
|
||||
tags: [meta]
|
||||
---
|
||||
|
||||
# Wiki Schema
|
||||
|
||||
## Domain
|
||||
|
||||
机场航班数据管理运营 — 涵盖航班运行数据的管理、运营、分析、系统建设。覆盖航班计划、实时动态、地面保障、旅客服务、空侧/陆侧运营数据全生命周期。
|
||||
|
||||
## Conventions
|
||||
|
||||
- 文件名：小写、中划线、无空格（如 `flight-data-system.md`）
|
||||
- 每个 wiki 页面以 YAML frontmatter 开头
|
||||
- 使用 `[[wikilinks]]` 建立页面间链接（每页至少 2 个外部链接）
|
||||
- 更新页面时同步更新 `updated` 日期
|
||||
- 新页面必须添加到 `index.md` 对应版块
|
||||
- 所有操作追加到 `log.md`
|
||||
|
||||
## Frontmatter
|
||||
|
||||
```yaml
|
||||
---
|
||||
title: 页面标题
|
||||
created: YYYY-MM-DD
|
||||
updated: YYYY-MM-DD
|
||||
type: entity | concept | comparison | query | summary
|
||||
tags: [从下方标签体系选取]
|
||||
sources: [raw/articles/source-name.md]
|
||||
---
|
||||
```
|
||||
|
||||
## Tag Taxonomy（标签体系）
|
||||
|
||||
- 航班数据：flight-data, schedule, real-time, historical, passenger
|
||||
- 系统建设：system, platform, database, api, integration
|
||||
- 运营管理：operations, turnaround, gate, baggage, deicing, catering
|
||||
- 旅客服务：fids, bag-trace, checkin, boarding, lounge
|
||||
- 空侧运营：airside, runway, taxiway, apron, stands
|
||||
- 陆侧运营：landside, curbside, parking, transit, ground-transport
|
||||
- 合规与安全：safety, security, compliance, sms, audit
|
||||
- 供应商：vendor, oem, integrator
|
||||
- Meta：comparison, timeline, glossary, draft, archived
|
||||
|
||||
## Page Thresholds（页面创建规则）
|
||||
|
||||
- **创建独立页面** 当一个实体/概念在 2+ 来源中被提及，或在一个来源中处于核心位置
|
||||
- **追加到现有页面** 当来源提到已在覆盖范围内的内容
|
||||
- **不建页面** 仅一次提及、细节性内容、或超出本领域的内容
|
||||
- **拆分页面** 当页面超过 ~200 行时，拆分为子主题并交叉链接
|
||||
- **归档页面** 内容完全被取代时，移至 `_archive/`
|
||||
|
||||
## Entity Pages（实体页面）
|
||||
|
||||
每个主要实体一页，包括：
|
||||
- 概述 / 是什么
|
||||
- 关键事实和数据
|
||||
- 与其他实体的关系（[[wikilinks]]）
|
||||
- 来源引用
|
||||
|
||||
## Concept Pages（概念页面）
|
||||
|
||||
每个概念/主题一页，包括：
|
||||
- 定义 / 解释
|
||||
- 当前知识状态
|
||||
- 开放问题或争议
|
||||
- 相关概念（[[wikilinks]]）
|
||||
|
||||
## Comparison Pages（对比页面）
|
||||
|
||||
并排分析，包括：
|
||||
- 比较对象及原因
|
||||
- 对比维度（表格格式优先）
|
||||
- 结论或综合判断
|
||||
- 来源
|
||||
|
||||
## Update Policy（更新政策）
|
||||
|
||||
新信息与现有内容冲突时：
|
||||
1. 检查日期 — 新来源通常取代旧来源
|
||||
2. 如确实矛盾，记录双方立场和日期、来源
|
||||
3. 在 frontmatter 标记：`contradictions: [page-name]`
|
||||
4. 在 lint 报告中标记待用户审核
|
||||
|
||||
## Glossary（术语表）
|
||||
|
||||
建设中涉及的英文缩写和术语，统一在 `concepts/glossary.md` 中解释。
|
||||
@@ -0,0 +1,49 @@
|
||||
---
|
||||
title: 机场运营系统供应商对比
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: comparison
|
||||
tags: [system, vendor, comparison]
|
||||
---
|
||||
|
||||
# 机场运营系统供应商对比
|
||||
|
||||
## AODB 供应商
|
||||
|
||||
| 维度 | adb safegate Cortex AODB | Amadeus AODB | AirportLabs SkyCore AODB | PDC AODB |
|
||||
|------|--------------------------|--------------|--------------------------|----------|
|
||||
| **AI 支持** | 是（模块化+AI） | 有限 | 是 | 待确认 |
|
||||
| **2025 部署** | 全球枢纽 | 全球（覆盖 95% 航司计划） | 芝加哥 ORD（2025.8） | 多机场模式 |
|
||||
| **A-CDM 集成** | 原生支持 | 原生支持 | 原生支持 | 原生支持 |
|
||||
| **云化** | 是 | SaaS（Amadeus cloud） | 是 | 本地/混合 |
|
||||
|
||||
## 智能机位管理供应商
|
||||
|
||||
| 维度 | Assaia StandManager | adb safegate AmberFAIR | AirportLabs SkyCore RMS |
|
||||
|------|---------------------|------------------------|-------------------------|
|
||||
| **发布时间** | 2025 | — | — |
|
||||
| **核心技术** | AI 视频分析 | 可持续分配算法 | 机位资源管理 |
|
||||
| **集成方式** | API / 云 | API / 云 | API / 云 |
|
||||
|
||||
## BHS 供应商（头部）
|
||||
|
||||
| 维度 | Siemens Logistics | Beumer Group | Vanderlande | Alstef |
|
||||
|------|-------------------|--------------|-------------|--------|
|
||||
| **技术亮点** | RFID 全流程追踪 | Tote-based 分拣 | 高吞吐量分拣 | 仓储自动化 |
|
||||
| **2025 动态** | 斩获多个大合同 | Tote 技术快速推广 | — | — |
|
||||
| **目标市场** | 大型枢纽 | 大型枢纽 | 全类型 | 全类型 |
|
||||
|
||||
## A-SMGCS 厂商
|
||||
|
||||
| 厂商 | 专注领域 |
|
||||
|------|----------|
|
||||
| Frequentis | 空管通信与监视 |
|
||||
| Saab | SMR 场面雷达 |
|
||||
| TERMA | 场面灯光控制 |
|
||||
| NADIN（欧洲） | 全系列 A-SMGCS |
|
||||
|
||||
## 综合评价
|
||||
|
||||
- **全栈机场平台**：adb safegate、Amadeus、Siemens 覆盖多个子系统
|
||||
- **专注细分领域**：Assaia（视频AI）、AirportLabs（停机位）专注单点突破
|
||||
- **集成趋势**：各厂商积极推动开放 API，兼容 IATA A-CDM Toolkit 数据模型
|
||||
@@ -0,0 +1,90 @@
|
||||
---
|
||||
title: A-CDM — Airport Collaborative Decision Making
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [operations, system, integration]
|
||||
sources: [raw/articles/iata-acdm-toolkit-2025.md]
|
||||
---
|
||||
|
||||
# A-CDM — Airport Collaborative Decision Making
|
||||
|
||||
## 定义
|
||||
|
||||
A-CDM（Airport Collaborative Decision Making，机场协同决策）是 IATA 与 Eurocontrol 联合推动的运营协同概念，通过建立信息共享机制，使机场各运营方（航司、机场、地面服务商、管制）在统一的操作视图下做决策，提升航班可预测性和机场整体效率。
|
||||
|
||||
## 核心原则
|
||||
|
||||
| 原则 | 说明 |
|
||||
|------|------|
|
||||
| **SSOT** | Single Source of Operational Truth — 所有参与方使用同一套数据 |
|
||||
| **Milestone 标准化** | 统一关键运营事件和时间节点定义 |
|
||||
| **Variable Taxi-Times（VTT）** | EXOT/EXIT 预测，减少滑行时间不确定 |
|
||||
|
||||
## 关键 Milestone 定义
|
||||
|
||||
| 缩写 | 全称 | 中文 |
|
||||
|------|------|------|
|
||||
| ELDT | Estimated Landing Time | 预计落地时间 |
|
||||
| ALDT | Actual Landing Time | 实际落地时间 |
|
||||
| EOBT | Estimated Off-Block Time | 预计起飞时间（航班计划） |
|
||||
| AOBT | Actual Off-Block Time | 实际推出时间 |
|
||||
| TOBT | Target Off-Block Time | 目标推出时间 |
|
||||
| TSAT | Target Start-Up Approval Time | 目标启动许可时间 |
|
||||
| TTOT | Target Take-Off Time | 目标起飞时间 |
|
||||
| ATOT | Actual Take-Off Time | 实际起飞时间 |
|
||||
| EXOT | Expected Taxi-Out Time | 预计滑出时间 |
|
||||
| EXIT | Expected Taxi-In Time | 预计滑入时间 |
|
||||
| CTOT | Calculated Take-Off Time | ATFM 计算起飞时间 |
|
||||
|
||||
## A-CDM 系统架构
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────────────┐
|
||||
│ A-CDM Systems │
|
||||
├──────────────┬──────────────────┬──────────────────────────┤
|
||||
│ AODB │ ACISP │ PDS │
|
||||
│ 航班数据库 │ 信息共享平台（SSOT） │ Pre-Departure Sequencer │
|
||||
│ │ │ TSAT = TTOT - EXOT │
|
||||
└──────────────┴──────────────────┴──────────────────────────┘
|
||||
```
|
||||
|
||||
### ACISP（A-CDM Information Sharing Platform）
|
||||
|
||||
- 多渠道接入（Web + 手持终端）
|
||||
- 各参与方直接录入 TOBT 等数据
|
||||
- 集成 AODB、VDGS、RMS、PDS、塔台、地面服务系统
|
||||
|
||||
### PDS（Pre-Departure Sequencer）
|
||||
|
||||
- 依据管制设定的离港率（departure rate）分配起飞序列
|
||||
- 约束条件：CTOT（ATFM）、VTT、机位限制
|
||||
- 软约束：航司优先级、航班互换、寒区优先权
|
||||
|
||||
## 参与方
|
||||
|
||||
1. **机场运营方（Airport Operator）** — 资源协调
|
||||
2. **航司（Aircraft Operators）** — 提供 TOBT，提供航班动态
|
||||
3. **地面服务商（Ground Handlers）** — 过站保障时间更新
|
||||
4. **空管（ANSP）** — 提供跑道离港率和 CTOT
|
||||
|
||||
## A-CDM 效益
|
||||
|
||||
- 优化离港流量，减少航班在地面等待时间
|
||||
- 提升航班准点率
|
||||
- 与 ATFM（空管流量管理）实时联动
|
||||
- 减少跑道容量浪费
|
||||
- 增强不正常情况下的恢复能力
|
||||
|
||||
## 现状
|
||||
|
||||
- 全球已实施 A-CDM 的机场：**40+**（以欧洲为主）
|
||||
- IATA 2025 年 6 月发布最新 **A-CDM Toolkit**
|
||||
- 澳大利亚已将 A-CDM 深度整合入国家 ATFM 系统
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[aodb]] — A-CDM 的数据基础设施
|
||||
- [[smgcs]] — 场面活动监控与 A-CDM 共享场面状态数据
|
||||
- [[flight-data-exchange]] — 数据交换标准（IATA SSIM）
|
||||
- [[deicing-operations]] — 除冰运营是 A-CDM 过站时间的重要变量
|
||||
@@ -0,0 +1,380 @@
|
||||
---
|
||||
title: AODB — Airport Operational Database
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [flight-data, system, database, a-cdm]
|
||||
sources: [raw/articles/adb-safegate-aodb-2025.md, raw/articles/amadeus-aodb.md]
|
||||
---
|
||||
|
||||
# AODB — Airport Operational Database
|
||||
|
||||
## 定义
|
||||
|
||||
AODB（Airport Operational Database，机场运营数据库）是机场信息系统的**核心数据中枢**，负责集中管理航班运营相关的所有静态和动态数据，为各业务系统提供单一数据源（SSOT — Single Source of Truth）。
|
||||
|
||||
## 核心功能
|
||||
|
||||
| 功能 | 说明 |
|
||||
|------|------|
|
||||
| 航班数据管理 | 存储航班计划、动态更新、历史记录 |
|
||||
| 资源管理 | 机位、登机口、设备、人员的配置与分配 |
|
||||
| 运营事件注册 | 记录所有关键运营时间节点（A-CDM milestones） |
|
||||
| 多源数据融合 | 支持 IATA SSIM、ARINC 协议、XML/CIDX、实时传感器数据 |
|
||||
| 实时计算 | 生成衍生数据（EIBT、EXIT 等预测值） |
|
||||
| 告警与预警 | 航班延误、冲突检测、资源超负载告警 |
|
||||
|
||||
## AODB 在 A-CDM 架构中的位置
|
||||
|
||||
```
|
||||
┌────────────────────────────────────────────────────────────┐
|
||||
│ A-CDM Ecosystem │
|
||||
├──────────────┬──────────────────────┬─────────────────────┤
|
||||
│ AODB │ ACISP │ PDS │
|
||||
│ 核心数据库 │ 信息共享平台（SSOT） │ 起飞排序器 │
|
||||
│ 航班数据中枢 │ │ TSAT = TTOT - EXIT │
|
||||
└──────────────┴──────────────────────┴─────────────────────┘
|
||||
↑
|
||||
各航司/管制/地面服务商系统 ──────────────────────→
|
||||
```
|
||||
|
||||
## A-CDM Milestone 完整定义
|
||||
|
||||
| 缩写 | 全称 | 更新责任方 |
|
||||
|------|------|----------|
|
||||
| ELDT | Estimated Landing Time | 系统计算 |
|
||||
| ALDT | Actual Landing Time | ANSP（管制）|
|
||||
| EOBT | Estimated Off-Block Time | 航司 |
|
||||
| TOBT | Target Off-Block Time | 航司/地面服务商 |
|
||||
| TSAT | Target Start-Up Approval Time | AODB/PDS |
|
||||
| TTOT | Target Take-Off Time | AODB/PDS |
|
||||
| ATOT | Actual Take-Off Time | ANSP |
|
||||
| CTOT | Calculated Take-Off Time | ATFM（Network Manager）|
|
||||
| EXOT | Expected Taxi-Out Time | AODB VTT 模块 |
|
||||
| EXIT | Expected Taxi-In Time | AODB VTT 模块 |
|
||||
|
||||
## 主要供应商深度分析
|
||||
|
||||
---
|
||||
|
||||
### 1. ADB SAFEGATE — Cortex AODB
|
||||
|
||||
**定位：** 大型枢纽首选，AI 驱动全栈机场运营平台
|
||||
|
||||
#### 技术架构
|
||||
|
||||
| 层级 | 技术特性 |
|
||||
|------|---------|
|
||||
| 核心引擎 | AI/ML 引擎驱动资源分配和运营规划 |
|
||||
| 模块化设计 | Flight Grids / Seasonal Schedule / Message Centre / Reference Data / Alarms |
|
||||
| 数据验证 | 表格逻辑校验 + 多源数据优先级判定 |
|
||||
| 仿真能力 | "What-if" 模拟，支持运营控制与效率评估 |
|
||||
| 移动端 | 移动端优化界面，角色化信息定制 |
|
||||
| 审计追踪 | 全操作审计日志，支持多种格式导出 |
|
||||
|
||||
#### 核心技术特性
|
||||
|
||||
- **多源数据优先级判定**：多个来源的运营时间数据自动验证和优先级排序
|
||||
- **"What-if" 仿真模拟**：优化配置方案评估，支持管理决策
|
||||
- **历史数据同步**：过期数据自动归档至历史表，支持在线查询和账单生成
|
||||
- **集中告警模块**：支持自定义规则触发告警，覆盖规划与日常运营
|
||||
- **参考数据统一分发**：统一管理 Reference Data，向 Cortex 生态模块和第三方系统分发
|
||||
|
||||
#### 部署与安全
|
||||
|
||||
| 项目 | 详情 |
|
||||
|------|------|
|
||||
| 部署方式 | Web 界面，云托管 + 本地多种选项 |
|
||||
| 安全认证 | ISO27001 认证，NIST 合规 |
|
||||
| 安全监控 | 云态势配置检测 + 异常行为识别 |
|
||||
| 运维支持 | 全面安全监控覆盖 |
|
||||
|
||||
#### 生态集成
|
||||
|
||||
- **Time2Integrate**：集成生态基础，支持与停机位管理（Apron Manager）、场面灯控、VDGS 等第三方系统对接
|
||||
- **ACISP 兼容**：原生支持 A-CDM 信息共享平台
|
||||
- **Cortex 套件**：Service（CMMS 维护管理）、Apron Manager（机位管理）统一联动
|
||||
|
||||
#### 目标场景
|
||||
|
||||
- 年旅客量 > 3000 万的大型枢纽
|
||||
- 需要 AODB + A-CDM + Smart Gating + SMGCS 统一管理
|
||||
- 对 AI 预测分析有明确需求
|
||||
|
||||
---
|
||||
|
||||
### 2. Amadeus — Airport Operational Data Base
|
||||
|
||||
**定位：** 云优先，95% 全球航司数据覆盖，中大型机场
|
||||
|
||||
#### 技术架构
|
||||
|
||||
| 层级 | 技术特性 |
|
||||
|------|---------|
|
||||
| 部署模式 | 纯云托管（state-of-the-art data center），无本地基础设施依赖 |
|
||||
| 数据覆盖 | 95% 全球航司，**提前 365 天**获取航班计划数据 |
|
||||
| 数据更新 | 实时自动推送（Live feed），无需人工录入 |
|
||||
| 多站点支持 | 跨多机场同步运行，站点间航班数据实时共享 |
|
||||
| 集成层 | 与 Amadeus Altéa DCS、H-RMS、PROPworks、BRS、Sequence Manager 深度整合 |
|
||||
|
||||
#### 核心模块
|
||||
|
||||
| 模块 | 功能 |
|
||||
|------|------|
|
||||
| **AODB Core** | 航班计划与动态数据管理，提前 365 天可见 |
|
||||
| **A-CDM Portal** | 实时停机坪视图（雷达集成），协同运营仪表盘 |
|
||||
| **Sequence Manager** | 欧洲 Eurocontrol CDM 合规，TSAT 智能计算 |
|
||||
| **Turnaround Manager** | 过站阶段监控，预测延误连锁效应 |
|
||||
| **F-RMS** | 固定资源管理（登机口、行李带），甘特图界面 |
|
||||
| **FIDS** | 航班信息显示系统，自动从 AODB 拉取实时更新 |
|
||||
|
||||
#### A-CDM Portal 关键技术指标
|
||||
|
||||
- **雷达集成**：场面活动实时视图，跟踪飞机位置
|
||||
- **协同决策**：航司、地面服务商、管制共享同一操作视图
|
||||
- **非正常事件告警**：仪表盘高亮异常，支持下钻分析
|
||||
- **角色权限控制**：基于角色的数据访问与更新分配
|
||||
|
||||
#### 与 Altéa 生态的协同优势
|
||||
|
||||
Amadeus AODB 天然集成 Altéa（全球最广泛使用的乘客服务系统），带来独特优势：
|
||||
- 航司 DCS 数据直连 AODB， passenger 动态实时反映
|
||||
- 地面处理器可通过 Altéa DCS 直接录入过站完成时间
|
||||
- 账单系统（BRS）基于 AODB 数据自动生成
|
||||
|
||||
#### 目标场景
|
||||
|
||||
- 已有或计划采用 Amadeus Altéa 的机场
|
||||
- 需要长周期航班规划（365 天可见性）
|
||||
- 希望减少本地 IT 基础设施投入
|
||||
- 多机场统一管理
|
||||
|
||||
---
|
||||
|
||||
### 3. AirportLabs — SkyCore AODB
|
||||
|
||||
**定位：** 云原生、中型机场性价比方案，2025 年落地芝加哥 ORD
|
||||
|
||||
#### 技术架构
|
||||
|
||||
| 层级 | 技术特性 |
|
||||
|------|---------|
|
||||
| 基础架构 | **Red Hat OpenShift**（云原生 Kubernetes 平台）|
|
||||
| 消息中间件 | **ActiveMQ**（实时数据流）|
|
||||
| API 网关 | **3scale API Management**（安全、可扩展外部访问）|
|
||||
| 身份管理 | **Keycloak**（集中身份与访问控制）|
|
||||
| 架构模式 | **事件驱动**（Event-driven architecture）|
|
||||
| 数据交换 | **双向**实时交换，涵盖所有关键系统 |
|
||||
|
||||
#### 核心功能
|
||||
|
||||
| 功能 | 说明 |
|
||||
|------|------|
|
||||
| **规则引擎编辑器** | 可视化配置业务规则，无需编码 |
|
||||
| **实时通知中心** | 所有运营corner实时推送 |
|
||||
| **自服务能力** | 全运营环节自助服务 |
|
||||
| **无限并发用户** | 支持多公司用户同时在线 |
|
||||
| **模块化计费** | 按需订阅，只为所需组件付费 |
|
||||
|
||||
#### 生态系统集成
|
||||
|
||||
SkyCore AODB 并非孤立产品，而是 AirportLabs 全套生态的核心：
|
||||
|
||||
| 关联产品 | 用途 |
|
||||
|---------|------|
|
||||
| **Allegra RMS** | 资源管理（机位优化分配）|
|
||||
| **VisionAir FIDS** | 航班信息显示 |
|
||||
| **Laminar IQFMS** | 队列管理 |
|
||||
| **GCAM** | 登机口协调 |
|
||||
| **Community App** | 机场内部通信 |
|
||||
| **AirportLabs Billing** | 计费 |
|
||||
| **ADR** | 机场数据仓库 |
|
||||
| **Pocket Flights** | 移动端航班追踪 |
|
||||
|
||||
#### 重大部署案例
|
||||
|
||||
- **芝加哥奥黑尔 ORD**（2025 年 8 月完成初始部署）
|
||||
- 合作方：International Gate Control（IGC）
|
||||
- 覆盖：SkyCore AODB + Allegra RMS 核心功能
|
||||
- 支持方：Chicago Department of Aviation（CDA）
|
||||
|
||||
#### 设计认可
|
||||
|
||||
- **Red Dot Award 2024**：用户界面设计与最大可用性获奖
|
||||
|
||||
#### 目标场景
|
||||
|
||||
- 年旅客量 500 万 ~ 5000 万的中型机场
|
||||
- 需要快速部署（weeks 级别而非 months）
|
||||
- 需要双向数据交换和运营自动化
|
||||
- 预算敏感但追求现代云架构
|
||||
|
||||
---
|
||||
|
||||
### 4. PDC Aviation — AODB
|
||||
|
||||
**定位：** 多机场模式专家，北欧/加拿大系，小型机场快速上线
|
||||
|
||||
#### 技术架构
|
||||
|
||||
| 层级 | 技术特性 |
|
||||
|------|---------|
|
||||
| 架构模式 | **事件驱动**，服务器占用小 |
|
||||
| 数据库 | **Oracle**（行业标准，可靠性高）|
|
||||
| 开发语言 | Java + C（任务适配）|
|
||||
| 数据交换 | **Publish-Subscribe Webservices**（发布-订阅模式）|
|
||||
| 消息格式 | XML 或 compact JSON |
|
||||
| 接口支持 | Type-B 消息（SITA、ARINC）或 POP3 邮件 Type-B |
|
||||
| 响应时间 | **1-2 秒**（事件驱动，实时性有保障）|
|
||||
|
||||
#### 核心能力
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| **多机场模式（Multi-Airport Mode）** | 独立机场或机场集团统一管理，单基础设施架构 |
|
||||
| **全在线可配置** | 基于表格配置，无硬编码参数；随机场成长在线更新 |
|
||||
| **快速上线** | 小型机场**2 周**内完成部署和运营 |
|
||||
| **PDC SCORE 集成** | Slot 协调数据实时接入，季节性航班数据从源头获取 |
|
||||
| **全天候支持** | 7×24 小时支持（现场 + 远程）|
|
||||
|
||||
#### 系统集成清单
|
||||
|
||||
| 系统类型 | 具体接入 |
|
||||
|---------|---------|
|
||||
| ATC | 雷达系统（AIMS）|
|
||||
| Slot 协调 | PDC SCORE |
|
||||
| BHS | 行李处理系统 |
|
||||
| Docking | 泊位引导系统 |
|
||||
| FIDS | 航班信息显示系统 |
|
||||
| AFAS | 自动航班到达系统 |
|
||||
| Billing | 计费系统 |
|
||||
|
||||
#### 客户案例
|
||||
|
||||
- **Aarhus Airport（丹麦）**：6 年无因系统问题导致的停机记录
|
||||
- **Torp Airport（挪威）**：6 年运行无停机，财务/质量经理背书
|
||||
|
||||
#### 目标场景
|
||||
|
||||
- 年旅客量 < 2000 万的小中型机场
|
||||
- 需要多机场统一管理（机场集团场景）
|
||||
- 需要极快上线（竞争激烈的新兴市场）
|
||||
- 偏好传统可靠 Oracle 技术栈
|
||||
|
||||
---
|
||||
|
||||
### 5. Indra — InBASE AODB
|
||||
|
||||
**定位：** Aena 亲睐，西班牙/拉丁美洲最大机场网络
|
||||
|
||||
#### 技术架构
|
||||
|
||||
| 层级 | 技术特性 |
|
||||
|------|---------|
|
||||
| 实现技术 | **J2EE**（业界标准）|
|
||||
| 架构风格 | 开放式架构，完全可扩展 |
|
||||
| CDM 合规 | **Level 3**（信息共享、协同飞行管理、起飞前排序、不利条件 CDM）|
|
||||
| 部署模式 | 单机场或**多机场集中架构**（单基础设施服务多个机场）|
|
||||
|
||||
#### 功能模块
|
||||
|
||||
| 模块 | 功能 |
|
||||
|------|------|
|
||||
| **核心模块** | 实时管理、系统管理、基础信息管理、外部系统集成 |
|
||||
| **编程模块** | 生成系列信息（航班编程）|
|
||||
| **调度模块** | 从 slot 协调系统接收航班时刻表，实时部署运营信息 |
|
||||
| **资源分配** | 图形化界面管理值机柜台、登机口、机位、行李提取带 |
|
||||
| **计费模块** | 基于资源使用量向航司计费 |
|
||||
| **KPI 报告** | 可定义运营指标（准点率、取消率）、告警阈值、仪表盘 |
|
||||
|
||||
#### 主要客户
|
||||
|
||||
- **Aena（全球最大机场运营商）**：47 个机场生产运行
|
||||
- 马德里 Barajas（主要枢纽）
|
||||
- 巴塞罗那 El Prat（主要枢纽）
|
||||
- 覆盖西班牙全境及拉丁美洲（Aena 扩张中）
|
||||
- **GAP 机场网络（墨西哥）**： rollout 进行中
|
||||
|
||||
#### 目标场景
|
||||
|
||||
- 已有 Indra 其他空管/机场系统的机场
|
||||
- 拉丁美洲机场网络
|
||||
- 需要多机场集中管控
|
||||
|
||||
---
|
||||
|
||||
## 供应商综合技术对比
|
||||
|
||||
| 维度 | ADB SAFEGATE Cortex | Amadeus | AirportLabs SkyCore | PDC | Indra InBASE |
|
||||
|------|---------------------|---------|---------------------|-----|-------------|
|
||||
| **部署模式** | 云托管 + 本地 | 纯云 | 云原生（OpenShift）| 本地/混合 | 本地/集中 |
|
||||
| **数据库** | 未公开 | 未公开 | PostgreSQL（推测）| Oracle | J2EE 标准 |
|
||||
| **消息中间件** | 未公开 | 私有 | ActiveMQ | Publish-Subscribe WS | JMS（推测）|
|
||||
| **AI/ML 能力** | 原生 AI 引擎 | 有限 | 规则引擎（可视化）| 无 | 无 |
|
||||
| **"What-if" 仿真** | 支持 | 否 | 否 | 否 | 否 |
|
||||
| **多机场模式** | 支持 | 支持 | 支持 | **原生多机场** | 集中架构 |
|
||||
| **A-CDM 原生支持** | 是 | 是 | 是 | 是 | Level 3 CDM |
|
||||
| **上线周期** | 2-3 个月 | 1-2 个月 | **2-4 周** | **1-2 周** | 1-2 个月 |
|
||||
| **数据覆盖** | 依赖集成 | **95% 航司 365 天** | 依赖集成 | 依赖集成 | Aena 网络 |
|
||||
| **生态完整性** | 极强（Cortex 全套）| 强（Altéa 生态）| 强（AirportLabs 全套）| 中（PDC SCORE）| 中（Indra 空管）|
|
||||
| **国际案例规模** | 全球枢纽 | 全球大型 | 100+ 机场，ORD 旗舰 | 北欧/加拿大为主 | Aena 47 机场 |
|
||||
| **安全认证** | ISO27001, NIST | 未公开 | 未公开 | 未公开 | 未公开 |
|
||||
| **典型目标机场** | >3000 万 | >1000 万 | 500 万-5000 万 | <2000 万 | 所有规模 |
|
||||
|
||||
## 关键技术差异分析
|
||||
|
||||
### AI 能力梯队
|
||||
|
||||
| 梯队 | 厂商 | AI 能力 |
|
||||
|------|------|---------|
|
||||
| 第一梯队 | ADB SAFEGATE | 原生 AI 引擎 + ML，支持运营预测和资源优化 |
|
||||
| 第二梯队 | Amadeus | 有限 AI（辅助决策），强在 Altéa 数据整合 |
|
||||
| 第三梯队 | AirportLabs | 规则引擎 + ML 可视化配置，无原生 AI 引擎 |
|
||||
| 无 AI | PDC / Indra | 传统规则驱动，无 AI/ML |
|
||||
|
||||
### 实时性能
|
||||
|
||||
| 厂商 | 响应时间承诺 | 架构依据 |
|
||||
|------|-----------|---------|
|
||||
| PDC | **1-2 秒** | 事件驱动 + Oracle |
|
||||
| Amadeus | 实时推送（< 5s）| 私有云基础设施 |
|
||||
| ADB SAFEGATE | 实时（规格未公开）| 模块化 + 内存计算 |
|
||||
| AirportLabs | 实时流（ActiveMQ）| 事件驱动 + OpenShift |
|
||||
| Indra | 实时（规格未公开）| J2EE 企业架构 |
|
||||
|
||||
### 生态锁定程度
|
||||
|
||||
| 级别 | 厂商 | 说明 |
|
||||
|------|------|------|
|
||||
| 高锁定 | Amadeus | 换出成本极高（Altéa 绑定）|
|
||||
| 中高锁定 | ADB SAFEGATE | Cortex 套件深度集成 |
|
||||
| 中锁定 | AirportLabs | 全套生态但 API 开放 |
|
||||
| 低锁定 | PDC | Oracle + 标准 WS，易替换 |
|
||||
| 低锁定 | Indra | J2EE 标准，可部分替换 |
|
||||
|
||||
## 选型决策树
|
||||
|
||||
```
|
||||
年旅客量 > 3000万
|
||||
├── 需要全栈统一管理 → ADB SAFEGATE Cortex AODB
|
||||
├── 已有 Amadeus Altéa → Amadeus AODB
|
||||
└── 需要 AI 预测能力 → ADB SAFEGATE Cortex AODB
|
||||
|
||||
年旅客量 1000-3000万
|
||||
├── 需要快速上线 + 云原生 → AirportLabs SkyCore AODB
|
||||
├── 已有 Amadeus 系统 → Amadeus AODB
|
||||
└── 预算有限 → AirportLabs SkyCore AODB
|
||||
|
||||
年旅客量 < 1000万
|
||||
├── 多机场集团 → PDC AODB（Multi-Airport Mode）
|
||||
├── 快速上线（< 2周）→ PDC AODB
|
||||
└── 欧洲/拉美 Aena 网络 → Indra InBASE AODB
|
||||
```
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[a-cdm]] — A-CDM 依赖 AODB 作为核心数据源
|
||||
- [[flight-data-exchange]] — SSIM/XML 数据交换标准
|
||||
- [[smart-gating]] — 机位管理系统依赖 AODB 数据
|
||||
- [[baggage-handling]] — 行李系统与 AODB 航班动态联动
|
||||
- [[airport-operations-systems]] — 供应商综合对比
|
||||
@@ -0,0 +1,63 @@
|
||||
---
|
||||
title: BHS — 机场行李处理系统
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [bag-trace, system, operations]
|
||||
sources: [raw/articles/baggage-handling-market-2025.md]
|
||||
---
|
||||
|
||||
# BHS — 机场行李处理系统
|
||||
|
||||
## 定义
|
||||
|
||||
BHS（Baggage Handling System，行李处理系统）覆盖行李从值机托运到目的地提取全流程的分拣、输送、追踪管理。
|
||||
|
||||
## 行业规模（2025）
|
||||
|
||||
- **市场规模：** USD 7,630 百万（2024年）→ USD 13,640 百万（2033年），CAGR 6.67%
|
||||
- **主要驱动：** IATA Res. 753 合规要求、RFID 强制推广、硬件升级需求
|
||||
|
||||
## IATA Resolution 753
|
||||
|
||||
强制要求在以下四个节点追踪行李并向航空公司数据系统报告：
|
||||
|
||||
| 节点 | 英文 | 说明 |
|
||||
|------|------|------|
|
||||
| 接收 | Acceptance | 值机口接收并记录 |
|
||||
| 装载 | Loading | 装入飞机货舱 |
|
||||
| 中转 | Transfer | 航班衔接时的转运 |
|
||||
| 到达 | Arrival | 到达目的地交付 |
|
||||
|
||||
> RFID 追踪精度接近 100%，是满足 Res. 753 的核心技术。
|
||||
|
||||
## 核心技术
|
||||
|
||||
| 技术 | 说明 |
|
||||
|------|------|
|
||||
| **RFID** | 替代条码，近零误读率；IATA Res. 753 合规核心 |
|
||||
| **Tote-based 分拣** | 以轮式载具（tote）代替皮带直接分拣，大幅降低行李损坏率 |
|
||||
| **Cross-Belt Sorter** | 高速分拣机，处理量可达 6000+ 件/小时 |
|
||||
| **实时行李状态 API** | 42% 旅客通过航司 App 实时查看行李状态，驱动低延迟数据需求 |
|
||||
| **Early Bag Storage（EBS）** | 提前储存行李，平衡高峰时段处理压力 |
|
||||
|
||||
## 主要供应商
|
||||
|
||||
| 厂商 | 动态（2025） |
|
||||
|------|------|
|
||||
| Siemens Logistics | 斩获多个大型枢纽合同 |
|
||||
| Beumer Group | Tote-based 技术快速成为高吞吐量航站楼标准 |
|
||||
| Vanderlande | 行李处理系统巨头 |
|
||||
| Alstef | 分拣与仓储自动化 |
|
||||
|
||||
## 系统效益指标
|
||||
|
||||
- 实施 RFID + 实时追踪后，行李错运率降低 **30-50%**
|
||||
- 预测性维护减少计划外停机 **30-50%**
|
||||
- 维护成本降低 **18-25%**
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[aodb]] — 行李系统与 AODB 航班动态联动（航班延误影响行李分拣优先级）
|
||||
- [[flight-data-exchange]] — CIDX/XML 数据交换标准
|
||||
- [[a-cdm]] — 航班动态影响行李中转分拣时机
|
||||
@@ -0,0 +1,65 @@
|
||||
---
|
||||
title: 除冰运营管理
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [operations, airside, safety]
|
||||
sources: [raw/articles/detroit-deicing-system.md, raw/articles/aircraft-deicing-2025.md]
|
||||
---
|
||||
|
||||
# 除冰运营管理
|
||||
|
||||
## 定义
|
||||
|
||||
飞机除冰（Aircraft Deicing）是在结冰或积雪条件下，飞行前清除飞机表面冰雪的操作。机场除冰运营管理覆盖除冰液管理、调度排班、环保合规。
|
||||
|
||||
## 关键标准
|
||||
|
||||
| 标准 | 说明 |
|
||||
|------|------|
|
||||
| ARINC | 航电与地面系统接口标准 |
|
||||
| AEA（国际航空电子企业协会） | 除冰液规格与使用指南 |
|
||||
| FAA / EASA | 适航与操作规章 |
|
||||
|
||||
## 除冰液（ADF）管理
|
||||
|
||||
| 类型 | 成分 | 特点 |
|
||||
|------|------|------|
|
||||
| **Propylene Glycol（PG）** | 丙二醇 | 主流，大型机场（如 DTW）大规模回收再用 |
|
||||
| **Ethylene Glycol（EG）** | 乙二醇 | 早期使用，环境毒性较高 |
|
||||
|
||||
**代表案例：底特律 DTW**
|
||||
- 全球最大 ADF 管理系统运营方
|
||||
- 4 个远程除冰坪 + 回收系统
|
||||
- 除冰径流与一般雨水完全分流
|
||||
- 回收丙二醇用于塑料/油漆生产（循环经济）
|
||||
|
||||
## 除冰运营调度要素
|
||||
|
||||
- **集中资质数据库**：除冰操作人员资质、证书、实时可用性
|
||||
- **实时排班调整**：运营中心可在数分钟内调整除冰班组
|
||||
- **合规框架**：劳动法规、集体协议、休息规定
|
||||
- **响应时间窗口**：从气象预警到除冰完成的时间预测
|
||||
|
||||
## 除冰对 A-CDM 的影响
|
||||
|
||||
除冰时间是 TOBT（目标推出时间）的关键输入变量之一：
|
||||
- 实际除冰完成时间直接影响 AOBT（实际推出时间）
|
||||
- 除冰延误会级联影响 TSAT、TTOT，进而影响离港排序
|
||||
- 2025 年 IATA A-CDM Toolkit 将除冰运营状态纳入过站监控（TMS — Turnaround Monitoring）
|
||||
|
||||
## 除冰坪布局（大型机场典型）
|
||||
|
||||
```
|
||||
远程除冰坪（Remote Deicing Pad）
|
||||
↑
|
||||
行李车道 ─── 除冰设备（Elevated Platform / Grooming Vehicle）
|
||||
↑
|
||||
飞机推出后进入除冰坪，完成后滑行至跑道
|
||||
```
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[a-cdm]] — 除冰状态是 A-CDM 过站时间的关键变量
|
||||
- [[smgcs]] — 除冰后滑行需要 SMGCS 引导
|
||||
- [[aodb]] — 除冰事件时间节点记录在 AODB Milestone 体系中
|
||||
@@ -0,0 +1,67 @@
|
||||
---
|
||||
title: 航班数据交换标准
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [flight-data, api, integration, system]
|
||||
sources: [raw/articles/iata-ssim-2026.md, raw/articles/schedule-data-exchange-2025.md]
|
||||
---
|
||||
|
||||
# 航班数据交换标准
|
||||
|
||||
## 定义
|
||||
|
||||
航班数据交换标准是 IATA 主导的全球航空数据格式规范，涵盖航班计划、运营动态、地面保障数据的标准化报文格式，是机场信息化系统的数据互操作基础。
|
||||
|
||||
## 核心标准
|
||||
|
||||
| 标准 | 全称 | 用途 |
|
||||
|------|------|------|
|
||||
| **SSIM** | Standard Schedules Information Manual | 航班计划数据交换格式 |
|
||||
| **AIRIMP** | Airline Industry Reservations Interline Message Procedures | 订座与运价报文 |
|
||||
| **AHM** | Airport Handling Manual | 地面操作数据标准 |
|
||||
| **CIDX** | Cargo Interchange Data Standard | 货运数据交换（部分机场也用于航班动态） |
|
||||
| **IATA-OS** | IATA-OS Data Model | 机场运营数据模型（与 ICDM 合并演进） |
|
||||
|
||||
## SSIM — Standard Schedules Information Manual
|
||||
|
||||
| 项目 | 信息 |
|
||||
|------|------|
|
||||
| 最新版本 | **第 36 版（2026）** |
|
||||
| 发布频率 | 年度 |
|
||||
| 适用范围 | 全球所有 IATA 成员航司及合作伙伴 |
|
||||
| 核心内容 | 航班计划报文格式、最小衔接时间（MCT）、机场协调程序 |
|
||||
|
||||
SSIM 是航班计划数据交换的行业基准，采用固定长度报文格式（flat file），支持批量数据交换。
|
||||
|
||||
## IATA Schedule Data Exchange Program（2025 新动态）
|
||||
|
||||
- **2025 年 8 月启动**：航司可从 IATA 数据库**接收**其他航司的航班计划数据
|
||||
- **数据范围**：航班计划 + MCT（Minimum Connect Time）异常数据
|
||||
- **开放性**：向所有航司开放，包括非 IATA 成员
|
||||
- **与现有 DDS / CDD 协同**：IATA Direct Data Solutions 系列扩展
|
||||
|
||||
## 数据流向示意
|
||||
|
||||
```
|
||||
航司 ──SSIM格式──→ 机场 AODB ──ACISP──→ 各运营系统
|
||||
│ │
|
||||
│←──── 运营更新（动态）───────→│
|
||||
│ │
|
||||
└──── 地面服务商 ────────────┘
|
||||
```
|
||||
|
||||
## XML vs. 传统 Flat File
|
||||
|
||||
| 维度 | SSIM Flat File | XML/IATA-OS |
|
||||
|------|----------------|-------------|
|
||||
| 结构 | 固定长度字段 | 树形结构，可扩展 |
|
||||
| 实时性 | 批量/定时交换 | 支持实时 API |
|
||||
| 主流场景 | 计划数据批量交换 | 运营动态实时共享 |
|
||||
| IATA 推进方向 | 逐步向 XML/IATA-OS 迁移 | — |
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[aodb]] — AODB 是数据交换标准的最终接收与处理方
|
||||
- [[a-cdm]] — A-CDM 的 ACISP 平台实现运营数据实时共享
|
||||
- [[baggage-handling]] — 行李数据也通过类似报文标准交换
|
||||
@@ -0,0 +1,54 @@
|
||||
---
|
||||
title: AI Smart Gating — 智能停机位管理
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [operations, gate, system]
|
||||
sources: [raw/articles/assaia-standmanager-2025.md, raw/articles/ai-smart-gating-2025.md]
|
||||
---
|
||||
|
||||
# AI Smart Gating — 智能停机位管理
|
||||
|
||||
## 定义
|
||||
|
||||
AI Smart Gating（智能机位管理）指利用 AI 算法实时优化停机位（gate/stand）分配的系统，目标是最小化滑行时间、提升机位利用率、减少航班延误。
|
||||
|
||||
## 核心功能
|
||||
|
||||
| 功能 | 说明 |
|
||||
|------|------|
|
||||
| 实时机位分配 | 基于航班动态（实际到达时间、机型、衔接航班）动态重分配 |
|
||||
| 冲突检测 | 机位时间重叠、翼展冲突、拖车路径冲突预警 |
|
||||
| 预测性分析 | 预测机位冲突并提前调整 |
|
||||
| 多目标优化 | 平衡航司偏好、旅客步行距离、地面滑行时间 |
|
||||
| 可持续性指标 | 减少地面滑行燃油消耗和碳排放 |
|
||||
|
||||
## 关键技术
|
||||
|
||||
- **约束规划（Constraint Programming）**：处理复杂的业务规则和硬约束
|
||||
- **强化学习（RL）**：从历史分配数据中学习最优策略
|
||||
- **数字孪生**：机场场面仿真，用于分配方案评估
|
||||
- **实时数据集成**：AODB 航班动态 +场面活动（SMGCS）数据
|
||||
|
||||
## 供应商动态（2025）
|
||||
|
||||
| 厂商 | 产品 | 进展 |
|
||||
|------|------|------|
|
||||
| Assaia | **StandManager** | 2025 年发布，基于 AI 的停机位资源管理系统 |
|
||||
| adb safegate | **AmberFAIR** | 可持续机位分配算法 |
|
||||
| AirportLabs | **SkyCore RMS** | 2025 年 8 月已部署于芝加哥 ORD |
|
||||
| Airsimate (Northeast Systems) | 机位优化平台 | — |
|
||||
|
||||
## AI Smart Gating 趋势（2025）
|
||||
|
||||
- **从被动调度到主动管理**：AI 系统能预判延误并主动重分配，而非被动响应
|
||||
- **全网络优化**：单机场优化 → 多机场协同优化
|
||||
- **标准化推进**：IATA 与 Eurocontrol 推动 A-CDM 数据接口标准化，使 AI 系统能获取实时航班数据
|
||||
- **经济效益**：减少飞机滑行时间直接降低燃油成本和碳排放
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[a-cdm]] — 协同决策为智能机位分配提供实时数据
|
||||
- [[smgcs]] — 场面活动监控防止机位冲突
|
||||
- [[aodb]] — 机位管理依赖 AODB 航班数据
|
||||
- [[deicing-operations]] — 除冰作业影响航班推出时间，影响机位占用时长
|
||||
@@ -0,0 +1,57 @@
|
||||
---
|
||||
title: SMGCS / A-SMGCS — 场面活动引导与控制系统
|
||||
created: 2026-04-08
|
||||
updated: 2026-04-08
|
||||
type: concept
|
||||
tags: [airside, system, safety]
|
||||
sources: [raw/articles/smgcs-lax-2025.md, raw/articles/a-smcgs-market-2025.md]
|
||||
---
|
||||
|
||||
# SMGCS / A-SMGCS — 场面活动引导与控制系统
|
||||
|
||||
## 定义
|
||||
|
||||
- **SMGCS**（Surface Movement Guidance and Control System，场面活动引导与控制系统）：在低能见度条件下（< 1200ft RVR）管控飞机地面滑行、推出、起飞、落地的程序与系统。
|
||||
- **A-SMGCS**（Advanced SMGCS，高级场面活动引导与控制系统）：在 SMGCS 基础上增加了场面活动监视、路径引导和冲突预警功能。
|
||||
|
||||
FAA 要求日均旅客量达到一定规模的机场必须制定并维护 SMGCS Plan。
|
||||
|
||||
## 功能层级
|
||||
|
||||
| 级别 | 功能 |
|
||||
|------|------|
|
||||
| L1 场面监视 | 探测场面所有活动目标（飞机、车辆）位置 |
|
||||
| L2 路径引导 | 为飞行员/司机提供最优滑行路径和冲突预警 |
|
||||
| L3 运动规划 | 自动优化场面资源分配（停机位、滑行路线） |
|
||||
| L4 场景管理 | 异常情况（紧急救援、鸟击）自动响应 |
|
||||
|
||||
## A-SMGCS 市场数据（2025）
|
||||
|
||||
- **市场规模：** USD 5,922.47 百万（2025年）
|
||||
- **主要驱动：** 能见度受限机场的运营安全合规需求、AI 预测分析集成
|
||||
- **趋势：** 到 2025 年，A-SMGCS 正深度融合 AI/ML 进行场面活动预测
|
||||
|
||||
## 核心技术组件
|
||||
|
||||
| 组件 | 说明 |
|
||||
|------|------|
|
||||
| **场面探测雷达（ASDE-X / SMR）** | 探测飞机和车辆精确位置 |
|
||||
| **ADS-B 接收站** | 飞机广播式自动相关监视 |
|
||||
| **多点定位（Multilateration）** | 基于 TDOA 的精确定位 |
|
||||
| **场面灯光引导系统** | 停止排灯、可变距灯（VSLS） |
|
||||
| **VDGS（Visual Docking Guidance System）** | 泊位引导系统（机位停稳指示） |
|
||||
| **CDM 集成接口** | 与 A-CDM 共享场面状态数据 |
|
||||
|
||||
## SMGCS Plan 关键内容（以 LAX 为例）
|
||||
|
||||
- 低能见度运营程序（分类：LVP Level 1/2/3）
|
||||
- 跑道等待点/停止排灯控制程序
|
||||
- 地面车辆活动限制区域
|
||||
- 应急救援路线保障
|
||||
- 年度评审机制（LAX SMGCS Working Group）
|
||||
|
||||
## 相关链接
|
||||
|
||||
- [[a-cdm]] — A-CDM 共享场面数据用于离港排序
|
||||
- [[aodb]] — 场面状态数据汇入 AODB
|
||||
- [[smart-gating]] — 机位分配与场面活动联动
|
||||
@@ -0,0 +1,27 @@
|
||||
# Wiki Index
|
||||
|
||||
> 内容目录。每个 wiki 页面按类型列出，附一行摘要。
|
||||
> 阅读此文件可快速查找相关页面。
|
||||
> Last updated: 2026-04-08 | Total pages: 9
|
||||
|
||||
## Entities
|
||||
|
||||
## Concepts
|
||||
|
||||
| 页面 | 摘要 |
|
||||
|------|------|
|
||||
| [[aodb]] | 机场运营数据库，航班数据中枢，支撑 A-CDM 和各业务系统 |
|
||||
| [[a-cdm]] | IATA/Eurocontrol 协同决策框架，40+机场实施，统一 Milestone 标准 |
|
||||
| [[smgcs]] | 场面活动引导与控制系统，LVP 低能见度运营合规基础 |
|
||||
| [[smart-gating]] | AI 智能停机位管理，实时优化分配减少滑行时间 |
|
||||
| [[baggage-handling]] | 行李处理系统，RFID 满足 IATA Res.753，市场 CAGR 6.67% |
|
||||
| [[deicing-operations]] | 飞机除冰运营，ADF 液管理，除冰时间是 A-CDM 关键变量 |
|
||||
| [[flight-data-exchange]] | IATA SSIM/AIRIMP/CIDX 报文标准，第 36 版 2026 发布 |
|
||||
|
||||
## Comparisons
|
||||
|
||||
| 页面 | 摘要 |
|
||||
|------|------|
|
||||
| [[airport-operations-systems]] | AODB/BHS/SMGCS/机位管理系统头部供应商功能对比 |
|
||||
|
||||
## Queries
|
||||
@@ -0,0 +1,34 @@
|
||||
# Wiki Log
|
||||
|
||||
> 按时间顺序记录所有 wiki 操作。追加写入。
|
||||
> 格式：`## [YYYY-MM-DD] action | subject`
|
||||
> 操作类型：ingest, update, query, lint, create, archive, delete
|
||||
> 本文件超过 500 条时轮转：重命名为 `log-YYYY.md`，重新开始。
|
||||
|
||||
## [2026-04-08] create | Flight Wiki 初始化
|
||||
- Domain: 机场航班数据管理运营
|
||||
- Structure: SCHEMA.md, index.md, log.md, raw/{articles,papers,transcripts,assets}, entities/, concepts/, comparisons/, queries/
|
||||
- Schema 定制：航班数据领域标签体系，8 大分类
|
||||
- 说明：[[SCHEMA.md]] 定义了页面类型、标签体系、创建规则、更新政策
|
||||
- 备注：此为独立 wiki，不在 llm-wiki 技能自动追踪范围内
|
||||
|
||||
## [2026-04-08] ingest | 2025-2026 机场运营系统行业调研
|
||||
- 来源1：IATA A-CDM Toolkit June 2025
|
||||
- 来源2：adb safegate Cortex AODB Brochure 2025
|
||||
- 来源3：Amadeus AODB 产品资料
|
||||
- 来源4：AirportLabs 芝加哥 ORD 部署（2025.8）
|
||||
- 来源5：Assaia StandManager 发布（2025）
|
||||
- 来源6：Grand View Research — Airport BHS Market 2025
|
||||
- 来源7：ReAnIn — A-SMGCS Market 2025
|
||||
- 来源8：IATA SSIM 第 36 版（2026）发布说明
|
||||
- 来源9：Detroit Airport Deicing Management System
|
||||
- 新建/更新页面：
|
||||
- concepts/aodb.md（新建）
|
||||
- concepts/a-cdm.md（新建）
|
||||
- concepts/smgcs.md（新建）
|
||||
- concepts/smart-gating.md（新建）
|
||||
- concepts/baggage-handling.md（新建）
|
||||
- concepts/deicing-operations.md（新建）
|
||||
- concepts/flight-data-exchange.md（新建）
|
||||
- comparisons/airport-operations-systems.md（新建）
|
||||
- 更新：index.md（Total pages: 9）
|
||||
@@ -0,0 +1,454 @@
|
||||
# 机场航班数据管理运营技术方案
|
||||
|
||||
> 本方案综合整理自：IATA A-CDM Toolkit June 2025、SSIM 第 36 版（2026）、adb safegate/Amadeus/Assaia 2025 官方资料、Mordor Intelligence BHS 市场报告、ReAnIn A-SMGCS 市场报告、底特律机场除冰系统文档
|
||||
> 生成时间：2026-04-08
|
||||
> 数据来源：详见各子系统页面
|
||||
|
||||
---
|
||||
|
||||
## 一、系统总体架构
|
||||
|
||||
### 1.1 架构分层
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────────────────────┐
|
||||
│ 应用服务层 │
|
||||
│ 航班智能调度 │ 行李追踪 │ 安防分析 │ 机位优化 │ 除冰管理 │ 客服 │
|
||||
├──────────────────────────────────────────────────────────────────┤
|
||||
│ 数据交换层 │
|
||||
│ SSIM │ AIRIMP │ CIDX │ IATA-OS │ XML real-time feeds │
|
||||
├──────────────────────────────────────────────────────────────────┤
|
||||
│ 运营协同层（A-CDM 核心） │
|
||||
│ ACISP（信息共享平台 / SSOT） │
|
||||
│ ↑ │
|
||||
│ ┌──────────┼──────────┐ │
|
||||
│ │ AODB │ PDS │ TMS（过站监控） │
|
||||
│ │ 运营数据库│ 起飞排序器 │ │
|
||||
│ └──────────┴──────────┘ │
|
||||
├──────────────────────────────────────────────────────────────────┤
|
||||
│ 资源管理层 │
|
||||
│ RMS（资源管理）│ Smart Gating │ BHS │ SMGCS │ 除冰系统 │
|
||||
├──────────────────────────────────────────────────────────────────┤
|
||||
│ 数据采集层 │
|
||||
│ ADS-B │ SMR │ 多点定位 │ RFID │ VDGS │ 气象 │ 地面传感器 │
|
||||
└──────────────────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 1.2 核心数据流
|
||||
|
||||
```
|
||||
航司（FMS/CRS）
|
||||
↓ SSIM 格式（计划数据）
|
||||
机场 AODB
|
||||
↓
|
||||
ACISP（单一真相源 SSOT）
|
||||
↓ [实时推送 / Web API / 手持终端]
|
||||
├── PDS（Pre-Departure Sequencer）→ TSAT 计算 → 离港序列
|
||||
├── Smart Gating → 机位实时分配
|
||||
├── BHS → 行李分拣优先级
|
||||
├── SMGCS → 场面活动引导
|
||||
└── 除冰调度系统 → TOBT 更新
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 二、AODB — 机场运营数据库
|
||||
|
||||
### 2.1 定位
|
||||
|
||||
AODB 是整个航班管理系统的**数据中枢**，为所有业务系统提供 Single Source of Truth（SSOT）。A-CDM 的 ACISP 平台以 AODB 为核心数据源，所有参与方的数据最终汇入 AODB 进行一致性管理。
|
||||
|
||||
### 2.2 核心数据模型（基于 IATA A-CDM Toolkit）
|
||||
|
||||
| 数据类型 | 内容 | 更新频率 |
|
||||
|---------|------|---------|
|
||||
| 航班静态数据 | 航班号、机型、航司、起降机场 | 季度更新 |
|
||||
| 航班计划数据 | EOBT、起降时刻、停机位 | 每日更新（SSIM） |
|
||||
| 航班动态数据 | ELDT、AOBT、ATOT、ALDT | 实时（5s-1min） |
|
||||
| A-CDM Milestone | TOBT、TSAT、TTOT、CTOT、EXIT | 实时 |
|
||||
| 资源状态 | 机位可用性、登机口、设备状态 | 实时 |
|
||||
| 衍生计算数据 | EIBT、预测延误、冲突预警 | 实时 |
|
||||
|
||||
### 2.3 A-CDM Milestone 完整定义
|
||||
|
||||
| 缩写 | 全称 | 定义方 | 更新责任方 |
|
||||
|------|------|--------|---------|
|
||||
| ELDT | Estimated Landing Time | AODB 自动计算 | 系统 |
|
||||
| ALDT | Actual Landing Time | 塔台 | ANSP |
|
||||
| EOBT | Estimated Off-Block Time | 航司 | 航司 |
|
||||
| TOBT | Target Off-Block Time | AODB 综合计算 | 航司/地面服务商 |
|
||||
| TSAT | Target Start-Up Approval Time | PDS 计算 | AODB/PDS |
|
||||
| TTOT | Target Take-Off Time | PDS 计算 | AODB/PDS |
|
||||
| ATOT | Actual Take-Off Time | 塔台 | ANSP |
|
||||
| CTOT | Calculated Take-Off Time | ATFM | Network Manager |
|
||||
| EXOT | Expected Taxi-Out Time | AODB VTT 模块 | 系统 |
|
||||
| EXIT | Expected Taxi-In Time | AODB VTT 模块 | 系统 |
|
||||
|
||||
### 2.4 供应商选型
|
||||
|
||||
| 厂商 | 产品 | 推荐场景 | 核心优势 |
|
||||
|------|------|---------|---------|
|
||||
| adb safegate | Cortex AODB | 大型枢纽 | 模块化 + AI，原生 A-CDM 支持 |
|
||||
| Amadeus | Airport Operational Data Base | 中大型机场 | 覆盖全球 95% 航司计划数据 |
|
||||
| AirportLabs | SkyCore AODB | 中型机场 | 2025 年已落地 ORD，性价比高 |
|
||||
| PDC | AODB | 多机场集团 | Multi-Airport Mode 支持 |
|
||||
|
||||
---
|
||||
|
||||
## 三、A-CDM — 机场协同决策系统
|
||||
|
||||
### 3.1 系统定位
|
||||
|
||||
A-CDM（Airport Collaborative Decision Making）是 IATA 与 Eurocontrol 联合推动的运营协同框架，目标是通过信息共享机制使机场各运营方（航司、机场、地面服务商、管制）在统一操作视图下做决策，提升航班可预测性和机场整体效率。
|
||||
|
||||
**全球已实施机场：40+**（以欧洲为主，亚太增长快）
|
||||
|
||||
### 3.2 三大核心组件
|
||||
|
||||
#### ACISP（信息共享平台）
|
||||
|
||||
- 实现 SSOT（Single Source of Operational Truth）
|
||||
- 多渠道接入：Web 界面 + 手持终端
|
||||
- 各参与方直接录入 TOBT 等数据
|
||||
- 集成：AODB、VDGS、RMS、PDS、塔台、地面服务系统
|
||||
|
||||
#### AODB（运营数据库）
|
||||
|
||||
见第二章。
|
||||
|
||||
#### PDS（Pre-Departure Sequencer）
|
||||
|
||||
**核心公式：** `TSAT = TTOT - EXOT`
|
||||
|
||||
- 依据管制设定的离港率（departure rate）分配起飞序列
|
||||
- **硬约束：** CTOT（ATFM）、VTT、机位限制
|
||||
- **软约束：** 航司优先级、航班互换、寒区优先权、禁区优先权
|
||||
|
||||
**TSAT 计算示例：**
|
||||
|
||||
```
|
||||
TTOT = 14:30（目标起飞时间，PDS 依据离港率计算）
|
||||
EXOT = 00:12（预计滑出时间，基于 VTT 历史统计 + 实时场面状态）
|
||||
TSAT = 14:18（目标启动许可时间 = TTOT - EXOT）
|
||||
|
||||
→ 航司需在 14:18 之前申请启动，14:18 之前完成所有过站操作
|
||||
→ 若 TOBT > TSAT，PDS 触发重排序告警
|
||||
```
|
||||
|
||||
### 3.3 参与方职责与数据交互
|
||||
|
||||
| 参与方 | 输入数据 | 使用数据 |
|
||||
|--------|---------|---------|
|
||||
| 航司 | TOBT、EOBT、实际动态 | TSAT、CTOT、PDS 序列 |
|
||||
| 地面服务商 | 过站保障时间、除冰完成时间 | TSAT、TOBT |
|
||||
| 机场运营方 | 机位分配、VDGS 状态 | 全部 |
|
||||
| ANSP（管制） | CTOT、跑道离港率、ATOT、ALDT | TSAT、TTOT |
|
||||
|
||||
### 3.4 A-CDM 关键绩效指标
|
||||
|
||||
| KPI | 定义 | 目标 |
|
||||
|-----|------|------|
|
||||
| TOBT 准确性 | TOBT vs AOBT 偏差 | ≤ 3 分钟 |
|
||||
| TSAT 准确性 | TSAT vs ASAT 偏差 | ≤ 1 分钟 |
|
||||
| 离港准点率 | ATOT ≤ CTOT + 15min | ≥ 80% |
|
||||
| CTOT 顺从率 | 实际按 CTOT 起飞比例 | ≥ 90% |
|
||||
|
||||
### 3.5 与 ATFM 集成
|
||||
|
||||
```
|
||||
ATFM（Network Manager）
|
||||
│
|
||||
├──→ CTOT（Calculated Take-Off Time）
|
||||
│ ↓
|
||||
│ PDS 接收 CTOT 作为硬约束
|
||||
│ ↓
|
||||
└──→ 流量限制信息
|
||||
↓
|
||||
ACISP 显示全网状态
|
||||
```
|
||||
|
||||
澳大利亚已将 A-CDM 深度整合入国家 ATFM 系统，2025 年 IATA A-CDM Toolkit 推广此模式。
|
||||
|
||||
---
|
||||
|
||||
## 四、SMGCS / A-SMGCS — 场面活动引导与控制系统
|
||||
|
||||
### 4.1 系统定位
|
||||
|
||||
SMGCS 在低能见度条件（< 1200ft RVR）下管控飞机地面滑行、推出、起飞、落地。机场场面是 A-CDM 离港/到港流程中最后一环，SMGCS 与 A-CDM 共享场面状态数据。
|
||||
|
||||
### 4.2 功能等级
|
||||
|
||||
| 级别 | 功能 | 技术说明 |
|
||||
|------|------|---------|
|
||||
| L1 | 场面监视 | SMR/ADS-B/多点定位，探测所有活动目标位置 |
|
||||
| L2 | 路径引导 | 最优滑行路径计算 + 冲突预警 |
|
||||
| L3 | 运动规划 | 自动优化停机位、滑行路线分配 |
|
||||
| L4 | 场景管理 | 应急响应自动化（紧急救援、鸟击） |
|
||||
|
||||
### 4.3 核心技术组件
|
||||
|
||||
| 组件 | 技术 | 供应商参考 |
|
||||
|------|------|---------|
|
||||
| 场面探测雷达 | ASDE-X / SMR | Saab |
|
||||
| 广播式监视 | ADS-B 接收站 | — |
|
||||
| 精确定位 | Multilateration（TDOA） | — |
|
||||
| 停止排灯 | 停止排灯控制 | TERMA |
|
||||
| 泊位引导 | VDGS（Visual Docking Guidance） | — |
|
||||
| 场面灯控 | 可变距灯（VSLS）| TERMA |
|
||||
|
||||
### 4.4 SMGCS Plan 核心内容（FAA 规范）
|
||||
|
||||
- 低能见度运营程序（LVP Level 1/2/3）
|
||||
- 跑道等待点 / 停止排灯控制程序
|
||||
- 地面车辆活动限制区域
|
||||
- 应急救援路线保障
|
||||
- 年度评审机制
|
||||
|
||||
**市场规模（2025）：** USD 5,922.47 百万，AI/ML 集成是发展方向。
|
||||
|
||||
---
|
||||
|
||||
## 五、AI Smart Gating — 智能停机位管理
|
||||
|
||||
### 5.1 系统定位
|
||||
|
||||
AI Smart Gating 利用 AI 算法实时优化停机位（gate/stand）分配，目标是最小化滑行时间、提升机位利用率、减少航班延误。与 A-CDM 和 SMGCS 深度集成。
|
||||
|
||||
### 5.2 核心算法能力
|
||||
|
||||
| 能力 | 说明 |
|
||||
|------|------|
|
||||
| 实时机位分配 | 基于航班实际到达时间、机型、衔接航班动态重分配 |
|
||||
| 冲突检测 | 机位时间重叠、翼展冲突、拖车路径冲突 |
|
||||
| 预测性分析 | 预测机位冲突并提前调整 |
|
||||
| 多目标优化 | 平衡航司偏好、旅客步行距离、地面滑行时间 |
|
||||
| 可持续性指标 | 减少地面滑行燃油消耗和碳排放 |
|
||||
|
||||
### 5.3 与 A-CDM 的集成
|
||||
|
||||
```
|
||||
AODB（航班动态）
|
||||
↓
|
||||
Smart Gating AI 引擎
|
||||
↓ [机位分配更新]
|
||||
ACISP（SSOT）
|
||||
↓
|
||||
TSAT 重新计算（若机位变更影响 EXOT）
|
||||
↓
|
||||
PDS 序列调整
|
||||
```
|
||||
|
||||
### 5.4 供应商动态（2025）
|
||||
|
||||
| 厂商 | 产品 | 进展 |
|
||||
|------|------|------|
|
||||
| Assaia | StandManager | 2025 年全新发布，AI 视频分析为核心 |
|
||||
| adb safegate | AmberFAIR | 可持续分配算法 |
|
||||
| AirportLabs | SkyCore RMS | 2025 年 8 月部署于芝加哥 ORD |
|
||||
|
||||
### 5.5 典型效益
|
||||
|
||||
- 减少飞机滑行时间 → 降低燃油消耗和碳排放
|
||||
- 机位利用率提升 → 相同资源处理更多航班
|
||||
- 预测性分配 → 减少延误被动响应
|
||||
|
||||
---
|
||||
|
||||
## 六、BHS — 行李处理系统
|
||||
|
||||
### 6.1 系统定位
|
||||
|
||||
BHS 覆盖行李从值机托运到目的地提取全流程的分拣、输送、追踪管理。行李系统与 AODB 航班动态联动：航班延误影响行李分拣优先级和中转分拣时机。
|
||||
|
||||
### 6.2 IATA Resolution 753 合规
|
||||
|
||||
行李必须在以下四个节点被追踪并向航司数据系统报告：
|
||||
|
||||
| 节点 | 说明 |
|
||||
|------|------|
|
||||
| Acceptance（接收）| 值机口接收并记录 |
|
||||
| Loading（装载）| 装入飞机货舱 |
|
||||
| Transfer（中转）| 航班衔接时的转运 |
|
||||
| Arrival（到达）| 到达目的地交付 |
|
||||
|
||||
**RFID 是满足 Res. 753 的核心技术，追踪精度接近 100%。**
|
||||
|
||||
### 6.3 核心技术选型
|
||||
|
||||
| 技术 | 参数 | 说明 |
|
||||
|------|------|------|
|
||||
| RFID | 读准率 ~100% | 替代条码，满足 Res.753 |
|
||||
| Tote-based 分拣 | 损坏率大幅降低 | 轮式载具代替皮带，枢纽标配 |
|
||||
| Cross-Belt Sorter | 处理量 6000+ 件/小时 | 高速分拣机 |
|
||||
| EBS（Early Bag Storage）| 提前储存 | 平衡高峰处理压力 |
|
||||
|
||||
### 6.4 系统效益
|
||||
|
||||
- RFID + 实时追踪后，行李错运率降低 **30-50%**
|
||||
- 预测性维护减少计划外停机 **30-50%**
|
||||
- 维护成本降低 **18-25%**
|
||||
|
||||
### 6.5 供应商（头部）
|
||||
|
||||
| 厂商 | 技术亮点 |
|
||||
|------|---------|
|
||||
| Siemens Logistics | RFID 全流程追踪 |
|
||||
| Beumer Group | Tote-based 分拣，快速成为高吞吐量航站楼标准 |
|
||||
| Vanderlande | 高吞吐量分拣 |
|
||||
| Alstef | 仓储自动化 |
|
||||
|
||||
---
|
||||
|
||||
## 七、除冰运营管理
|
||||
|
||||
### 7.1 系统定位
|
||||
|
||||
除冰运营是 A-CDM 过站时间的重要变量：实际除冰完成时间直接影响 AOBT，进而影响 TSAT、TTOT 和离港排序。除冰延误具有级联效应，需纳入 A-CDM 过站监控（TMS）。
|
||||
|
||||
### 7.2 除冰液（ADF）类型
|
||||
|
||||
| 类型 | 成分 | 适用场景 |
|
||||
|------|------|---------|
|
||||
| Propylene Glycol（PG）| 丙二醇 | 主流，大型机场回收再用（DTW）|
|
||||
| Ethylene Glycol（EG）| 乙二醇 | 早期，环境毒性较高 |
|
||||
|
||||
### 7.3 除冰对 A-CDM 的影响链
|
||||
|
||||
```
|
||||
气象预警 → 除冰需求识别 → 除冰排程
|
||||
│
|
||||
├──→ TOBT 更新（含除冰时间）
|
||||
│ ↓
|
||||
├──→ AOBT 实际除冰完成时间
|
||||
│ ↓
|
||||
├──→ TSAT 重算（TSAT = TTOT - EXOT）
|
||||
│ ↓
|
||||
└──→ PDS 离港序列调整
|
||||
```
|
||||
|
||||
2025 年 IATA A-CDM Toolkit 将除冰运营状态纳入 **TMS（Turnaround Monitoring System）**。
|
||||
|
||||
### 7.4 底特律 DTW 案例（行业标杆）
|
||||
|
||||
- 全球最大 ADF 管理系统运营方
|
||||
- 4 个远程除冰坪 + 回收系统
|
||||
- 除冰径流与一般雨水完全分流
|
||||
- 回收丙二醇用于塑料/油漆生产
|
||||
|
||||
---
|
||||
|
||||
## 八、航班数据交换标准
|
||||
|
||||
### 8.1 标准体系
|
||||
|
||||
| 标准 | 用途 | 格式 |
|
||||
|------|------|------|
|
||||
| SSIM | 航班计划数据交换 | Flat file（固定长度）|
|
||||
| AIRIMP | 订座与运价报文 | 报文格式 |
|
||||
| AHM | 地面操作数据 | 报文格式 |
|
||||
| CIDX | 货运数据交换（部分机场用于航班动态）| XML |
|
||||
| IATA-OS | 机场运营数据模型 | XML/JSON |
|
||||
|
||||
### 8.2 SSIM 最新动态
|
||||
|
||||
| 项目 | 信息 |
|
||||
|------|------|
|
||||
| 最新版本 | **第 36 版（2026）** |
|
||||
| 发布方 | IATA |
|
||||
| 核心内容 | 航班计划报文格式、最小衔接时间（MCT）、机场协调程序 |
|
||||
|
||||
### 8.3 IATA Schedule Data Exchange Program（2025 新动态）
|
||||
|
||||
- **2025 年 8 月启动**：航司可从 IATA 数据库接收其他航司的航班计划数据
|
||||
- **开放性**：向所有航司开放，包括非 IATA 成员
|
||||
- **数据范围**：航班计划 + MCT 异常数据
|
||||
|
||||
### 8.4 数据流向
|
||||
|
||||
```
|
||||
航司 ──SSIM──→ 机场 AODB ──ACISP──→ 各运营系统
|
||||
│ │
|
||||
│←──── 运营更新（动态）───→│
|
||||
└──── 地面服务商 ─────────┘
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 九、系统集成与数据接口
|
||||
|
||||
### 9.1 接口关系总览
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────────────────┐
|
||||
│ ACISP（SSOT 核心） │
|
||||
│ ┌─────────────────────────────────────────────────────┐ │
|
||||
│ │ AODB │ PDS │ TMS │ Smart Gating │ BHS │ 除冰系统 │ │
|
||||
│ └─────────────────────────────────────────────────────┘ │
|
||||
│ ↑ ↑ ↑ ↑ ↑ │
|
||||
└─────────┼────────────┼──────────┼──────────┼───────┼───────┘
|
||||
│ │ │ │ │
|
||||
SSIM/ARINC ATFM/CTOT SMGCS RFID 气象
|
||||
XML实时 (Network 场面状态 Res.753
|
||||
feeds Manager) 行李追踪
|
||||
```
|
||||
|
||||
### 9.2 关键集成点
|
||||
|
||||
| 集成项 | 数据内容 | 频率 |
|
||||
|--------|---------|------|
|
||||
| AODB ↔ 航司 | SSIM 计划数据、EOBT、TOBT | 批量/实时 |
|
||||
| ACISP ↔ ANSP | CTOT、跑道离港率 | 实时 |
|
||||
| Smart Gating ↔ SMGCS | 机位分配、场面活动状态 | 实时 |
|
||||
| BHS ↔ AODB | 行李分拣状态、中转优先级 | 实时 |
|
||||
| 除冰系统 ↔ A-CDM | 除冰完成时间 → TOBT 更新 | 实时 |
|
||||
|
||||
---
|
||||
|
||||
## 十、供应商综合推荐
|
||||
|
||||
### 10.1 全栈平台 vs. 单点专家
|
||||
|
||||
| 类型 | 厂商 | 推荐场景 |
|
||||
|------|------|---------|
|
||||
| **全栈平台** | adb safegate | 需要 AODB + A-CDM + Smart Gating + SMGCS 统一管理 |
|
||||
| **全栈平台** | Amadeus | 已有 Amadeus PSS，希望扩展运营系统 |
|
||||
| **全栈平台** | Siemens | 需要 BHS + 运营系统整合 |
|
||||
| **单点专家** | Assaia | 专注 AI 机位+视频分析，集成到其他平台 |
|
||||
| **单点专家** | AirportLabs | 中型机场性价比方案 |
|
||||
| **单点专家** | Beumer Group | 高吞吐量 BHS 分拣系统 |
|
||||
|
||||
### 10.2 推荐组合
|
||||
|
||||
| 机场规模 | 推荐组合 |
|
||||
|---------|---------|
|
||||
| 大型枢纽（年旅客 > 5000万）| adb safegate 全栈 + Assaia StandManager + Beumer BHS |
|
||||
| 中型机场（年旅客 1000-5000万）| AirportLabs SkyCore（AODB+RMS+Gating）+ Siemens BHS |
|
||||
| 小型机场（年旅客 < 1000万）| Amadeus Cloud AODB + 基础 RMS |
|
||||
|
||||
---
|
||||
|
||||
## 附录
|
||||
|
||||
### A. IATA A-CDM Toolkit June 2025 关键参考
|
||||
|
||||
- SSOT 实现：ACISP 为核心，所有参与方通过同一平台访问一致数据
|
||||
- VTT（Variable Taxi-Times）：EXIT/EXOT 是 TSAT 准确性的关键变量
|
||||
- 澳大利亚案例：A-CDM 与 ATFM 深度整合为行业示范
|
||||
|
||||
### B. IATA SSIM 第 36 版（2026）关键变更
|
||||
|
||||
- 协调程序章节独立（Chapter 6）
|
||||
- MCT（Minimum Connect Time）数据质量要求提升
|
||||
- 推动向 XML/IATA-OS 迁移
|
||||
|
||||
### C. 相关页面索引
|
||||
|
||||
- [[aodb]] — 机场运营数据库详解
|
||||
- [[a-cdm]] — A-CDM 协同决策完整规范
|
||||
- [[smgcs]] — 场面活动引导控制系统
|
||||
- [[smart-gating]] — AI 智能停机位管理
|
||||
- [[baggage-handling]] — BHS 系统与 Res.753
|
||||
- [[deicing-operations]] — 除冰运营管理
|
||||
- [[flight-data-exchange]] — SSIM/AIRIMP/CIDX 标准
|
||||
- [[airport-operations-systems]] — 供应商综合对比
|
||||
Reference in New Issue
Block a user