下次当您全速冲向机场登机口时，请为确保该登机口确实可用的航空公司工作人员考虑一下。
门分配是一项极其复杂的任务。
“15 个登机口和 10 架飞机，有超过 5700 亿种可能性，”汉莎航空工业解决方案公司量子计算主管 Joseph Doetsch 博士表示，他一直致力于解决登机口分配问题。
为每个航班选择最佳登机口有助于缩短飞机滑行时间并减少拥堵，这意味着旅客可以减少在停机坪上等待的时间。
它还减少了所需的燃油量，从而减少了飞机的排放。
通常，登机口是在航班时刻表发布时分配的，最多提前一年，但随后会提前一个月、提前一周、最后在航班起飞当天重新访问。
在确定飞机的最佳停放位置时，必须兼顾各种优先事项。
“例如，某些航空公司可能会被允许进入其休息室和其他设施附近的登机口。此外，通常会安排转机乘客较多的航班，以优化转机时间并改善整体乘客体验，”乔治·理查森 (George Richardson) 说道，机场管理公司 AeroCloud 联合创始人。
“一些航空公司，特别是廉价航空公司，可能会选择更具成本效益的远程停机位和较低的停车费，优先考虑运营成本节省而不是靠近主航站楼。”
其他因素包括飞机的起飞方向、飞机类型、预期跑道分配、登机口可用性、机场人员配置、乘客和行李连接以及其他飞机的预定滑行道和停机坪移动。
更糟糕的是 - 其中许多因素可能会在最后一刻发生变化。
同时，航班延误可能会增加困难，迫使机场和航空公司在最后一刻重新分配登机口，增加乘客等待的时间，并可能导致航班取消。
考虑到这种复杂程度，您可能会认为聪明的计算机软件可以处理这项工作，但请再想一想。
根据 AeroCloud 对机场高级管理人员面临的挑战的调查，分配登机口的工作通常是使用令人惊讶的基本技术来完成的。
“您会惊讶地发现全球有多少机场仍在手动管理该流程，”理查森先生说。
在接受 AeroCloud 调查的机场高管中，40% 表示 Excel 和 Word 文档用于存储和管理与其机场运营相关的信息，包括登机口管理。
但大量投资正在进入更先进的系统。
去年，美国航空在达拉斯沃斯堡国际机场推出了智能门禁。
系统使用机器学习将到达的飞机分配到最近的可用登机口，并以最短的滑行时间。
机器学习是人工智能的一个分支，它使用大量数据来训练可以调整以改善其结果的系统。
就美国航空系统而言，实时航班信息和其他数据用于选择将飞机发送到哪个登机口。
“传统上，我们的团队成员使用旧计算机系统手动分配登机口。在我们最大的枢纽达拉斯沃斯堡国际机场，这个过程大约需要四个小时才能完成，”美国航空发言人说道。
发言人补充道，新系统可以在 10 分钟内完成该过程，这将飞机滑行时间缩短了 20%，每年节省约 140 万加仑的航空燃油。
德国汉莎航空公司的子公司汉莎工业解决方案计划使用量子计算来解决这个问题。
量子计算利用量子比特奇怪但强大的特性来解决某些类型的问题，速度比传统计算机快得多。
目前此类计算机还处于起步阶段。
分配门是传统计算机和算法难以快速解决的一个问题，计算时间的增加与问题的规模不成比例。
但是，Doetsch 博士相信使用量子计算的方法将解决这个问题。
“即使在大型机场和旅游网络中，量子算法也将允许优化分配登机口和其他资源。这些算法将能够通过实时更新的最佳解决方案来响应不断变化的外部因素，”他说。
汉莎航空目前正在研究各种新型量子计算系统中哪种最适合其项目。
它正在运行模拟，可以表明量子计算的有效性。
“在我们的首次试验中，与相应的实际数据相比，我们的优化解决方案可以将乘客的平均过境时间缩短近 50%，”Doetsch 博士补充道。
随着机场容量的压力越来越大，AeroCloud 的理查森先生表示，这些改进的技术可以帮助减少所需的扩展量。
“容量对于许多机场来说都是一个大问题，即使他们想引入新的航空公司或目的地，实体扩张也会成为障碍。
“他们需要充分利用现有资源。”