Artificial intelligence as the basis for the formation of sustainable integrated air transport systems in conditions of uncertainty

Abstract

The article reveals the application of artificial intelligence in the organization of air transportation of cargo and passengers in the modern period of development, which is characterized by the rapid introduction of high-tech tools into all areas of the aviation industry.

Rapid transformations concern not only the management sphere of society, but also the acceleration of logistics activities in the organization of cargo and passengers in the context of deepening globalization and integration through the use of complex routes with an increase in air transportation volumes in the international market of trade, tourism and business activity. Thanks to artificial intelligence, it is possible to automate the planning and adjustment of cargo transportation routes by multimodal transport, form additional passenger flights during vacations, carry out total reductions in fuel costs, operating costs and maintenance, which is becoming an important factor in the context of growing competition in the aviation industry. It is well known that artificial intelligence systems have broad capabilities for fast and thorough processing of large data sets in real time. The main problem is the complexity of integrating artificial intelligence into modern aviation process management systems for ground and air support. It is obvious that outdated equipment and software of airports and airlines require modern updating and the latest design solutions that will meet modern norms and standards. It is well known that in different countries and regions there is a need to harmonize the regulatory framework in accordance with the standards of the global community, which slows down the rapid implementation of innovations. By the way, one of the acute problems is the cybersecurity of data regarding the transportation of cargo and passengers by air fleet. Therefore, to guarantee the safety of flights and personal data of passengers, thorough protection against cyberattacks and hacking is necessary.

The purpose of our work is to study the theoretical and methodological basis for the implementation of artificial intelligence in the formation of sustainable integrated air transport systems under conditions of uncertainty.

The methodological basis for the study of artificial intelligence in the organization of air transportation is a systems approach, which is based on the analysis of the structure of air transportation as a single whole and all the relationships between its components. The main methods of the systems approach in the organization of air transportation are: an analysis method, which considers all components of air transportation as a holistic structure based on the relationships between its main elements (aircraft, airports, crews, dispatch services, passengers); a modeling and simulation method, which allows testing various scenarios for predicting changes in the structure of the system; The system integration method allows you to combine various subsystems of air transportation and create a unique information system for managing the movement of the air fleet and other components by creating a continuous flow of information between individual elements of the air transportation structure for the purpose of coordination and management. The process optimization method involves improving the efficiency of air transportation, taking into account the optimization of flight schedules and resource potential management. The system monitoring and control method allows you to observe the functioning of all elements of the air transportation chain based on the collection and processing of data in real time in order to eliminate challenges and solve them.

Based on the results of the study, the following stages of the development of artificial intelligence in the organization of air transportation were identified: 1. initial automation; 2. data analysis stage; 3. passenger experience improvement stage; 4. intelligent pilot support systems; 5. autonomous flights. It was found that powerful artificial intelligence resources direct efforts to implement innovations: first, artificial intelligence affects the development and production of aircraft; second, artificial intelligence will ensure aviation safety; third, artificial intelligence will solve the problem of staffing flights from pilots and flight crew; fourth, increasing fuel use and reducing environmental impact; fifth, artificial intelligence allows you to order and book tickets in advance using online services; sixth, new approaches to baggage handling; seventh, ethics and personnel replacement. It is proven that the development of artificial intelligence in the organization of air transportation, highlighting the main key points: route optimization, technical maintenance, passenger flow management, autopilot and pilot assistance systems.

Key prospects for the further development of the use of artificial intelligence for the organization of air transportation: 1. Further development of artificial intelligence will provide a breakthrough in the aviation industry by creating aircraft on which the flight will take place without human intervention, including takeoff, cruise phase, landing and control. 2. Individual approach to passengers. 3. Forecasting and optimization of aircraft maintenance. 4. Increasing flight safety. Intelligent systems using artificial intelligence detect potential threats and quickly respond to them. 5. Optimization of airline operations

Keywords

artificial intelligence, air transportation, passengers, cargo, autopilot, route, safety, ethics

Анотація

Стаття розкриває застосування штучного інтелекту в організації авіаційних перевезень вантажів та пасажирів в сучасний період розвитку, який характеризується стрімким впровадженням високотехнологічних інструментів у всі сфери авіаційної галузі.  

 Швидкісні перетворення стосуються не тільки управлінської сфери життя суспільства, але й пришвидшення логістичної діяльності в організації вантажів та пасажирів в умовах поглиблення глобалізації та інтеграції шляхом застосування складних маршрутів із збільшенням обсягів авіаперевезень на міжнародному ринку торгівлі, туризму та бізнес-активності. Завдяки штучному інтелекту можливо автоматизувати планування і коригування маршрутів перевезень вантажів мультимодальним транспортом, формувати додаткові рейси пасажирських перевезень під час відпочинку, проводити тотальні скорочення витрат на паливо, експлуатаційні витрати та технічне обслуговування, що стає важливим чинником в умовах зростаючої конкуренції в авіаційній індустрії. Загальновідомо, системи штучного інтелекту мають широкі можливості для швидкої та ґрунтовної обробки великих масивів даних у реальному часі. Головною проблемою є складність інтеграції штучного інтелекту в сучасні системи управління авіаційними процесами наземного та повітряного забезпечення. Очевидно, що застаріле обладнання та програмне забезпечення аеропортів та авіакомпаній потребують сучасного оновлення та новітніх проектних рішень, які відповідатимуть сучасних нормам та стандартам. Загальновідомо, що в різних країнах та регіонах існує потреба у узгодженні нормативно-правової бази відповідно до стандартів світової спільноти, що гальмує швидке впровадження інновацій. Доречи, однією з гострих проблем стає кібербезпека даних стосовно перевезень вантажів та пасажирів повітряним флотом. Відтак, для гарантування безпеки польотів та особистих даних пасажирів необхідний ретельний захист від кібератак та хакерського злому.     

Метою нашої роботи є вивчення теоретико-методологічного базису впровадження штучного інтелекту у формування стійких інтегрованих систем повітряного транспорту в умовах невизначеності.

Методологічною основою дослідження штучного інтелекту в організації авіаційних перевезень є системний підхід, який базується на аналізі структури авіаційних перевезень як єдиного цілого та всіх зв’язків між її компонентами. Основними методами системного підходу в організації авіаційних перевезень є: метод аналізу, який розглядає всі складові авіаційних перевезень як цілісну структуру на основі взаємозв’язків між основними її елементами (літаки, аеропорти, екіпажи, диспетчерські служби, пасажири); метод моделювання та симуляції, який дозволяє тестувати різні сценарії щодо прогнозування змін у структурі системи; метод інтеграції систем дозволяє поєднувати різні підсистеми авіаційних перевезень і складати унікальну інформаційну систему управління рухом повітряного флоту та інших компонентів шляхом створення безперервного потоку інформації між окремими елементами структури авіаційних перевезень з метою координації та управління, метод оптимізації процесів передбачає поліпшення ефективності функціонування авіаційних перевезень, враховуючи оптимізацію розкладів польотів та управління ресурсним потенціалом, метод системного моніторингу та контролю дозволяє спостерігати за функціонуванням всіх елементів ланцюга авіаційних перевезень на основі збирання та обробки даних у реальному часі з метою усунення викликів та їх вирішення.

 Виділено за результатами дослідження основі етапами розвитку штучного інтелекту в організації авіаційних перевезень стали: 1. початкова автоматизація;  2. етап аналізу даних; 3. етап вдосконалення пасажирського досвіду; 4. інтелектуальні системи підтримки пілотів; 5. автономні польоти. Виявлено, що потужні ресурси штучного інтелекту спрямовують зусилля на впровадження інновацій: по-перше, штучний інтелект впливає на розробку та виробництво літаків; по-друге, штучний інтелект забезпечить авіаційну безпеку; по-третє, штучний інтелект вирішить проблему кадрового забезпечення польотів від пілотів та льотного складу; по-четверте, підвищення використання палива та зменшення впливу на навколишнє середовище; по-п’яте, штучний інтелект надає змогу завчасно замовляти та бронювати квитки, використовуючи онлайн-сервіси; по-шосте, новітні підходи до обробки багажу; по-сьоме, етика та заміна персоналу. Доведено, що розвитку штучного інтелекту в організації авіаційних перевезень, виділивши основні ключові моменти: оптимізація маршрутів, технічне обслуговування, управління пасажирськими потоками, автопілот та системи допомоги пілотам.

Ключовими перспективами подальшого розвитку використання штучного інтелекту для організації авіаційних перевезень: 1.Подальший розвиток штучного інтелекту забезпечить прорив у авіаційній галузі шляхом створення літаків, на яких польот відбуватиметься без втручання людини, включаючи зліт, крейсерську фазу, посадку та керування. 2.Індивідуальний підхід до пасажирів. 3.Прогнозування і оптимізація обслуговування повітряних суден. 4.Підвищення безпеки польотів. Інтелектуальні системи з використанням штучного інтелекту виявляють потенційні загрози та швидко реагують на них. 5.Оптимізація діяльності авіакомпаній.

Ключові слова

штучний інтелект, авіаційні перевезення, пасажири, вантаж, автопілот, маршрут, безпека, етика

Back to Table of Contents No 35 (2026)

Harazha O. P. Doctor of Sciences (Economics), Professor, Professor of the Air Transportation Organization Department of Faculty of Transport and Logistics of State Non-Commercial Company «State University «Kyiv Aviation Institute» (Ukraine)

• ORCID –  0000-0001-9986-6231
• Researcher ID –
• Scopus author id: –   57638991900
• E-Mail:  oasissun@ukr.net

Shevchuk D. O. Doctor of Technical Sciences, Professor, Professor of the Air Transportation Organization Department of Faculty of Transport and Logistics of State Non-Commercial Company «State University «Kyiv Aviation Institute» (Ukraine)

• ORCID –   0000-0002-3334-2563
• Researcher ID –
• Scopus author id: – 55635404700
• E-Mail:   dmytro.shevchuk@npp.nau.edu.ua

1. Harazha, O., & Shevchuk, D. (2024). Air transport organization: Competitiveness, globalization, and innovation. Science and Innovation, 20(6), 79–90. https://doi.org/10.15407/scine20.06.079
2. Steniakin, I., Shevchuk, D., & Garazha, O. (2024). Structured airport typology: A layered approach to classifying airport types. In 2024 IEEE 7th International Conference on Actual Problems of Unmanned Aerial Vehicles Development (APUAVD) (pp. 285–288). IEEE. https://doi.org/10.1109/APUAVD64488.2024.10765866
3. Shevchuk, D., Yakushenko, O., Pomytkina, L., Medynskyi, D., & Shevchenko, Y. (2020). Neural network model for predicting the performance of a transport task. In Lecture Notes in Civil Engineering (pp. 271–278). Springer Singapore. https://doi.org/10.1007/978-981-33-6208-6_27
4. Cherednichenko, K., Sokolova, O., & Ivannikova, V. (2023). Mathematical model of airport aviation security. In Transbaltica XIII: Transportation Science and Technology (pp. 773–781). Springer International Publishing. https://doi.org/10.1007/978-3-031-25863-3_75
5. Korobiichuk, I., Smityuh, Y., Kishenko, V., Ladanyuk, A., Shevchuk, D., Ivashchuk, V., Boyko, R., & Elperin, I. (2019). Identification of technological objects on the basis of intellectual data analysis. In Advances in Intelligent Systems and Computing (pp. 487–495). Springer International Publishing. https://doi.org/10.1007/978-3-030-29993-4_60
6. Boldyrieva, M., Ivannikova, V., & Konovalyuk, V. (2022). Modern ecological approach to organization of air transportation. In Proceedings of 12th International Conference TRANSBALTIKA (pp. 658–670). Springer Nature. https://doi.org/10.1007/978-3-030-94774-3_64
7. Ovsak, O., Sadlovska, I., & Liskovych, N. (2021). Trends in the development of the air transportation market of Ukraine and influencing factors. Finances. Law, 11, 31–36. https://doi.org/10.37634/efp.2021.11.6
8. Ovsak, O. P., Liskovych, N. Y., & Nazarenko, O. P. (2021). Assessment of the competitive positions of national airlines of Ukraine. TEM Journal, 10(1), 318–326. https://doi.org/10.18421/tem101-40
9. Liskovych, N. (2021). Assessing tools for the competitive position of an aviation enterprise. The Scientific Heritage, 3(60), 27–30. https://doi.org/10.24412/9215-0365-2021-60-3-27-30
10. Sokolova, O., Ivannikova, V., & Cherednichenko, K. (2024). Fundamentals of a sustainable supply chain designing with the involvement of air transport. In 2024 IEEE 7th International Conference on Actual Problems of Unmanned Aerial Vehicles Development (APUAVD) (pp. 140–145). IEEE. https://doi.org/10.1109/apuavd64488.2024.10765912