XiaoMi-AI文件搜索系统
World File Search System英国航空公司
电动汽车、冲突地区、体面工作、航空公司、资本市场
运营经常与严重的侵犯人权行为有关，包括童工和不安全的工作条件。监管部门对人权和供应链透明度的日益关注，进一步放大了这些问题对投资者和发行人的重要性。2024 年通过的欧盟企业可持续性尽职调查指令 (CSDDD) 要求公司识别和减轻其运营和供应链中对人权和环境的不利影响。不遵守规定可能会导致巨额罚款。在 CAHRA 的背景下，开展 hHRDD 至关重要，因为治理薄弱和冲突加剧了滥用的可能性。这些高风险领域表明有必要认真对待公正过渡，并要求公司确保电动汽车生产的好处不会以牺牲弱势群体为代价。这意味着实施强有力的机制来评估、解决和管理供应链所有层级的风险，从开采到加工。在此背景下，LAPFF 与电动汽车制造商的合作旨在鼓励公司识别、解决和减轻其直接运营和整个供应链中的突出人权风险。
航空公司票价应用机器学习的预测...
本文讨论了机票的问题。为此目的选择了一组定义典型飞行的特征，假设这些特征会影响航空机票的价格。航班票价取决于不同参数，例如飞行时间表，目的地和持续时间，各种场合，例如假期或假期季节。因此，在预订假期之前对飞行价格有基本的了解无疑会节省许多个人的金钱和时间。分析3个数据集以获取有关航空公司票价的见解，以及三个数据集的功能应用于用于预测航空公司票价的七个不同机器学习（ML）模型，并将其比较。目标是调查确定飞行成本的因素。然后，数据可用于创建预测飞行价格的系统。关键词：航空公司票价的预测，机器学习技术，算法
分析工具在航空公司飞行安全中的作用
本报告讨论了分析工具在航空公司飞行安全管理系统中的作用。它总结了 GAIN 工作组 (WG) B 开展的几项活动的调查结果，这些活动旨在确定和记录航空公司飞行安全部门对分析方法和工具的使用情况，以及确定改进分析方法和工具的需求。该报告还讨论了 GAIN 计划可能采取的未来行动，以支持和促进此类工具的更广泛使用。该报告是 WG B 于 2003 年 6 月发布的上一份报告《分析工具在航空公司飞行安全管理中的作用》的扩展和更新版。当前版本进一步强调了正式安全管理系统 (SMS) 在航空公司运营中日益重要的作用，并反映了 WG B 最近的活动。
阿拉斯加航空公司 261 号航班 - ALPA
alpa.org › pdfs › 2000-1-31_ALA PDF 2000 年 1 月 31 日 — 2000 年 1 月 31 日 该螺旋千斤顶组件仍保留在飞机上并被放回……数字飞行数据记录器 (DFDR) 的事故后分析表明...
驾驶维克斯子爵飞机 - 澳大利亚航空公司
在 Viscount 上总共飞行了 7 个小时后，我被分配到机长‘Chick’ Clarke 的指导下，在普通客运航班上进行 50 小时的航线训练。现在我发现了这架英国飞机的局限性，因为它的设计航程比我们在澳大利亚所需的航程要短得多。我的第三次航线训练飞行是从墨尔本经阿德莱德飞往珀斯，我发现 Viscount 的航程存在问题。从阿德莱德飞往珀斯的航段是我们满载燃料可以飞行的最大距离，但是，如果正常的西风强度增加，我们不得不考虑在卡尔古利加油，卡尔古利距离珀斯的航程有三分之二。这种关键的飞行不仅因为风力强，而且因为地面和高层大气的高气温而变得复杂。不幸的是，澳大利亚夏季气温可达 52 度，甚至像阿德莱德这样的城市也经常有超过 40 度的气温。
航空公司 (FAR 121) 机组人员疲劳报告
关于使用 ASRS 数据的注意事项 使用 ASRS 数据时需注意某些事项。所有 ASRS 报告均为自愿提交，因此不能视为对类似事件全部群体的测量随机样本。例如，我们每年会收到几千份高度偏差报告。这个数字可能占到所有高度偏差的一半以上，也可能只是总发生次数的一小部分。此外，并非所有飞行员、管制员、机械师、乘务员、调度员或航空系统的其他参与者都同样了解 ASRS 或可能同样愿意报告。因此，数据可能反映出报告偏差。这些偏差并不完全为人所知或无法测量，可能会影响 ASRS 信息。诸如近距离空中相撞 (NMAC) 之类的安全问题可能似乎在区域“A”比区域“B”更集中，这仅仅是因为在区域“A”中运行的飞行员更了解 ASRS 计划，并且更倾向于在发生 NMAC 时报告。任何类型的主观、自愿报告都会有这些与定量统计分析相关的限制。从 ASRS 数据中可以了解到的一件事是，收到的有关特定事件类型的报告数量代表了正在发生的此类事件的真实数量的下限。例如，如果 ASRS 在 2010 年收到 881 份轨道偏差报告（这个数字纯粹是假设的），那么可以肯定的是，至少有 881 份
国家航空公司的诞生：圣彼得堡时期，1934-1939
国家航空公司的诞生：圣彼得堡时期，1934-1939 年，作者：托马斯·赖利 自从约翰·H·谢尔本上校在 1840 年第二次塞米诺尔战争期间提出使用气球以来，佛罗里达一直是商业航空的发源地。令人敬畏的林肯·比奇是第一个在佛罗里达驾驶重于空气的飞机的人，他在 1910 年 2 月在奥兰多的奥兰治县博览会上进行了五分钟的飞行。四年后，世界上第一家定期客运航空公司成立，1914 年 1 月 1 日，安东尼·哈伯萨克·詹努斯驾驶一架载有两名乘客的 Benoist 水上飞机从圣彼得堡飞越坦帕湾 23 英里到达坦帕。圣彼得堡-坦帕汽船航线仅持续了三个月，但它搭载了 1,200 多名乘客，飞行了 8,000 英里。 1 二十年后，另一家航空公司在圣彼得堡投入运营。1934 年 10 月 15 日，国家航空系统开始在圣彼得堡的 Albert Whitted 机场运营。该公司的第一条航线从圣彼得堡飞往代托纳比奇，全长 142 英里，中途经停坦帕、莱克兰和奥兰多。国家航空首航三天后，有人问该公司创始人——芝加哥的乔治 T.（特德）贝克，他为何选择圣彼得堡作为总部。贝克说：“我在这里设立总部并非偶然，而是经过数月的仔细地图研究，我确信圣彼得堡是北美最好的洲际机场之一，所以我来到这里。
使用机器学习方法预测航空公司票价
抽象机票定价是一个复杂而动态的过程，受到各种因素的影响，包括需求波动，季节性变化和竞争策略。准确的价格预测对于两家航空公司，最大化收入和客户以确保最佳交易至关重要。传统方法通常无法捕获机票定价的复杂和快速变化的模式。随着机器学习算法的出现，增强了票价预测的准确性和可靠性的潜力越来越大。本文旨在使用ML算法根据航空公司飞行数据来预测票价，并比较ML算法的性能。本文的次要目标是确定影响航空票价的主要因素。本文使用了从开放式来源获得的您和PG的飞行价格数据集。最终数据集由从2022年6月1日至2022年8月30日的962个记录组成，共三个月，其中包括19个不同的变量。将统计测试和ML算法应用于最终数据集。本文比较了培训和测试阶段中的MAE，MSE，RMSE和R2等性能指标，以预测机票价格的各种ML模型。根据模型培训和测试结果，最佳算法是GPR，R2：0.86（训练）和R2：0.90（测试）。这些发现与现有文献一致，进一步验证了某些模型在特定环境中的卓越功效，并证明了该领域的重大进展。本文通过比较各种机器学习算法在预测航空公司票价上的有效性，为模型性能和关键价格确定的因素提供新的和宝贵的见解，从而为文献做出了贡献。
航空公司第2024财政年度的预算证词...
航空服务：航空公司继续其“将费城与世界联系起来”，并将PHL定位为OneWorld Alliance网络中的重要枢纽，同时还确保PHL在其他全球网络中是有价值的。PHL为30个不间断的国际目的地提供服务，是美国航空公司的主要东北大西洋枢纽。自从大流行以来，墨西哥和加勒比海地区的长途交通率通常较慢。机场预计，随着飞机的容量在未来几年内持续增强，随着航空公司开始乘坐新的长途飞机的交付来代替大流行期间退休的飞机，飞机的容量将继续增强，这将在2023年日历年的国内和国际目的地增加10％的飞机座位。