コラム

シンクタンクの着眼点地域コミュニティ・モビリティ

離陸遅延を防ぐ鍵はAIによる優先順位付け

グランドハンドリングとフィジカルAIの未来像

タグから探す

2026年09月08日

モビリティ・通信政策本部岩附 陽太

シンクタンクの着眼点
近年、航空機の離陸の遅延が問題となっている。しかし離陸遅延が及ぼす悪影響は路線・乗客・タイミングによって異なる。「どの便を今優先すべきか」という複雑な優先度検討を人間が行うのは困難であり、現在導入されつつあるグランドハンドリングロボットなどのフィジカルAIとの連携が解決策となる可能性がある。

背景:離陸時刻の遅延が重大な問題となっている。

航空機の出発遅延問題は重大である。要因の一つとして、手荷物預かりや搬送業務の遅れがあるため、エアライン各社は羽田空港出発便の手荷物預かりを厳格化し、2026年9月より、30分前を締め切り時刻として明確化する対応を進めている※1。

このようなルールによる対策は重要であるが、限界も存在するため、システムによる根本的な解決策も並行して検討する必要がある。どのような施策が求められるだろうか?

解決策:AIシステム&フィジカルAIによるグランドハンドリングの効率化

解決策として、手荷物処理を支えるグランドハンドリング業務の効率化が有効なアプローチの一つである。国土交通省航空局では、「AI技術を活用した空港地上支援業務のDX化に係る実証調査※2」「空港グランドハンドリング作業の生産性向上に関する技術検討会※3」などにおいて、状況認識の向上や、ロボット、自動運転を活用したDXによる生産性向上等を検討している。またNEDO懸賞金活用型プロジェクトでは、「NEDO Challenge, Baggage-Loading Robot ~空港の未開拓領域に挑め~」と題して、手荷物積付作業の自動化を目指したコンペティションを開催している※4。

一方で、生産性向上施策も、一定の限界があると考えられる。リソース上の限界がある場合、重要なのはどのように優先度を決定すれば、最も悪影響が少なくなるか、である。

解決策:AIによる優先度検討

実は離陸遅延が生じたとしても、到着遅延に波及しなければ影響は限定的である。一方で、出発遅延が到着遅延へどの程度波及するかは空港によって異なることが当社の研究※5で分かっている。交通量も多く飛行距離が短いため、空中で出発遅延を吸収できず、混雑する福岡空港や伊丹空港などでは特に羽田の出発遅延の影響が各便に波及しやすいと考えられる。逆に中部国際空港以下の離着陸回数の地方空港では比較的進入管制区での混雑が少なく、速度を向上させ素早く進入管制区に到達したとしても、交通流全体に悪影響を生じさせる可能性は少ない。

また、この各便・乗客ごとに異なる出発遅延の影響を可視化するため、欧州では航空会社がどの便を出発遅延させるかを決めるUDPP(User-Driven Prioritisation Process)※6や、FDCI(Flight Delay Criticality Indicator)※7といった以下の要因を考慮して、優先度を決定するための指標とする研究開発の取り組みが実施されている。
  • 乗継旅客が接続便に間に合わなくなる影響
  • 目的空港の空港運用時間(カーフュー)の制限に抵触する(近年福岡空港では多発しており、運用時間延長や引き返すケースや北九州空港などにダイバートする事例が発生している)
  • パイロットやCAなど乗務員の勤務時間制限(Crew Duty Time)を超える
  • 到着遅延による旅客への補償額の支払いが増える
  • 代替便が少ない
一方で、人間が複雑な指標を考えながらリアルタイムに最適な作業計画を導き出し、作業を実施することは難しいだろう。こうした複雑な状況に対する最適計画を導出することこそAIが得意とする点であり、グランドハンドリングはAIによる優先度決定を実装することを前提に、「情報取得側」と、「作業を実施するフィジカルAI側」をどう繋げるか、という視点でプロセス全体を再設計していく必要もあるのではないだろうか。
図表:AIシステム&フィジカルAIによるグランドハンドリングの全体像
AIシステム&フィジカルAIによるグランドハンドリングの全体像
三菱総合研究所作成

補足:説明可能性への配慮

上記のような意思決定をする場合、優先度を下げる便がどうしても発生する。出発遅延便選択は費用対効果などの検討に偏りがちだが、乗客の受容性を向上させるため、なぜ別の便の優先度を繰り上げたのか、理由を可視化する施策・システムの在り方も今後提言していきたい。

※1:日本経済新聞(2026年8月3日版) 羽田国内線の手荷物預け、出発30分前で締め切り 遅延頻発で各社前倒し
https://www.nikkei.com/article/DGXZQOUC030X00T00C26A8000000/(閲覧日:2026年9月6日)

※2:国土交通省航空局 AI技術を活用した空港地上支援業務のDX化に係る実証調査(ダイジェスト版)
https://www.mlit.go.jp/koku/content/001893203.pdf(閲覧日:2026年9月6日)

※3:国土交通省 空港グランドハンドリング作業の生産性向上に関する技術検討会
https://www.mlit.go.jp/koku/koku_tk9_000107.html(閲覧日:2026年9月6日)

※4:三菱総合研究所 NEDO懸賞金活用型プロジェクトに関するニュースリリース
https://www.mri.co.jp/news/press/20260402.html(閲覧日:2026年9月6日)

※5:(Accept,発表予定)Yota Iwatsuki, Akinori Harada, Shinichiro Higashino.Sensitivity Study of Departure Time Accuracy for Airport Collaboration Decision Making Using Fast-Time Simulation.ICAS2026.

※6:EUROCONTROL Recent UDPP simulation helps airlines lower the cost of delay by 40% in capacity constrained situations
https://www.eurocontrol.int/news/recent-udpp-simulation-helps-airlines-lower-cost-delay-40-capacity-constrained-situations(閲覧日:2026年9月6日)

※7:SESAR Reactive flight delay criticality indicator (FDCI)
https://sesar.eu/sesar-solutions/reactive-flight-delay-criticality-indicator-fdci(閲覧日:2026年9月6日)