Overview
Luchthaven Schiphol, een van de drukste luchthavens van Europa, stond na de pandemie voor grote uitdagingen bij het effectief beheren van de passagiersstromen. Het Airport Operations Center (APOC) wilde de wachttijden verkorten en de operationele processen soepeler laten verlopen. Er was behoefte aan een nauwkeurige, datagedreven aanpak om passagiersstromen te voorspellen op basis van historische gegevens en de causale verbanden met de toenemende vraag via de verwachte vluchtschema’s. Wij ondersteunden het team van Schiphol bij het ontwikkelen van een innovatieve en doeltreffende oplossing om deze uitdagingen aan te pakken.
Resultaten
De ontwikkelde voorspellingstool heeft aanzienlijke voordelen opgeleverd voor zowel Schiphol als haar passagiers:
- Kortere wachttijden: Door passagiersstromen nauwkeurig te voorspellen, kan de luchthaven middelen efficiënter inzetten, wat de wachttijden verkort en de reiservaring verbetert.
- Verbeterde operationele efficiëntie: Het APOC-team kan beter onderbouwde beslissingen nemen, wat leidt tot een optimale inzet van personeel en middelen en een soepelere afhandeling op de luchthaven.
In lijn met de missie van Latitude laat dit project de kracht zien van eenvoudige en elegante AI-oplossingen bij het maximaliseren van maatschappelijke impact en het verbeteren van de reiservaring voor miljoenen passagiers.
Model nauwkeurigheid
Afname in wachttijden
Oplossing
Samen met het team van Schiphol is er gewerkt aan een interne tool die wachttijden op de luchthaven voorspelt. Dit gebeurt door passagiersstromen te analyseren op basis van vluchtschema’s en verwachte vertrektijden. Deze tool stelt het APOC in staat om proactief middelen toe te wijzen, zoals personeel en beveiligingsdoorgangen, om fluctuaties in het passagiersverkeer op te vangen en een vlotte doorstroming te garanderen.
Methode
Om de doorstroming te optimaliseren en wachttijden te verkorten, is gestart met een analyse van historische en realtime data. Vervolgens is de SimPy-bibliotheek gebruikt om een discrete-event simulatiemodel te creëren. Dit model maakte het mogelijk om met verschillende scenario’s te experimenteren en de impact van strategieën voor resource-allocatie op de wachttijden te begrijpen. Hierdoor konden hypothetische situaties worden gesimuleerd en causale verbanden in de passagiersstromen worden gedefinieerd om knelpunten te identificeren.
Na validatie van het model is dit geïmplementeerd in een interne tool voor het Airport Operations Center. De tool wordt constant gemonitord en uitgebreid met nieuwe functies om de effectiviteit op de lange termijn te waarborgen.
Conclusie
Latitude heeft Schiphol ondersteund bij het beheren van passagiersstromen door de ontwikkeling van een AI-voorspellingstool. De oplossing maakt gebruik van discrete-event en counterfactual simulaties om de inzet van middelen te optimaliseren en bottlenecks te identificeren. De implementatie van deze interne tool heeft de wachttijden aanzienlijk verminderd en de operationele efficiëntie verhoogd, wat de reiservaring op een van Europa’s drukste knooppunten ten goede komt.
