Maintenir les passagers en mouvement
L'Autorité aéroportuaire du Grand Toronto analyse les files d'attente des passagers avec les caméras Axis et Zensors PAX AI. Les données, masquées par l'identification personnelle, sont utilisées pour ajuster les opérations et le personnel mais aussi accélérer le dédouanement des passagers.
Faire face aux embouteillages et aux longs délais d’attente
Alors que le transport aérien mondial atteint un niveau record, les aéroports réétudient leur fonctionnement afin de traiter le nombre croissant de passagers. L'aéroport international Pearson de Toronto - deuxième aéroport en Amérique du Nord pour le trafic international - ne fait pas exception. Pearson reçoit 276 vols internationaux entrants par jour ; il traite plus de 21,3 millions d'arrivées internationales par an. Face aux commentaires des passagers concernant les encombrements réguliers et les temps d'attente prolongés à l'Agence des services frontaliers du Canada (ASFC), l'Autorité aéroportuaire du Grand Toronto (GTAA) s'est tournée vers la technologie afin de résoudre le problème et d'(améliorer l'expérience des passagers.
« Le défi consistait à comprendre les temps d'attente moyens et la manière dont nous pouvions gérer les files d'attente individuelles », explique Zeljko Cakic, directeur de la planification et du développement des technologies de l'information de l'Autorité aéroportuaire du Grand Toronto. « Nous devions trouver un moyen d'améliorer le flux de personnes entre les kiosques automatisés, l'ASFC et la récupération des bagages. »
Au lieu de surveiller les files d’attente et de procéder à des ajustements, l’aéroport souhaitait trouver un moyen d’estimer avec précision les temps d’attente. L'aéroport souhaitait également pouvoir corréler la relation entre les files, ls numéros de vol, l'heure et le planning global des vols internationaux entrants. Grâce à ces connaissances, le personnel de l'aéroport a pu mieux gérer les files d'attente à l'arrivée et guider les passagers plus rapidement à la douane et vers l'extérieur.
Relier les caméras à l’intelligence artificielle
L'aéroport Pearson s'appuie déjà sur plus de 3 000 caméras Axis à des fins de sécurité et d'exploitation – depuis la protection du périmètre le long de la piste jusqu'à la surveillance des convoyeurs à bagages et des carrousels pour déceler les afflux de bagages. Pour améliorer l'organisation des passagers entrants et disposer de données factuelles sur les files d'attente, l'aéroport a dû exploiter l'architecture ouverte inhérente aux caméras Axis ainsi que la plateforme d'intelligence artificielle (IA) de Zensors, une entreprise technologique qui traduit les images des caméras, dépourvues de détails sur les passagers, en informations exploitables.
Grâce à l'expansion des caméras, des objectifs et des applications de cas d'utilisation proposés par Axis, nous avons pu standardiser l'aéroport avec un seul fabricant.
Pour garantir que Zensors PAX AI reçoive toutes les données dont il a besoin pour l'analyse, l'aéroport Pearson a également installé des caméras Axis supplémentaires dans les zones de traitement pour capturer tous les champs de vision nécessaires. Les appareils de la série AXIS M30 Dome Camera dotées de mini-dômes discrets offrent des vues panoramiques de la zone d'attente des passagers, tandis que les caméras de la série de caméras panoramiques AXIS P37, avec leurs quatre capteurs, effectuent une mise au point directe dans quatre directions. En travaillant avec le système de gestion vidéo d'Axis et de l'aéroport, Pearson a appliqué un masquage de sorte à éliminer les informations sensibles des flux de caméras des lignes d'inspection des passagers.
« À l'aide de la plateforme d'IA, nous avons divisé la couverture des caméras en matrices afin de pouvoir identifier les flux individuels : les voyageurs internationaux dotés d'un visa, les voyageurs canadiens internationaux, les voyageurs munis d'un laissez-passer d'entrée international et les familles. L'IA mesure en permanence la longueur des files d'attente ; elle lest associe aux horaires des vols, à l'heure de la journée. Elle fournit également une analyse prédictive des temps d'attente que nous publions sur notre site Internet et sur les moniteurs aériens des terminaux », explique Cakic.
Les moniteurs permettent de soulager les voyageurs à propos des vols de correspondance ou d'autres engagements urgents. Ils informent également les passagers qui attendent de récupérer des personnes à leur sortie du terminal. « Il nous fallait franchir cette étape afin d'améliorer l'expérience client », déclare Cakic.
Comprendre le fonctionnement de la plateforme d'IA
Zensors dérive son analyse prédictive en traitant les instantanés et les flux vidéo en temps réel des caméras Axis. « Cette double entrée permet à Zensors PAX AI de capturer à la fois le nombre de personnes dans une file d'attente donnée et le flux de passagers sortant de la file d'attente afin de fournir une estimation précise des temps d'attente », explique John Muhlner, chef de cabinet et responsable des partenariats stratégiques. pour Zensors.
Zensors a utilisé AXIS Site Designer pour déterminer les modèles de caméras Axis qui lui offriraient la meilleure couverture pour une zone déterminée. « Site Designer nous a non seulement aidé dans le choix des caméras, mais nous a également permis de concevoir une disposition optimale pour les meilleurs champs de vision », explique Muhlner.
En fonction de leur statut de voyage et de leur pays de résidence, les passagers entrants choisissent l'une des multiples lignes d'inspection primaires. La plateforme d'IA regroupe les métadonnées vidéo de toute cette activité pour calculer les temps d'attente tout au long de la journée pour les personnes qui traversent les multiples files d'attente dans cette zone de 1 500 mètres carrés.
Zensors utilise l'apprentissage automatique pour améliorer continuellement ses algorithmes d'IA en vue de fournir un très haut niveau de précision. « Nous poussons constamment notre IA à reconnaître et à intégrer dans son analyse les conditions changeantes à Pearson et dans d'autres aéroports - depuis les différents éclairages et les différentes configurations de lignes jusqu'aux différents vêtements que portent les gens », partage Muhlner, « et cette amélioration continue de l'algorithme de notre IA permet à Zensors de fournir une très grande précision. »
L’aéroport est un système très complexe comportant de nombreuses pièces mobiles. Les caméras Axis et la plateforme Zensors AI font partie des technologies que nous utilisons pour nous aider à mieux gérer ce système.
Amélioration de l'expérience client
« Les analyses que nous obtenons du système Axis-Zensors s'avèrent très précises », explique Cakic. « Ils nous ont permis d'éclairer nos décisions sur les niveaux de personnel et les changements opérationnels afin de gérer le trafic de passagers entrants. Notre objectif consiste à améliorer l'expérience client globale et à réduire les temps d'attente. Les données recueillies via la plateforme Axis-Zensors constituent l'un des principaux contributeurs à la prise de décision pour obtenir ces résultats. »
Produits et solutions
