Utrzymanie pasażerów w ruchu
Władze portów lotniczych Greater Toronto Airports analizują kolejki pasażerów za pomocą kamer Axis i Zensors PAX AI. Dane, zamaskowane jako dane osobowe, wykorzystywane są w celu dostosowania operacji i personelu oraz przyspieszenia odprawy celnej pasażerów.
Rozwiązywanie problemu zatorów i długich czasów oczekiwania
W obliczu rekordowo wysokiej liczby podróży lotniczych na całym świecie lotniska ponownie analizują swoje działania, aby obsłużyć rosnącą liczbę pasażerów. Międzynarodowy port lotniczy Toronto Pearson, drugie pod względem ruchu międzynarodowego lotnisko w Ameryce Północnej, nie jest wyjątkiem. Pearson obsługuje 276 przylotów międzynarodowych dziennie, co daje ponad 21,3 miliona przylotów międzynarodowych rocznie. W odpowiedzi na opinie pasażerów dotyczące regularnych zatorów i wydłużonych czasów oczekiwania w Kanadyjskiej Agencji Służb Granicznych (CBSA), zarząd portów lotniczych Greater Toronto Airports Authority (GTAA) postanowił wykorzystać nowoczesne technologie, aby pomóc rozwiązać problem i znacznie poprawić komfort pasażerów.
"Wyzwaniem było dokładne zrozumienie średniego czasu oczekiwania i sposobu zarządzania poszczególnymi kolejkami" – mówi Zeljko Cakic, dyrektor ds. planowania i rozwoju IT na lotniskach w zarządzie portów lotniczych Greater Toronto Airports Authority. "Na tej podstawie musieliśmy określić, w jaki sposób możemy poprawić przepustowość osób między automatycznymi kioskami, biurem CBSA i odbiorem bagażu".
Zamiast po prostu zwracać uwagę na długość kolejek i wprowadzać zmiany, lotnisko potrzebowało sposobu na dokładne oszacowanie czasu oczekiwania w każdej linii. Portowi lotniczemu zależało również na możliwości korelacji zależności między tymi liczbami, numerami lotów, porą dnia i ogólnym harmonogramem przychodzących lotów międzynarodowych. Dzięki tej wiedzy personel lotniska mógłby lepiej zarządzać kolejkami przylatującymi i szybciej przeprowadzać pasażerów przez odprawę celną oraz stanowiska na wyjściu z lotniska.
Łączenie kamer ze sztuczną inteligencją
Port lotniczy Pearson korzysta już z ponad 3000 kamer Axis, rozmieszczonych na całym lotnisku ze względów bezpieczeństwa i koordynacji pracy – od ochrony obwodowej wzdłuż linii ogrodzenia pasa startowego po monitorowanie przenośników i karuzel bagażowych pod kątem zatorów bagażowych. Aby usprawnić obsługę pasażerów przychodzących i dysponować punktami danych o kolejkach, lotnisko musiało wykorzystać otwartą architekturę charakterystyczną dla kamer Axis oraz platformę sztucznej inteligencji (AI) firmy Zensors, firmy technologicznej, która przekształca obrazy z kamer pozbawione danych pasażerów na przydatne informacje.
Ze względu na szeroką gamę kamer, obiektywów i zastosowań oferowanych przez firmę Axis, byliśmy w stanie ujednolicić wszystko, co musi spełnić nasze lotnisko, korzystając z jednego producenta.
Aby mieć pewność, że Zensors PAX AI otrzyma wszystkie dane potrzebne do analizy, lotnisko Pearson zainstalowało również dodatkowe kamery Axis w obszarach przetwarzania, aby uchwycić wszystkie potrzebne pola widzenia. Urządzenia AXIS M30 Dome Camera Series z dyskretnymi mini-kopułkami zapewniają panoramiczny widok na poczekalnię dla pasażerów, natomiast panoramiczne kamery AXIS P37 z czterema czujnikami kierują ostrość w czterech kierunkach jednocześnie. Współpracując z systemem zarządzania wideo Axis i Pearson Airport, lotnisko zastosowało maskowanie, aby wyeliminować wrażliwe informacje z obrazu z kamer na liniach kontroli pasażerów.
"Korzystając z platformy AI, podzieliliśmy zasięg kamer na matryce, abyśmy mogli zidentyfikować poszczególne przepływy: podróżujący z wizami międzynarodowymi, podróżujący z Kanady w ruchu międzynarodowym, podróżujący z globalnymi kartami wjazdowymi i podróżujący z rodzinami. Sztuczna inteligencja stale mierzy długość kolejek, wiążąc je z rozkładem lotów, porą dnia itd., następnie dostarcza analizę predykcyjną czasu oczekiwania, którą publikujemy na naszej stronie internetowej oraz na monitorach umieszczonych nad głową w terminalach", wyjaśnia Cakic.
Monitory pomagają złagodzić niepokój podróżnych związany z lotami przesiadkowymi lub innymi zobowiązaniami, których znaczenie zależy od czasu. Informują także osoby oczekujące na odbiór pasażerów, kiedy mogą spodziewać się ich wyjścia z terminalu. "To kolejny krok, jaki podjęliśmy, aby poprawić jakość obsługi klienta" – mówi Cakic.
Zrozumienie zasad działania platformy AI
Zensors przeprowadza analizę predykcyjną poprzez przetwarzanie migawek i strumieni wideo w czasie rzeczywistym z kamer Axis. "To podwójne wejście pozwala Zensors PAX AI zarówno rejestrować liczbę osób w danej kolejce, jak i przepływ pasażerów opuszczających kolejkę, aby zapewnić dokładne szacunkowe czasy oczekiwania" – wyjaśnia John Muhlner, szef sztabu i dyrektor ds. partnerstw strategicznych w Zensors.
Firma Zensors wykorzystała AXIS Site Designer, aby określić, które modele kamer Axis zapewnią najlepszy zasięg dla danego obszaru. "Site Designer nie tylko pomógł nam w wyborze kamery, ale także umożliwił nam zaprojektowanie optymalnego układu zapewniającego najlepsze pola widzenia" – mówi Muhlner.
W zależności od statusu podróży i kraju zamieszkania przylatujący pasażerowie wybierają jedną z wielu głównych linii kontroli. Platforma AI agreguje metadane wideo z całej tej aktywności, aby obliczyć czas oczekiwania w ciągu dnia dla osób przechodzących przez wiele kolejek na tym obszarze o powierzchni 1500 metrów kwadratowych.
Zensors wykorzystuje uczenie maszynowe do ciągłego ulepszania algorytmów sztucznej inteligencji, aby zapewnić bardzo wysoki poziom dokładności. "Nieustannie szkolimy naszą sztuczną inteligencję, aby rozpoznawała i uwzględniała w swoich analizach zmieniające się warunki w Pearson i na innych lotniskach – począwszy od innego oświetlenia i różnych konfiguracji linii po różne ubrania noszone przez ludzi" – mówi Muhlner – "oraz ciągłe doskonalenie naszej sztucznej inteligencji algorytm pozwala firmie Zensors dostarczać produkty z bardzo dużą dokładnością".
Lotnisko to naprawdę złożony system z wieloma ruchomymi częściami. Kamery Axis i platforma Zensors AI to tylko niektóre z technologii, których używamy, aby sprawnie zarządzać tym systemem.
Wyższy poziom zadowolenia klientów
"Analityczne dane uzyskane z systemu Axis-Zensors okazują się bardzo dokładne" – mówi Cakic. "Pomogły nam w podjęciu decyzji dotyczących poziomu zatrudnienia i zmian operacyjnych w celu obsługi przychodzącego ruchu pasażerskiego. Naszym celem jest poprawa ogólnej obsługi klienta i skrócenie czasu oczekiwania, a dane zebrane za pośrednictwem platformy Axis-Zensors są jednym z kluczowych czynników wpływających na podejmowanie decyzji wpływających na te wyniki".