Warum die richtige Technologie für das Passagierstrommanagement so wichtig ist
Da ich selbst Passagierstrommanagementsysteme an Flughäfen aller Größenordnungen in ganz Amerika eingeführt, konfiguriert und kalibriert habe, kann ich Ihnen versichern, dass das Thema weitaus komplexer ist, als viele erwarten.
Das Passagierstrommanagementsystem von Xovis wird derzeit an mehr als 120 Flughäfen weltweit eingesetzt. Bei einem solchen Portfolio können Sie sicher sein, dass wir immer wieder auf neue Betriebsszenarien gestoßen sind, die maßgeschneiderte Lösungen erforderten. Die kürzlich erfolgte Einführung des Ein- und Ausreisesystems in Europa ist eine weitere Herausforderung in den Abläufen, die immer mehr Flughäfen dazu veranlasst, ihre Prozesse und die Lösungen zu deren Messung zu überdenken. Was sie dabei entdecken, ist oft eine unangenehme Überraschung.
Flughäfen bestehen aus vielfältigen und hochkomplexen Abläufen, von denen sich viele ohne Vorankündigung ändern. Wenn Ihr Flughafen auf eine Lösung setzt, die sich diesen Änderungen nicht anpasst – und ich spreche hier von täglichen, unangekündigten Änderungen –, dann tun Sie Ihrem Team Unrecht.
Xovis weiß es, ich weiß es und Sie wissen es: Diese Veränderungen sind einfach eine Realität des Flughafenbetriebs. Eine Schranke wird geöffnet, eine Spur wird zur Reinigung gesperrt, Weihnachtsdekorationen werden von der Decke entfernt. Deshalb hat Xovis einen neuen, intelligenteren Ansatz zur Warteschlangenerkennung entwickelt – einen, der zunehmend auf KI und fortschrittlichen Algorithmen des maschinellen Lernens basiert.
Diese Algorithmen analysieren nicht nur die Bewegungen, das Verhalten und die Muster der Passagiere – sie bewerten auch kontextbezogene Merkmale wie die Blickrichtung der Personen. Dadurch lässt sich weitaus genauer feststellen, ob jemand tatsächlich Teil einer Warteschlange ist oder lediglich den Bereich durchquert.
Eine hochwertige Passagierverfolgung ist für eine robuste Warteschlangenerkennung und eine genaue Datenerfassung unerlässlich. Die Realisierung einer zuverlässigen Verfolgung kann jedoch in großen, überfüllten Bereichen besonders schwierig sein, in denen Passagiere möglicherweise längere Zeit in der Warteschlange verweilen, bevor sie einen Kontrollpunkt oder einen Prozess passieren.
Ein entscheidender Faktor ist die Verdeckung. Um sicherzustellen, dass keine Passagiere übersehen werden, müssen wir verhindern, dass größere Personen kleinere physisch verdecken und sie für den Sensor unsichtbar machen. Es ist wichtig zu verstehen, dass Verdeckung eine physikalische Realität und keine Einschränkung einer bestimmten Technologie ist. Jede Sensortechnologie steht vor derselben Herausforderung.
Auch wenn alle Technologien mit den Herausforderungen der Verdeckung konfrontiert sind, gibt es Faktoren, die solche Fälle minimieren. Beispielsweise kommt es bei an der Decke montierten Sensoren deutlich seltener zu Verdeckungen als bei wandmontierten Sensoren. Deckenmontierte Sensoren verringern das Risiko, dass sich Passagiere gegenseitig die Sicht versperren, erheblich. Bei einer seitlichen Betrachtung, insbesondere in Bereichen mit niedrigen Decken, kann es leicht zu Verdeckungen kommen, die die Datenqualität beeinträchtigen.
Natürlich gibt es Methoden, um verlorene Spuren neu generierten zuzuordnen. Diese Methode wendet Xovis bereits seit mehreren Jahren an und sie funktioniert im Allgemeinen gut. In dichten Menschenmengen und insbesondere dann, wenn die Szene nicht aus einer echten Vogelperspektive aufgenommen wird, kann es jedoch schwierig werden, verlorene Spuren korrekt den richtigen neuen zuzuordnen.
Bereits heute nutzen unsere Sensoren integrierte KI zur Erkennung persönlicher Merkmale direkt auf dem Sensor, wie zum Beispiel Geschlechtsausdruck, geschätztes Alter und Blickrichtung. All diese Funktionen basieren auf der Verarbeitung umfangreicher Datenquellen. Es ist offensichtlich, dass das Potenzial der KI weit über das derzeit Einsatzbefindende hinausgeht, und wir erwarten in den kommenden Monaten und Jahren erhebliche Fortschritte.
Was wäre, wenn eine verlorene Spur anhand von Merkmalen wie Aussehen, Kleiderfarbe oder -art, Altersgruppe oder Verhaltensmustern eindeutig identifiziert und der richtigen Person zugeordnet werden könnte – und das alles unter Einhaltung der Datenschutzbestimmungen, ohne dass Daten den Sensor verlassen oder gespeichert werden?
In diesem Fall nähert sich die ohnehin schon hohe Erfassungsqualität der Perfektion, was zusammen mit fortschrittlichen Algorithmen zur Warteschlangenerkennung ein neues Leistungsniveau ermöglicht.
Mit dem neuen großflächigen Analyse-Sensor der PF-Serie von Xovis, der über zehnmal mehr Rechenleistung verfügt als andere Sensoren, werden solche Szenarien zunehmend realistisch. Und das Tolle an der PF-Serie ist, dass – genau wie bei anderen Xovis-Sensoren – alle Berechnungen und die Datenverarbeitung direkt auf jedem einzelnen Sensor stattfinden. Als Edge-Gerät ist unser Sensor zur Ausführung seiner Aufgaben nicht auf eine große lokale Serverinfrastruktur angewiesen – er erledigt einfach alles selbst.
Eines ist klar: Um eine wirklich nahtlose Verfolgung zu ermöglichen und das zukünftige Potenzial der KI voll auszuschöpfen, muss die zugrunde liegende Technologie bildbasierte Daten verarbeiten. Diese Datenquellen sind reich an Informationen und bilden die Grundlage für die Verbesserung der Verfolgungsleistung, die Stärkung der Algorithmen und letztendlich für eine noch höhere Datengenauigkeit.
Da sich der Flughafenbetrieb ständig weiterentwickelt, wird die Fähigkeit, Messtechnik an reale Bedingungen anzupassen, immer wichtiger werden. Letztendlich hängt die Qualität der gewonnenen Erkenntnisse immer von der Qualität der Technologie ab, mit der die Daten erfasst werden.
Bildverarbeitungssystem
Punktwolken-System
Stichworte: | Passagierstrommanagement | Flughafenbetrieb | Warteschlangenerkennung | KI-Analytik | Passagierverfolgung |
