Como a IA melhora os tempos de espera nos aeroportos dos EUA?

Home Artigos Como a IA melhora os tempos de espera nos aeroportos dos EUA?
Compartilhe

Neste post você verá:

Passar da medição dos tempos de espera nos aeroportos para a previsão de quando as pessoas aparecerão é um caminho comprovado para um planejamento ideal e melhorias na experiência.
Com 2023 marcado pela recuperação contínua no volume de passageiros, os aeroportos norte-americanos viram-se apanhados na turbulência dos longos tempos de espera nas filas nos pontos de controle de segurança. Ainda mais durante a temporada de férias, quando o tempo médio de espera pode aumentar 20%, de acordo com a Administração de Segurança de Transporte (TSA).

É claro que os tempos de espera nos aeroportos não se restringem apenas à segurança. A Alfândega e Proteção de Fronteiras (CBP), a agência responsável pela gestão das linhas de frente dos EUA, relatou um aumento de 14% no número de chegadas internacionais em novembro de 2023, ano após ano. E embora o tempo médio de espera do CBP gire em torno de 25 minutos, as filas podem ultrapassar uma ou duas horas nos horários de pico. Aqueles que conseguem passar pela imigração podem encontrar filas de segurança lotadas para conexões, aumentando o estresse e impactando o desempenho no prazo (OTP).

O resultado é que, embora os operadores se debatam com opções aparentemente limitadas para enfrentar estes desafios, uma vez que os pontos de controle são geridos por jurisdições distintas, a reputação do aeroporto continua a suportar o peso das manchetes negativas e das más pontuações na experiência dos passageiros. Isto tem um efeito cascata no comportamento dos funcionários, nas receitas do varejo e nas escolhas dos passageiros.

Felizmente, um número crescente de aeroportos com visão de futuro está adotando novas medidas para dominar o jogo de espera, através da implementação de soluções aeroportuárias baseadas em IA em colaboração com os seus parceiros TSA e CBP.

Planejamento robusto com aprendizado de máquina


Um dos principais obstáculos enfrentados pelos aeroportos e agências é a dependência de modelos manuais de planeamento de recursos baseados em dados históricos e nos instintos dos gestores locais. Estas abordagens tradicionais muitas vezes não respondem à natureza dinâmica das chegadas de passageiros. Mesmo um pequeno desalinhamento entre um plano de abertura de faixa e as chegadas reais de passageiros pode resultar em acúmulos significativos de filas.

Entre em uma nova fase de avanços em aeroportos inteligentes na forma de Inteligência Artificial e seu subconjunto de Aprendizado de Máquina, anunciado como um divisor de águas para aeroportos que buscam revolucionar as experiências de tempo de espera da TSA e CBP.

Essas tecnologias de ponta usam algoritmos poderosos para prever perfis de exibição por voo nos principais pontos de processamento. Eles determinam um plano de abertura de faixa para os próximos dias e semanas, garantindo que o número certo de funcionários seja mobilizado no momento certo – gerando o plano mais robusto possível para a eficiência aeroportuária, minimizando ao mesmo tempo os recursos. Isto reduz o potencial de ter que fazer grandes mudanças no dia das operações – mudanças que inevitavelmente degradam a eficiência e o desempenho dentro do prazo.

Fique à frente das mudanças com dados em tempo real


Os aeroportos são, por natureza, dinâmicos, por isso mesmo os melhores planos necessitam por vezes de ajustes. Isto exige que os gestores sejam capazes de acessar informações em tempo real para apoiar a tomada de decisões no momento. Somente uma previsão que é continuamente revisada usando dados de comparecimento por voo e uma compreensão em tempo real da ocupação, tempos de fila e processamento de sensores de movimento de passageiros pode proporcionar um quadro situacional muito mais claro.

Da mesma forma, uma integração ao vivo com o horário do voo atualiza a previsão para compensar eventuais atrasos ou cancelamentos. As ferramentas de planejamento de capacidade podem então atualizar automaticamente o plano de abertura de faixa recomendado em incrementos de 5 minutos para refletir as alterações e otimizar a execução. Por exemplo, embora a TSA possa não conseguir alterar os recursos humanos no dia das operações, os gestores podem adiar pausas, reconfigurar faixas, prolongar um turno ou aumentar a atenção à produção para evitar a formação de filas.

Uma fonte de previsão da verdade é fundamental para a confiança e a responsabilização


Para seguirem o plano com confiança, os gestores de aeroportos e os seus parceiros TSA e CBP precisam de mais do que apenas acesso rápido aos dados – eles precisam confiar nesses dados. Uma ferramenta comum e padronizada que mostre dados previstos versus dados reais previstos em tempo real e forneça recomendações práticas para cada parceiro é essencial para construir a confiança de que o plano é viável e é a melhor escolha.

Um dos maiores benefícios de comparar perfis reais de comparecimento, aberturas de filas e tempos de espera com aqueles previstos e planejados é a prestação de contas. Compreendendo por que razão as coisas se desviam do plano, sejam de passageiros que chegam mais tarde, congestionamentos no check-in, atrasos no processamento de bagagens, aberturas tardias de faixas, problemas de equipamento ou ausências de pessoal, capacitando os gestores aeroportuários e os seus parceiros a melhorar continuamente o desempenho.

Aeroportos apresentam diminuições significativas no tempo de espera usando IA


As iniciativas recentes de vários aeroportos destacam o sucesso das soluções aeroportuárias de aprendizagem automática e IA na otimização do planejamento da capacidade. Por exemplo, um aeroporto Tier 1 executou recentemente um piloto durante o período de férias de outubro/novembro com seus parceiros TSA usando o Veovo Machine Learning, dados de pontos de verificação e dados de voo do Banco de Dados Operacional do Aeroporto Veovo (AODB) para gerar uma previsão de chegada e abertura de faixa associada e plano de pessoal.

Os resultados foram impressionantes – com o tempo médio de espera caindo 15% em comparação com o ano anterior. Entretanto, a proporção de passageiros que enfrentam longos tempos de espera caiu 30% durante o mesmo período de férias, com volumes de passageiros e pessoal semelhantes.

Na Europa, a operadora Avinor enfrentou desafios semelhantes com planos de abertura de faixas incompatíveis com a procura. Trabalhando com a Veovo e sua plataforma de aprendizado de máquina, a Avinor agora pode prever tudo e qualquer coisa no aeroporto, compartilhando previsões em tempo real com controle de fronteiras, segurança, companhias aéreas e parceiros de manuseio de bagagem. A previsão e o plano de capacidade são refinados contínua e automaticamente a partir de 60 dias até o dia das operações. Alcançar 99,3% de precisão dos perfis de comparecimento apoia planos precisos de abertura de faixa e, como resultado, um notável número de 91,8% dos passageiros esperou menos de 10 minutos no processamento de segurança durante o pico da temporada de verão – tudo sem intervenção humana.

Aprendizado de máquina, não palpites humanos: o caminho para viagens tranquilas


Feriados e eventos imprevisíveis sempre acontecerão. É a forma como os aeroportos e os seus parceiros respondem, e com que rapidez, que faz toda a diferença no desempenho, na eficiência e, em última análise, na satisfação do cliente.

O planejamento ideal da capacidade baseado no aprendizado de máquina, e não em palpites humanos, não apenas está atrasado, mas também é uma necessidade. Ao adotar novas tecnologias de ciência de dados, os aeroportos podem fazer a mudança crítica do tradicional jogo de espera para um esforço proativo e colaborativo na otimização das operações de triagem TSA e CBP e na melhoria das experiências dos passageiros.

Originalmente publicado no site da Veovo em inglês e escrito por Siobhan BoyleHead de marketing da Veovo.

A Veovo é uma parceira oficial da BOA. Entre em contato para mais informações de produto.

Compartilhe

Inscreva-se no BOA Blog e receba novos posts por e-mail!



Conheça as soluções da BOA em IA e Machine Learning para empresas