Kunstig intelligens for smartere bemanning av sikkerhetskontroll

Utfordring

Prosjektets mål var å predikere hvor mange passasjerer som ville passere gjennom sikkerhetskontrollen på en flyplass på et bestemt tidspunkt i fremtiden, for alle flyplasser i Norge foruten Gardermoen. Dette ble gjort for å redusere kostnadene ved å forhindre dødtid for vekterne i sikkerhetskontrollen og for å forhindre kø for passasjerene.

Løsning

Bouvet har leverten en maskinlæringsmodell som predikerer hvor mange passasjerer som vil passere gjennom sikkerhetskontrollen. Modellen er av type “veiledet læring” (supervised learning) og er trent opp med historiske data om hvor mange fly som går i gitte tidsrom, hvor mange seter disse flyene har, kommende helligdager og inneklemte dager. Modellen ble bygget i Python med Keras og Tensorflow som de viktigste hjelpemidlene.

Resultatet fra modellen er en oversikt over totalt antall passasjerer som vil passere gjennom sikkerhetskontrollen hver halvtime: Dette er presentert i et PowerBI dashboard sammen med anbefalt antall åpne sluser, eller med andre ord hvor mange vektere man burde ha i sikkerhetskontrollen.

Bouvet sine konsulenter har hatt ansvar for blant annet:

• innhenting og bearbeiding av historiske treningsdata
• forbedring av datakvalitet
• utprøving og vurdering av forskjellige modeller og parametere
• utvikling, trening, produksjonssetting og monitorering av den endelige modellen
• visualisering av modellresultat i PowerBI

Verdi for kunden

Modellen er nå i drift og brukes aktivt av Avinor ved regionale lufthavner som Ålesund, Haugesund og Tromsø. Ved disse lufthavnene har prosjektet sammen med bevisst bruk av data i forretningsprosesser ført til en innsparing i utgifter på et tjuetalls millioner. Det arbeides for at denne også skal bli tatt i bruk ved lufthavene i Trondheim, Bergen og Stavanger i løpet av slutten av 2018 / starten av 2019.