Flughafen-Warteschlangen-Prognose: Wie 4-Wochen-Vorhersagen Wartezeiten senken

Warum Warteschlangen ein Prognoseproblem sind, kein Sensorproblem

Eine Warteschlange an einer Sicherheitskontrolle, in einer Passkontrollhalle oder an einer Check-in-Insel ist das sichtbare Ende einer Kette, die Wochen früher begann. Der Flug wurde gebucht, der Auslastungsgrad festgelegt, der Flugplan einmal geändert, die Schulferien fielen in Woche drei, die Anschlusswelle wurde um zehn Minuten verkürzt, der Regen setzte ein, und am Morgen des Tages traf all das auf einen einzigen Engpass innerhalb einer endlichen Fläche. Wenn sich eine Warteschlange bildet, ist der Spielraum des Flughafens zu reagieren klein. Eine weitere Spur zu öffnen erfordert einen Dienstplan, der das Personal bereits enthält. Passagiere in eine andere Halle umzuleiten erfordert Beschilderung und einen Notfallplan, die bereits vorhanden sind. Die Entscheidungen, die zählten, fielen vor vier Wochen.

Deshalb ist die Warteschlangen-Prognose am Flughafen zuerst ein Prognoseproblem und erst dann ein Sensorproblem. Eine Live-Zählung an der Spur ist unverzichtbar, aber sie sagt Ihnen, was bereits wahr ist. Eine nützliche Prognose sagt Ihnen, was an einem Dienstagmorgen in vier Wochen wahr sein wird, genau genug, dass der Betriebsleiter einen Dienstplan schreiben, die Fluggesellschaft die Öffnungszeiten am Check-in planen und der Sicherheitsdienstleister die richtige Zahl an Beamten aus einem Vertrag anfordern kann, der Vorlauf verlangt. Die Zahlen in diesem Beitrag sind illustrative Spannen. Sie beschreiben die Form des Problems, nicht von Ariadne gemessene Ergebnisse.

Das Problem in Heathrow-Größenordnung

Ein großer Drehkreuz-Flughafen wickelt in Spitzenstunden Passagiervolumen im Bereich von Zehntausenden über mehrere Terminals ab. Der Sicherheitsbetrieb an einem Drehkreuz wie Heathrow ist eines der am besten untersuchten Warteschlangenprobleme im Verkehrswesen, denn die Kosten eines Fehlers sind konkret: jede Minute durchschnittlicher Wartezeit über einem Servicestandard zieht Vertragsstrafen der Fluggesellschaften nach sich, treibt Beschwerden an die Regulierungsbehörde und bewegt Passagiere dazu, früher anzureisen, was die Landseite vor der Sicherheitskontrolle füllt und das Problem vorverlagert.

Heathrow wird hier als öffentlicher industrieller Referenzpunkt herangezogen, weil der Flughafen Servicestandards veröffentlicht und sie in regulatorischen Eingaben offen diskutiert. Der Punkt ist nicht, dass Ariadne an Heathrow läuft. Der Punkt ist, dass jeder Flughafen in dieser Größenordnung und jeder Flughafen, der um Faktor zwei oder fünf kleiner ist, vor demselben Prognoseproblem steht und dieselbe Modellierungsdisziplin braucht, um es zu lösen. Die folgenden Muster greifen an einem primären Drehkreuz, an einem großen regionalen Tor und an einem stark frequentierten Sekundärflughafen, sobald das gebuchte Passagiervolumen die Schwelle überschreitet, ab der über den Daumen gepeiltes Personaleinteilen nicht mehr reicht.

Was eine 4-Wochen-Prognose der Warteschlange tatsächlich braucht

Eine nützliche Vier-Wochen-Prognose an einer Flughafen-Sicherheitskontrolle oder einer Passkontrollhalle ist keine einzelne Zahl. Es ist eine Kurve, Stunde für Stunde, für jeden Tag jeder kommenden Woche, für jeden Kontrollpunkt. Das Modell, das diese Kurve erzeugt, nimmt fünf Familien von Eingaben auf. Jede Prognose, der eine fehlt, passt zu einigen Wochen gut und blamiert sich in den übrigen.

Buchungsdaten der Passagiere

Die einzelne wichtigste Eingabe ist das gebuchte Passagiervolumen je abfliegendem Flug, je Stunde, vier Wochen voraus. Es kommt aus einer Anbindung an das Abfertigungssystem oder aus den aus PNR abgeleiteten Zählungen der Fluggesellschaft, täglich aktualisiert, während sich die Buchungskurve füllt. Eine Buchung 28 Tage im Voraus ist aussagekräftig, aber unvollständig. Spontanbuchungen sind in den meisten Märkten weitgehend zusammengebrochen, aber nicht auf null, Gruppenbuchungen können spät landen, und Reiseveranstalter-Kontingente lösen sich nach eigener Uhr aus. Das Modell muss nicht nur wissen, wie viele Sitze heute verkauft sind, sondern auch, wie sich die Buchungskurve für diese Route, diesen Wochentag und diese Saison in den verbleibenden vier Wochen typischerweise vollendet. Zwei Flüge mit derselben Buchung 28 Tage vorab können bei sehr unterschiedlichen Auslastungsgraden landen.

Historische Kurven am Kontrollpunkt

Buchungsdaten sagen Ihnen, wie viele Menschen fliegen werden. Die historische Kurve sagt Ihnen, wann sie an der Sicherheitskontrolle eintreffen. Passagiere kommen nicht gleichmäßig zwischen Check-in-Eröffnung und Gate-Schließung. Sie folgen einer Show-up-Kurve, die für eine Kurzstrecken-Economy-Route etwa 90 bis 120 Minuten vor Abflug ihren Höhepunkt erreicht, für eine Langstreckenroute früher und für Premium-Passagiere wieder später. Die Form dieser Kurve ist spezifisch für jede Routengruppe, jedes Terminal und jede Saison. Eine Langstrecken-Morgenwelle erzeugt einen schärferen Ankunftsgipfel an der Sicherheitskontrolle als dieselbe gebuchte Passagierzahl verteilt über einen Kurzstrecken-Abend mit Punkt-zu-Punkt-Flügen.

Ohne eine historische Show-up-Kurve je Route erzeugt selbst eine perfekte Zählung gebuchter Passagiere eine schlechte Prognose auf Spur-Ebene, denn dieselben Passagiere können in zwei völlig unterschiedlichen Formen ankommen.

Tagesabschnitts- und Wochentagsmuster

Stapeln Sie die gebuchten Passagiere auf die Show-up-Kurven, summieren Sie über die Flüge, und Sie haben den groben stündlichen Zufluss am Kontrollpunkt. Die grobe Zahl muss dann durch Muster konditioniert werden, die stabil genug sind, um modelliert zu werden, und offensichtlich genug, um übersehen zu werden, wenn man nicht hinschaut. Der Montagmorgen vor einer schulischen Halbferienwoche ist nicht der Montagmorgen einer beliebigen Woche. Der Freitagnachmittag zu Beginn eines langen Wochenendes ist kein gewöhnlicher Freitag. Ausgehende Urlaubssamstage Ende Juli und Anfang August tragen einen Passagiermix mit mehr aufgegebenem Gepäck und mehr Gruppenbuchungen je Flug, was die Spur selbst bei gleicher Passagierzahl verlangsamt. Das Tageszeitmuster verschiebt sich mit dem Flugplan, und der Flugplan verschiebt sich saisonal.

Wetter

Wetter wirkt auf Flughafen-Warteschlangen von beiden Seiten. Auf der Landseite kann schweres Wetter die Anreise zum Flughafen verzögern und den Zufluss in ein kürzeres Fenster pressen, was für die Warteschlange schlechter ist als ein gleichmäßiges Volumen, selbst wenn die Gesamtpassagierzahl gleich ist. Auf der Luftseite kann Wetter Flüge verzögern, was Passagiere länger als geplant auf der falschen Seite der Sicherheitskontrolle hält und die stationäre Belegung der Abflughalle verändert. Das Modell braucht keine perfekte meteorologische Vorhersage über 28 Tage, aber es muss die mittelfristige Vorhersage aufnehmen, sobald sie schärfer wird, die Zuflussform daran neu konditionieren und die Warteschlangen-Prognose täglich neu ausgeben, während das Vertrauen wächst.

Veranstaltungskalender

Ein großes Sportereignis, ein gesetzlicher Feiertag in einem Zielland, ein Schulferienkalender über mehrere Einzugsgebiete, eine Streikmaßnahme an anderer Stelle im Netz: jedes davon verschiebt Passagiervolumen gegen ein sonst unauffälliges Datum. Ein Veranstaltungskalender ist nicht eine einzelne Spalte in einer Tabelle. Er ist ein strukturierter Satz von Merkmalen, die das Modell nutzen kann, um die Nachfrage für ein bestimmtes Terminal, eine Route oder einen Tag zu verschieben. Drehkreuze mit hohem Transferanteil brauchen Veranstaltungskalender für die wichtigsten Quell- und Zielmärkte, nicht nur den Heimmarkt.

Diese fünf Eingaben speisen ein Modell, das eine stündliche Zuflussprognose an jedem Kontrollpunkt erzeugt, vier Wochen voraus, täglich aktualisiert. Die Ausgabe ist eine Kurve, mit Unsicherheit um sie herum, und der Planungsnutzen der Prognose hängt davon ab, sowohl die Kurve als auch die Unsicherheit zu lesen.

Die Verarbeitungsseite der Warteschlange

Zufluss an einer Sicherheitskontroll-Spur ist die Hälfte des Warteschlangenproblems. Die andere Hälfte ist der Verarbeitungsdurchsatz: wie viele Passagiere pro Stunde die geöffneten Spuren abfertigen können. Eine Warteschlange bildet sich, wenn der Zufluss den Durchsatz in einem Fenster übersteigt. Nur den Zufluss zu prognostizieren, ohne den Durchsatz zu prognostizieren, ruft die Warteschlange an arbeitsreichen Tagen, wenn weniger Spuren geöffnet sind, zu niedrig auf und an ruhigen Tagen, wenn der Betrieb Reserven hat, zu hoch.

Durchsatz an einer Flughafen-Sicherheits- oder Passkontrollspur hängt von der Zahl geöffneter Spuren ab, der Technik in jeder Spur, dem Verhältnis von Beamten zu Spuren, dem Passagiermix, der dort ankommt, und der Tageszeit relativ zu den Pausenrotationen der Beamten. Eine nützliche Warteschlangen-Prognose über vier Wochen muss deshalb mit einer Dienstplan-Prognose für denselben Zeitraum gekoppelt sein. Die einfachste Version nutzt eine durchschnittliche Durchsatzrate je Spur. Eine bessere Version konditioniert den Durchsatz auf den Passagiermix, der in jenem Fenster ankommt, denn eine Spur, die überwiegend Geschäftsreisende mit Handgepäck abfertigt, läuft schneller als dieselbe Spur, die Sommerurlaubs-Familien mit aufgegebenem Gepäck abfertigt.

Die Warteschlangenlänge und damit die Wartezeit ist das Integral der Differenz zwischen Zufluss und Durchsatz über das fragliche Fenster. Die Prognose muss nicht perfekt sein, um nützlich zu sein. Sie muss bei 28 Tagen genau genug sein, um einen Dienstplan zu treiben, bei 7 Tagen genau genug, um ihn anzupassen, und bei 24 Stunden genau genug, um den Betriebsplan auszugeben.

Wie Live-Zählungen die Schleife schließen

Eine 4-Wochen-Prognose ist ein Plan. Wie jeder Plan überlebt sie den Kontakt mit dem Tag in dem Maße, wie schnell sie korrigiert werden kann. Der Mechanismus, der sie korrigiert, ist Live-Messung an den Kontrollpunkten, zurückgespielt an das Prognosemodell, sodass die Vorhersage für den Rest des Tages und für denselben Tag in der kommenden Woche besser wird.

Drei Live-Messungen zählen am meisten.

• Zufluss an der Spur, je Minute. Die tatsächliche Zahl der am Eingang der Warteschlange eintreffenden Passagiere, verglichen mit dem prognostizierten Zufluss für diese Minute. Eine andauernde Unter- oder Überschreitung in den ersten 30 Minuten einer Welle ist meist das Vorzeichen, dass an diesem Tag etwas Spezifisches geschieht, sei es eine Straßenverzögerung, ein vorgelagerter Schub bei den Flügen oder eine falsch gelesene Show-up-Kurve für eine bestimmte Route. Die Prognose für den Rest der Welle kann dann neu ausgegeben werden.
• Durchsatz an der Spur, je Minute. Die tatsächliche Verarbeitungsrate je geöffneter Spur, konditioniert auf die Spuren, die geöffnet sind. Ein Durchsatzdefizit gegen Plan ist ein anderes Signal als ein Zuflussanstieg und stellt eine andere Frage an den Betrieb: eine weitere Spur öffnen, einen Beamten tauschen, einen Passagierstrom umleiten.
• Warteschlangenlänge und Wartezeit, je Minute. Die Ausgabe. Die tatsächliche Warteschlangenlänge und die daraus abgeleitete Wartezeit, verglichen mit der Prognose. Die Lücke ist das, worauf der Betriebsleiter reagiert, und die Größe und Beständigkeit der Lücke sagt dem Prognoseteam, wie stark die heutigen Daten zu gewichten sind, wenn das Modell für die kommende Woche neu trainiert wird.

Der Sinn, die Schleife zu schließen, ist nicht nur, heute besser zu reagieren. Er ist, den Fehler der Prognose der kommenden Woche an derselben Spur, am selben Wochentag, mit derselben Buchungskurve, zu verringern, sodass der Dienstplan der kommenden Woche näher am Richtigen ist, bevor der Tag beginnt.

Woher die Zählung kommt

All das oben Genannte setzt voraus, dass die Live-Zählung an der Spur selbst genau ist. Eine Warteschlangen-Prognose, die durch eine verrauschte Echtzeitzählung korrigiert wird, wird in Richtung Rauschen korrigiert. Zwei Eigenschaften der Zählschicht zählen an einem Flughafen-Kontrollpunkt am meisten.

• Eine Gruppe als Gruppe gezählt, nicht als getrennte Passagiere. Eine Familie, die gemeinsam an einer Sicherheitskontrolle ankommt, ist eine Entscheidung und mehrere Passagiere. Wenn der Zähler sie am Eingang der Warteschlange in zwei oder drei unabhängige Zählungen aufteilt, sieht die Zuflusskurve verzackt aus, in einer Weise, die die Prognose nicht abbilden kann, und die Spur-Durchsatzrate je Beamter wirkt schwankend, wo sie es nicht ist. Gruppengröße am Eingang der Warteschlange, abgeleitet aus der patentierten Signalerfassung statt aus kamerabasierter Gruppenerkennung, nimmt dieses Rauschen aus der Schleife.
• Keine personenbezogenen Daten am Sensor, von Anfang an. Ein Flughafen-Kontrollpunkt ist einer der sensibleren Messorte in jedem Gebäude. Eine Zählmethode, die standardmäßig keine Bilder, keine Gesichter und keine Geräte-Identifikatoren erfasst, ist gegenüber einer Datenschutzbehörde und einer Passagier-Interessenvertretung wesentlich leichter zu verteidigen als eine Methode, die einen Videostream erfasst und ihn anschließend anonymisiert. Es gibt nichts nachträglich zu anonymisieren, weil von Anfang an nichts Identifizierendes erfasst wurde.

Ariadne misst dies mit Hybrid Fusion, der patentierten kamerafreien Methode. Time-of-Flight-Tiefensensorik zählt an den Eingängen jeden Besucher und erfasst Geometrie statt Bilder, während die patentierte Signalerfassung die Bewegung im Innenraum verfolgt und die Signale erkennt, die ein Telefon aussendet, selbst im Flugmodus. Der Sensor streamt beide Datenströme an Ariadne, wo Hybrid Fusion sie zu einer Trajektorie pro Besuch zusammenführt und Zählwerte, Verweildauer und Wege berechnet. Die Datenströme tragen keine Identifikatoren: keine MAC-Adresse, keine Geräte-ID, keine biometrischen Daten, und es ist keine Kamera beteiligt. Identifikatoren werden nur gespeichert, wenn ein Besucher ausdrücklich zustimmt, was die Methode datenschutzfreundlich und außerhalb des biometrischen Bereichs hält.

Für eine Flughafen-Warteschlangen-Prognose steuert Ariadne den Teil des Stacks bei, der zuerst stimmen muss: eine Zählung des Zuflusses je Minute an jedem Kontrollpunkt, Gruppengrößenermittlung am Eingang der Warteschlange und Live-Belegung über die Abflug- oder Passkontrollhalle, alles ohne personenbezogene Daten am Erfassungspunkt. Das Prognosemodell, das Dienstplan-Werkzeug und die regulatorisch sichtbare Berichterstattung der Wartezeiten sitzen darauf, innerhalb der Analyseumgebung des Flughafens oder neben dem weiteren Personenzähl-Stack. Die Sensorpalette ist auf der Ariadne-Hardwareseite dokumentiert, und die Datenverarbeitung ist in der Datenschutzerklärung dargelegt.

Häufige Modellierungsfehler, die eine selbstsichere, aber falsche Prognose erzeugen

Vier Fehler treten in der Flughafen-Warteschlangen-Prognose immer wieder auf, und jeder erzeugt ein Modell, das im Backtest gut aussieht und beim ersten Kontakt mit einem realen Tag in Größenordnung bricht.

1. Die Buchungsdaten als Zufluss zu behandeln. Gebuchte Passagiere sind nicht dasselbe wie Menschen in der Warteschlange. Eine Prognose, die die Buchung direkt auf die Spur abbildet, ohne eine routenspezifische Show-up-Kurve, läuft bei Kurzstrecken-Morgenwellen um eine Stunde nach und bei Langstrecken-Nachmittagsabflügen vor.
2. Die Show-up-Kurve über alle Routen zu mitteln. Ein einzelnes flughafenweites Ankunftsprofil ist die falsche Granularität. Die Kurve ist anders bei Kurzstrecke gegen Langstrecke, bei Premium gegen Economy und bei Geschäfts- gegen Freizeit-Wochentagen. Sie zu poolen erzeugt eine Kurve, die im Erwartungswert richtig und an jedem einzelnen Tag falsch ist.
3. Zufluss ohne Durchsatz zu prognostizieren. Eine Warteschlange ist eine Differenz. Eine Seite davon vorherzusagen und die andere als Konstante anzunehmen erzeugt eine Wartezeit-Vorhersage, die die richtige Form und die falsche Größe hat.
4. Die Tagessumme statt der Welle zu lesen. Ein Flughafen mit glatter täglicher Passagiersumme kann dennoch brutal gespitzte Wellen haben. Die relevante Betriebseinheit an einer Sicherheitskontroll-Spur ist die Welle und die Stunde, nicht der Tag. Eine Tagesprognose verdeckt genau die Momente, für die der Betrieb planen muss.

Was das Betriebsteam aus einer nützlichen Prognose herausholt

Eine 4-Wochen-Prognose der Warteschlange, die in einem Flughafenbetrieb tatsächlich genutzt wird, erzeugt vier praktische Ausgaben. Keine davon ist exotisch. Zusammen sind sie der Unterschied zwischen einem Dienstplan, der auf Nachfrage antwortet, und einem Dienstplan, der ihr ständig hinterherläuft.

• Ein Dienstplan. Beamtenstunden und Spuröffnungen je 15- oder 30-Minuten-Slot, vier Wochen voraus, wöchentlich aktualisiert, während sich Buchungen schärfen und die mittelfristige Wettervorhersage präziser wird.
• Eine an Passagiere gerichtete Wartezeitschätzung. Eine vertretbare erwartete Wartezeit, Stunde für Stunde, verfügbar für die Partner-Fluggesellschaften und das eigene Kommunikationsteam des Flughafens, mit einem Unsicherheitsbereich statt einer falschen Präzisionszahl.
• Ein Flex-Plan. Eine vorab abgestimmte Abfolge betrieblicher Antworten für jeden Kontrollpunkt, wenn der Live-Zufluss über oder unter der Prognose liegt: welche Spur zuerst öffnet, welcher Beamter wohin wechselt, welcher Passagierstrom umgeleitet wird.
• Ein regulatorisch verwendbarer Datensatz. Ein sauberer Datensatz aus Prognose, Ist und Lücke für jeden Kontrollpunkt, je Minute, der die eigene Leistungsberichterstattung des Flughafens und jeden externen Servicestandard stützt, an den der Flughafen gebunden ist.

FAQ

Wie weit voraus kann ein Flughafen die Warteschlangenlänge realistisch prognostizieren?

Ein nützlicher Planungshorizont an einem großen Drehkreuz sind vier Wochen, mit einer täglichen Aktualisierung und einer schärferen Aktualisierung bei einer Woche und bei 24 Stunden. Der 28-Tage-Horizont stützt den Dienstplan. Der 7-Tage-Horizont ist der Punkt, an dem die mittelfristige Wettervorhersage spezifisch genug wird, um den Zufluss neu zu formen. Der 24-Stunden-Horizont ist der Punkt, an dem der Betriebsplan ausgegeben wird. Eine Prognose länger als vier Wochen ist meist die saisonale Erwartung. Eine Prognose viel kürzer als 24 Stunden ist meist eine Live-Messung.

Warum sich nicht einfach auf Echtzeitzählungen verlassen, um die Warteschlange zu managen?

Weil zu dem Zeitpunkt, an dem sich eine Warteschlange in Echtzeit bildet, die Reaktionsoptionen des Flughafens begrenzt sind. Beamte können nicht aus dem Dienstfrei gerufen werden. Spuren, die von Geräten abhängen, können nicht in fünf Minuten geöffnet werden. Passagierströme können nicht ohne Vorlauf umsigniert werden. Eine Live-Zählung sagt Ihnen, was bereits geschieht; eine Prognose sagt Ihnen, wofür Sie Personal vorhalten müssen, damit die Reaktion bereitsteht, wenn der Zufluss kommt. Beide arbeiten zusammen, mit der Prognose, die den Plan treibt, und der Live-Zählung, die den Rest des Tages korrigiert.

Welche Daten braucht ein Flughafen, um eine 4-Wochen-Prognose aufzubauen?

Mindestens drei Datensätze: eine täglich aktualisierte Buchungsdaten je Flug und Stunde, eine historische Zuflusszählung an jedem Kontrollpunkt in Minutengranularität für mindestens ein volles Jahr und ein Dienstplan-Protokoll, das zeigt, welche Spuren wann geöffnet waren und welche Beamten in welcher Spur waren. Mit diesen dreien kann das Modell Show-up-Kurven je Routengruppe lernen, Durchsatz je Spur nach Passagiermix und die Lücke zwischen Prognose und Ist, die wöchentliche Verbesserung treibt. Wetter, Veranstaltungs- und Schulkalender-Merkmale kommen oben darauf.

Verwendet Ariadne Kameras, um Passagiere an Sicherheitskontrollen zu zählen?

Nein. Ariadne zählt mit Hybrid Fusion: Time-of-Flight-Tiefensensorik plus patentierte Signalerfassung, nie mit Kameras. Time-of-Flight erfasst Geometrie statt Bilder, und die Signalerfassung erfasst standardmäßig keine MAC-Adresse, sodass die Messung ohne Video, ohne Gesichter und ohne biometrische Daten auskommt.

Wie geht das Modell mit Störungen wie Flugverspätungen oder Streiks um?

Eine Störung wird als Neukonditionierungs-Ereignis für die Prognose behandelt, nicht als Grund, sie zu verwerfen. Eine Flugverspätung verschiebt einen Anteil des Passagierzuflusses zeitlich vor und verändert die Warteschlangenform auf bekannte Weise; das Modell gibt die Zuflusskurve für das betroffene Fenster neu aus. Ein Ereignis wie ein Streik an einer vorgelagerten Verbindung zeigt sich zuerst in den Buchungsdaten (Stornierungen, Umbuchungen) und zweitens in der Live-Zuflusszählung, und das Modell trainiert auf beiden neu. Der Sinn, die Schleife mit Live-Messungen zu schließen, ist genau, solche Ereignisse aufzunehmen, während der Tag sich entfaltet, statt auf den nächsten Wochenzyklus zu warten, um aus ihnen zu lernen.