Koffers gepakt, vroeg opgestaan, vlot door security… en dan: vertraging. Zo’n 18% van de vluchten in Europa vertrekt te laat, en de oorzaak is niet altijd even duidelijk. Frustrerend voor reizigers, en kostelijk voor luchthavens. EUROCONTROL, verantwoordelijk voor het Europese luchtverkeer, wilde die verstoringen dringend aanpakken.
Vluchtverstoringen zijn een complex probleem met talloze variabelen. Onze experts moesten de juiste data uit meerdere bronnen selecteren, transformeren en verwerken.
Een AI-model dat met 90% nauwkeurigheid vertragingen voorspelt en visualiseert voor de 100 grootste Europese luchthavens, zodat EUROCONTROL proactief kan handelen.
Als passagier weet je meestal niet waarom je vlucht vertraagd is, want de oorzaak is vaak een complexe mix van factoren. Om de veiligheid te garanderen, worden er in zulke gevallen vluchtreguleringen ingesteld die het aantal vertrekkende en aankomende vluchten beperken.
Broodnodig voor de veiligheid, maar frustrerend voor alle betrokken partijen. Onze experts ontwikkelden een AI-model dat deze reguleringen kan voorspellen en de impact zo kan beperken.
We begonnen dit project met een Proof of Concept voor één luchthaven, gericht op weersomstandigheden. Daarna voegden we stap voor meer data en factoren toe: historische vluchtgegevens, meldingen van werkzaamheden (bv. een kraan in de buurt van de landingsbaan), en veranderingen in beschikbaarheid van personeel en apparatuur.
Uiteindelijk integreerden we de vier belangrijkste oorzaken van vluchtverstoringen: het weer, stakingen, en onvoldoende capaciteit bij de luchtverkeersleiding en de luchthaven zelf.
Een grote uitdaging bij het opschalen naar meerdere luchthavens was het verschil in aantal vertragingen. Sommige luchthavens krijgen door hun grootte of ligging vaker te maken met verstoringen dan andere. Om dit op te lossen, ontwikkelden onze experts geavanceerde technieken om de data te verwerken en de nauwkeurigheid van het model te verbeteren.
Ook de COVID-19 pandemie had een enorme impact op het luchtverkeer. Om de nauwkeurigheid van het model te behouden, gebruikten we een mix van data van vóór, tijdens en na de pandemie. Dit zorgde ervoor dat het model robuust bleef en accurate voorspellingen kon blijven genereren, ondanks de sterk gewijzigde omstandigheden.
AI-modellen kunnen soms 'black boxes' zijn, waarbij de redenering achter de voorspellingen onduidelijk is. Om dit te voorkomen, gebruikten we SHAP values - een techniek om de voorspellingen te verklaren - en zo het vertrouwen in het model te vergroten. De uiteindelijke nauwkeurigheid van het model was 90%, met een F1-score van 78%.
Het AI-model voorspelt vluchtverstoringen, maar de uiteindelijke beslissingen worden altijd genomen door mensen. AI ondersteunt de experts van EUROCONTROL bij het nemen van de juiste beslissingen, maar de menselijke factor blijft cruciaal. We ontwikkelden een bijhorend Power BI dashboard dat de experts een duidelijk overzicht geeft van de voorspellingen, zodat ze proactief kunnen ingrijpen. Dankzij ons constant lerend AI-model kan EUROCONTROL zo iedereens reis zo voorspelbaar mogelijk maken.
In samenwerking met Raccoons.
Peter Snauwaert
Pieter Schoevaerts
Saskia Kinds
Matthias Rombaut
.jpg)
