匿名手機定位數據成機場管理利器 助預測旅客高峰、降低碳排

每當旅客的手機與通訊基地台進行連線時，都會留下一個微小的數位足跡。一項由德州農工大學農業暨生命科學學院研究人員參與的國際研究顯示，這些乘以數百萬倍數的數位足跡，能幫助機場在旅客潮爆發前先行預測，進而減少隨之而來的壅塞與碳排放。

這項研究發表於《商業策略與環境》（Business Strategy and the Environment）期刊，採用里斯本機場周邊蒐集的逾900萬筆匿名行動網路訊號，建構出一套預測模型，表現較標準預測方法領先雙位數百分點，預測誤差最多削減24%。

德州農工大學飯店管理與觀光系教授、研究所副系主任巴巴克‧塔赫里博士（Babak Taheri, Ph.D.）與挪威莫爾德大學學院（Molde University College）及葡萄牙Inov Inesc的研究人員共同參與此次研究。

塔赫里表示：「里斯本是個絕佳的測試場域，因為它集結了機場管理階層每天面臨的諸多挑戰。它旅客量大、擁有明顯的季節性尖峰、國內與國際旅客兼具，且在運能、壅塞與地面交通方面都承受龐大壓力。」在預期全球航空旅運將持續成長之際，研究人員認為匿名手機數據可望成為機場永續規劃的利器。

從數據到決策

研究團隊在長達一年的期間，透過119個涵蓋機場範圍的方格網格，追蹤行動裝置的匿名聚合訊號，接著將這些模式輸入以Prophet（臉書開發的時間序列分析工具）為基礎所建構的預測模型，該工具擅長捕捉季節性波動與假期效應。凡是任何方格與時間區間內裝置數少於10個的樣本均予以排除，且無法識別任何個別使用者身分。

這項研究與眾不同之處在於預測之後的應用。研究團隊將這些預測結果直接轉化為潛在的營運決策。他們的預測顯示，里斯本機場可如何運用這項資訊，決定應開放多少條安檢通道、應安排多少人力排班，以及地鐵班距應縮短多少。

在模型模擬的情境下，更妥善協調的人力與大眾運輸排班，可望在尖峰旅運期間減少地面交通壅塞及相關碳排放達14%至26%。

塔赫里指出：「告訴機場管理者旅客需求可能增加某個百分比，這只具備部分效用；告訴他們這對人力或安檢通道數量可能意味著什麼，才能讓資訊變得真正可付諸行動。」

然而，該模型並非完美無缺。例如，它低估了2023年6月某波實際旅客激增的數量，塔赫里表示，這項落差凸顯出預測結果應作為規劃區間的參考，而非作為唯一保證的數字。

他表示：「總會有某些日子或時段，實際需求超出預期。」國際旅客流量的預測難度也較國內旅客為高，可能是因為其受多個國家的假日曆、經濟狀況及其他因素影響。

塔赫里說，這項發現顯示，未來應將手機數據與航班時刻表及氣象資料結合，以獲得更精準的預測結果。

做為其他樞紐機場的參考模型

在全球航空旅運預期將在未來二十年間成長數十億人次的背景下，研究人員主張，行動網路數據是機場永續管理中一項尚未被充分運用的資產。

然而，塔赫里也警告，這套方法並非即裝即用。

他表示：「每座機場都有其各自的旅客組成、航廈配置、轉機流量與季節性模式，因此該模型需要運用在地數據進行訓練與校正。」

研究中所勾勒的人力與安檢門檻，目前尚未在實際營運中進行測試。

塔赫里指出：「目前這項研究尚未被部署為一套實際運作的機場操作系統。我們所展示的是，這些數據與預測能夠轉化為機場管理者能辨識並據以行動的決策。合理的下一步是進行產業試點，在我們於即時環境中測試這些決策、衡量哪些做法有效，並與機場營運商共同精進這套系統。」

若這套方法能在實際營運中獲得驗證，將可望為機場提供一項新利器，使其能在航廈與交通網絡陷入壅塞之前，預先掌握壓力點所在。