영국항공·여행2024 – 진행 중히스로
머신러닝 기반 승객 흐름 예측
히스로는 승객 흐름 예측을 스프레드시트에서 머신러닝으로 옮겨 항공편별 예측 오차를 30%에서 10%로 줄였다
문제
히스로는 승객 흐름 예측을 스프레드시트로 만들었다. 예측 한 건에 약 2주와 2명이 필요했고 오차도 컸다. 데이터는 서로 분리된 기존 도구에 흩어져 있어 처리가 느렸고 비용이 늘었다.
접근 방식
히스로는 애저 기반 데이터브릭스 Data + AI 플랫폼으로 옮겨 승객 흐름 머신러닝 모델을 만들었다. 모델 학습과 추적에는 MLflow를 쓴다. 페이지에는 알고리즘 이름이 나오지 않는다.
주요 수치
30% → 10%항공편별 예측 오차, 데이터브릭스 기준
시사점
히스로는 2명이 2주 동안 하던 스프레드시트 작업을 모델로 바꿨다. 이 모델을 공항의 일상 운영 계획에 어떻게 쓰는지는 페이지에 나오지 않는다.
분류
출처
출처 요약
[1]Databricks2024년 8월 12일
데이터브릭스는 히스로가 2주에 2명이 필요하던 스프레드시트 기반 승객 흐름 예측을 자사 플랫폼의 머신러닝 모델로 바꾼 과정을 소개했다. 데이터 처리 시간은 80시간에서 4시간으로, 인건비는 50% 줄었고 항공편별 예측 오차는 30%에서 10%로 낮아졌다고 밝혔다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 4일 · 수정일 2026년 11월 4일
