Development of a scenario-based model for situation awareness enhancement using Bayesian networks: A conceptual study implemented at Cologne Bonn Airport

Kurzfassung

Critical infrastructures exhibit a pivotal role in ensuring the effective operation of both societies and the economy. Airports in particular, as part of the sector transportation, are among the most important critical infrastructures in a globally connected world. However, airports are subject to a plethora of disruptions and challenges that can heavily impact their operations. Addressing these negative impacts requires airport operators to enhance their situation awareness and develop decision support systems to optimize airport performances. This master’s thesis proposes a conceptual approach to enhance the situation awareness of airport operators pursuing a sequential mixed methods approach and developing a Bayesian network to gain insights into the process of passenger flow and waiting time in airport terminals. To elicit the necessary knowledge, two expert interviews and an expert workshop with DLR and AOCC experts are conducted and existing airport data is used to quantify the Bayesian network. After setting up the Bayesian network, sensitivity and what-if analyses are applied to identify the most influential nodes. The resulting Bayesian network is generally capable of modeling the selected scenario and producing results that are in line with the existing literature. Further important findings are the determination of the most influential nodes on the target node ’total waiting time’: ’open SC stations’, ’open CKI stations’, season’ and ’time of day’. In addition, the technique of backwards inference can be used to produce plausible results. As this is the first study to examine the selected scenario using a Bayesian network, it can provide added scientific value. Nevertheless, it must be admitted that the developed Bayesian network, at this stage, includes too few nodes, thereby preventing conclusions and implications from being drawn to significantly enhance the situation awareness of airport operators. Further iterations and expansions of the features and capabilities of the Bayesian network are necessary to develop a useful support tool and to significantly improve the situation awareness of airport operators. dem Aufbau des Bayes’schen Netzes werden Sensitivitäts- und What-if- analysen durchgeführt, um die einflussreichsten Knoten zu identifizieren. Das resultierende Bayes’sche Netzwerk ist im Allgemeinen in der Lage, das gewählte Szenario zu modellieren und Ergebnisse zu liefern, die mit der vorhandenen Literatur übereinstimmen. Weitere wichtige Erkenntnisse sind die Bestimmung der einflussreichsten Knoten auf den Zielknoten "Gesamtwartezeit": "offene SC-Stationen", "offene CKI-Stationen", "Jahreszeit" und "Tageszeit". Darüber hinaus kann die Technik der Inferenz über das Bayes’sche Netz angewendet werden, um plausible Ergebnisse zu erzielen. Da dies die erste Studie ist, die das gewählte Szenario mit Hilfe eines Bayes’schen Netzes untersucht, bringt sie einen zusätzlichen wissenschaftlichen Nutzen. Dennoch muss eingeräumt werden, dass das entwickelte Bayes’sche Netz zum jetzigen Zeitpunkt zu wenige Knoten umfasst, so dass keine Schlussfolgerungen und Implikationen gezogen werden können, die das Situationsbewusstsein der Flughafenbetreiber wesentlich verbessern. Weitere Iterationen und Erweiterungen der Funktionen und Möglichkeiten des Bayes’schen Netzes sind notwendig, um ein nützliches Hilfsmittel zu entwickeln und das Situationsbewusstsein von Flughafenbetreibern deutlich zu verbessern.