선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 에 우선하여 순서를 결정하는데 미치는 영향의 정도를 나타낸다. 따라서 TD와 SD변수에 해당하는 계수를 통해 관제사가 합류하는 두 항공기의 순서를 결정하는 데 있어서, Entry Fix에서의 속도 차이를 Merging Fix에서의 시간 차이로 어떻게 환산하는지를 살펴볼 수 있다.
- 본 논문에서는 합류하는 지점(Merging Fix)으로 접근하는 항공기의 순서에 대한 관제사의 결정을 예측하는 모형을 제안하였다. 제안된 모형에는 로지스틱 회귀모형이 사용되었으며 실제 항적자료를 통해 구축된 회귀모형의 성능에 대한 평가 또한 수행하였다.
- 본 논문에서는 항공교통관제사의 행동방식을 반영한 도착관리기법 개발을 위한 관제사의 순서 결정 예측모형을 개발하였다. 예측모형에는 로지스틱 회귀모형이 사용되었으며, 관제사의 순서결정을 예측하기 위한 변수로서 합류하는 두 항공기의 진입시간과 진입속도의 차이를 사용하였다.
- 본 연구의 목적은 관제사가 항공기의 순서결정을 하는데 있어 영향을 미치는 요인을 분석하고, 이를 통해 관제사의 순서결정을 예측하는 모형을 구축하는데 있다. 따라서 Fig.
제안 방법
- 관제사에 의한 순서결정의 개입 여부는 두 항공기의 Merging Fix에서의 분리간격을 통해 판단하였다. 2.
- 본 연구의 목적은 관제사가 항공기의 순서결정을 하는데 있어 영향을 미치는 요인을 분석하고, 이를 통해 관제사의 순서결정을 예측하는 모형을 구축하는데 있다. 따라서 Fig. 1에 나타나 있는 다양한 합류 경로(Merging Route) 중, 동일한 관제사에 의해 관제가 이루어지며 운항빈도가 충분한 경로를 선정하여 연구를 수행하였으며, 이는 Fig. 2에 더욱 자세히 나타나 있다.
- 본 논문에서는 A582항로를 기준 항로로 설정하였으므로, A582항로를 운항하는 항공기(ACA)가 G585항로를 운항하는 항공기(ACG)보다 Merging Fix를 먼저 통과한 경우에 종속변수를 1, 반대의 경우에 종속변수를 0으로 정의하였다. 또한 순서결정 예측모형의 독립변수로서는 합류하는 두 항공기의 진입속도와 진입시간의 차이를 사용하였다. 참고로 본 논문에서 각 항공기의 진입시점은 항공기가 인천 FIR에 진입하는 시점, 즉 항공기가 Fig.
- 예측모형에는 로지스틱 회귀모형이 사용되었으며, 관제사의 순서결정을 예측하기 위한 변수로서 합류하는 두 항공기의 진입시간과 진입속도의 차이를 사용하였다. 또한 실제 과거 항적자료를 통해 모형을 구축한 후, 각 변수의 유의성과 모형의 적합도를 검정하였다.
- 의 Entry Fix에서의 진입 속도차(knot)이다. 또한, 앞서 언급한 바와 같이, 본 논문에서는 A582항로를 기준으로 하였으므로, TD와 SD는 각각 ACA의 진입시간 및 속도를 기준으로 계산하였다. 본 연구에서는 독립변수로서 항공기의 진입시간 및 진입속도의 차이만을 고려했으나, 관제사의 순서결정에 영향을 미치는 요인으로서 주변 공역의 혼잡도 등 여러 종류의 변수가 포함될 수 있으며, 이는 추후 연구가 필요하다.
- 도착관리기법은 도착예정시간(ETA; Estimated Time of Arrival) 예측, 도착순서 결정(sequencing), 그리고 계획도착시간(STA; Scheduled Time of Arrival) 계산의 세 단계의 구성요소로 이루어진다. 먼저, 항공기 위치 및 고도에 대한 실시간 감시(surveillance)정보와 비행계획서상의 운항정보 등을 바탕으로 동일 공항으로 접근하는 항공기의 ETA를 계산한다. ETA가 계산되면 이를 기반으로 동일한 지점으로 도착하는 항공기들에 대한 도착 순서를 결정하는데, 도착순서 결정 시 최적화 등 다양한 수학적 기법이 사용된다[4-7].
- Table 4에는 Table 3에서 사용한 것과 동일한 30개의 항공기 쌍에 대하여 ETA를 기반으로 순서결정을 예측한 결과가 나타나있다. 본 논문에서 ETA는 총 비행거리를 Entry fix에서의 속도로 나누어 계산하였으며, 계산된 ETA가 빠른 항공기에게 우선순위가 부여되도록 순서결정을 예측하였다. 추후 연구에서는 더욱 정밀한 ETA 계산을 통한 순서결정 예측방법과의 비교검증이 이루어져야 할 것이다.
- 본 연구에서 제안하는 예측모형은 관제사가 합류하는 두 항공기 중 어떤 항공기에게 우선권을 부여하는지가 각각의 선택이 된다. 본 논문에서는 A582항로를 기준 항로로 설정하였으므로, A582항로를 운항하는 항공기(ACA)가 G585항로를 운항하는 항공기(ACG)보다 Merging Fix를 먼저 통과한 경우에 종속변수를 1, 반대의 경우에 종속변수를 0으로 정의하였다. 또한 순서결정 예측모형의 독립변수로서는 합류하는 두 항공기의 진입속도와 진입시간의 차이를 사용하였다.
- 본 연구에서 제안하는 예측모형은 관제사가 합류하는 두 항공기 중 어떤 항공기에게 우선권을 부여하는지가 각각의 선택이 된다. 본 논문에서는 A582항로를 기준 항로로 설정하였으므로, A582항로를 운항하는 항공기(ACA)가 G585항로를 운항하는 항공기(ACG)보다 Merging Fix를 먼저 통과한 경우에 종속변수를 1, 반대의 경우에 종속변수를 0으로 정의하였다.
- 본 장에서는 과거 항적자료를 통하여 제안된 순서결정 예측모형을 구축하고 그 성능을 검증하였다. 예측모형의 구축에는 1개월분의 항적 자료가 사용되었으며, 2.
- 본 절에서는 순서결정 예측모형을 구축하기에 앞서, 실험을 위하여 추출한 330개의 항공기 쌍을 이용하여 각 독립변수와 순서결정간의 관계를 살펴보았다. Fig.
- Classification table의 경우 정해진 한계점(threshold)을 기준하여 예측 결과를 이분하기 때문에 예측 결과를 확률로 나타내는 로지스틱 회귀모형의 적합도를 정확히 검증하는 데는 한계가 있다. 하지만 본 연구에서 제안된 예측모형의 경우 도착관리기법과 같은 의사결정 지원도구에 사용되기 위해서는 특정 항공기 쌍에 대해 관제사의 순서결정을 분류하는 것이 중요하기 때문에 이와 같은 방법을 사용하여 모형을 검증하였다.
대상 데이터
- 관제사에 의한 순서결정의 개입 여부는 두 항공기의 Merging Fix에서의 분리간격을 통해 판단하였다. 2.1절에서 설정된 항로구간(Fig. 2)에서의 두 항공기간 최소분리간격은 10NM로 설정되어 있으므로, 최소분리간격의 두 배, 즉 20NM 미만으로 분리되어 Merging Fix를 통과한 항공기 쌍을 대상 항공기로 판단하였다. 본 연구에서는 관제사의 순서결정 개입 여부를 합류하는 두 항공기의 Merging Fix에서의 분리간격을 통해 판단하였으나, 관제사의 순서결정 여부가 더욱 정밀하게 판단되기 위해서는 보다 다양한 종류의 정보가 고려되어야 하며 이는 추후 연구에서 더욱 심도 있게 다루어져야 한다.
- 본 논문에서는, 서로 다른 항로(A582와 G585)를 비행하며 Merging Fix를 통해 합류 시 관제사에 의한 순서결정이 개입되었다고 판단되는 항공기 쌍들을 실험대상으로 수집하였다. 2012년 10월 한 달간의 항적자료를 사용하였으며, 한 항공기가 서로 다른 두 대의 항공기와 순서결정에 개입된 경우, 두 개의 항공기 쌍에 중복해서 나타날 수 있다.
- Classification table에는 모형의 구축에 사용된 300개의 항공기 쌍과 독립적인 총 30개의 항공기 쌍이 사용되었다. Table 3는 30개의 항공기 쌍을 구축된 예측모형을 통해 분류한 결과가 나타나 있다.
- Fig. 2에 나타나있는 대상 공역은 A582와 G585항로를 통해 인천공항으로 도착하는 경로이다. 각 항공기는 그림에 나타나있는 진입지점(Entry Fix)을 통해 인천 FIR에 진입한 후, 각각의 항로를 통해 약 138NM(Nautical Mile)을 비행한 후 하나의 경로로 합류하게 되며 관제사는 각 항로상의 특정 지점에서 두 항공기간의 순서를 결정한다.
- 본 논문에서는, 서로 다른 항로(A582와 G585)를 비행하며 Merging Fix를 통해 합류 시 관제사에 의한 순서결정이 개입되었다고 판단되는 항공기 쌍들을 실험대상으로 수집하였다. 2012년 10월 한 달간의 항적자료를 사용하였으며, 한 항공기가 서로 다른 두 대의 항공기와 순서결정에 개입된 경우, 두 개의 항공기 쌍에 중복해서 나타날 수 있다.
- 본 장에서는 과거 항적자료를 통하여 제안된 순서결정 예측모형을 구축하고 그 성능을 검증하였다. 예측모형의 구축에는 1개월분의 항적 자료가 사용되었으며, 2.2절에서 설명된 기준에 따라 총 300개의 항공기 쌍이 선정되었다. 선정된 항공기 쌍 데이터를 통해 식 (2)의 계수 행렬 B를 추정하였으며, 구축된 예측모형은 다음과 같다.
- 또한 순서결정 예측모형의 독립변수로서는 합류하는 두 항공기의 진입속도와 진입시간의 차이를 사용하였다. 참고로 본 논문에서 각 항공기의 진입시점은 항공기가 인천 FIR에 진입하는 시점, 즉 항공기가 Fig. 2에 나타나 있는 Entry Fix에 도달한 시점으로 설정하였다.
데이터처리
- 본 논문에서는 예측모형의 적합도를 검증하기 위한 방법으로 Classification table[11]을 이용하였다. 또한, ETA를 기반으로 순서결정을 예측하는 방법과의 비교를 통해 본 논문에서 활용한 예측모형의 성능을 검증하였다.
- 본 논문에서는 합류하는 지점(Merging Fix)으로 접근하는 항공기의 순서에 대한 관제사의 결정을 예측하는 모형을 제안하였다. 제안된 모형에는 로지스틱 회귀모형이 사용되었으며 실제 항적자료를 통해 구축된 회귀모형의 성능에 대한 평가 또한 수행하였다.
이론/모형
- 가 Merging Fix를 먼저 통과할 예측 확률이다. 또한 계수행렬의 추정에는 최대우도추정법이 사용되었다[10].
- 예측모형의 적합도는 다양한 방법을 통해 검증될 수 있다. 본 논문에서는 예측모형의 적합도를 검증하기 위한 방법으로 Classification table[11]을 이용하였다. 또한, ETA를 기반으로 순서결정을 예측하는 방법과의 비교를 통해 본 논문에서 활용한 예측모형의 성능을 검증하였다.
- 본 연구에서는 항공교통관제사의 순서결정을 예측하는 모형으로서 로지스틱 회귀모형을 사용하였다. 로지스틱 회귀모형은 주어진 상황에서 특정 대상이 어떠한 선택을 할지를 확률적으로 예측하는 모형으로서, 특히 여러 변수가 각 선택에 미치는 영향을 정량적으로 분석할 수 있다 [10].
- 본 논문에서는 항공교통관제사의 행동방식을 반영한 도착관리기법 개발을 위한 관제사의 순서 결정 예측모형을 개발하였다. 예측모형에는 로지스틱 회귀모형이 사용되었으며, 관제사의 순서결정을 예측하기 위한 변수로서 합류하는 두 항공기의 진입시간과 진입속도의 차이를 사용하였다. 또한 실제 과거 항적자료를 통해 모형을 구축한 후, 각 변수의 유의성과 모형의 적합도를 검정하였다.
성능/효과
- 7%(23/30)의 항공기 쌍에 대해 관제사의 순서결정을 올바르게 예측하였음을 알 수 있다. 따라서 본 논문에서 제안한 예측모형이 ETA를 기반으로 한 예측모형에 비하여 약 6.6% 더욱 정밀하게 관제사의 순서결정을 예측하였음을 알 수 있다.
후속연구
- 추후 연구에서는 관제사의 순서 결정에 영향을 미치는 요인으로서 주변 공역의 혼잡도, 항공기의 기종, 날씨, 관제기관의 운영절차 등 다양한 정보들을 탐구해 보아야 할 것이다. 또한 예측모형으로서 로지스틱 회귀모형 이외에 인공 신경망 분석 등 다양한 방법의 적용을 고려해 보아야 할 것이다.
- 각 항공기는 그림에 나타나있는 진입지점(Entry Fix)을 통해 인천 FIR에 진입한 후, 각각의 항로를 통해 약 138NM(Nautical Mile)을 비행한 후 하나의 경로로 합류하게 되며 관제사는 각 항로상의 특정 지점에서 두 항공기간의 순서를 결정한다. 본 연구에서는 관제사가 두 항공기의 순서를 결정하는 위치를 진입지점으로 선정하였으며, 이는 추후 연구가 필요하다.
- 2)에서의 두 항공기간 최소분리간격은 10NM로 설정되어 있으므로, 최소분리간격의 두 배, 즉 20NM 미만으로 분리되어 Merging Fix를 통과한 항공기 쌍을 대상 항공기로 판단하였다. 본 연구에서는 관제사의 순서결정 개입 여부를 합류하는 두 항공기의 Merging Fix에서의 분리간격을 통해 판단하였으나, 관제사의 순서결정 여부가 더욱 정밀하게 판단되기 위해서는 보다 다양한 종류의 정보가 고려되어야 하며 이는 추후 연구에서 더욱 심도 있게 다루어져야 한다.
- 또한, 앞서 언급한 바와 같이, 본 논문에서는 A582항로를 기준으로 하였으므로, TD와 SD는 각각 ACA의 진입시간 및 속도를 기준으로 계산하였다. 본 연구에서는 독립변수로서 항공기의 진입시간 및 진입속도의 차이만을 고려했으나, 관제사의 순서결정에 영향을 미치는 요인으로서 주변 공역의 혼잡도 등 여러 종류의 변수가 포함될 수 있으며, 이는 추후 연구가 필요하다.
- 추후 연구에서는 관제사의 순서 결정에 영향을 미치는 요인으로서 주변 공역의 혼잡도, 항공기의 기종, 날씨, 관제기관의 운영절차 등 다양한 정보들을 탐구해 보아야 할 것이다. 또한 예측모형으로서 로지스틱 회귀모형 이외에 인공 신경망 분석 등 다양한 방법의 적용을 고려해 보아야 할 것이다.
- 본 논문에서 ETA는 총 비행거리를 Entry fix에서의 속도로 나누어 계산하였으며, 계산된 ETA가 빠른 항공기에게 우선순위가 부여되도록 순서결정을 예측하였다. 추후 연구에서는 더욱 정밀한 ETA 계산을 통한 순서결정 예측방법과의 비교검증이 이루어져야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.