[논문]ADS-B 서버 시스템의 설계 및 구현

조태환; 김강희; 김진혁; 최상방

doi:10.12673/jant.2015.19.3.182

ADS-B 서버 시스템의 설계 및 구현
Design and Implementation of Automatic Dependent Surveillance - Broadcast Server System 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.19 no.3 = no.72, 2015년, pp.182 - 191

조태환 (공군사관학교 전자공학과) , 김강희 (인하대학교 전자공학과) , 김진혁 (인하대학교 전자공학과) , 최상방 (인하대학교 전자공학과)

초록
AI-Helper

ASBU (aviation system block upgrade)의 핵심 시스템 중 하나인 ADS-B (automatic dependent surveillance - broadcast) 시스템을 설계하고 구현하였다. ADS-B 시스템은 4개의 블록과 10개의 유닛으로 구성되어 있으며, 구현된 ADS-B 시스템에 필터링 알고리즘을 적용하였다. 구현된 ADS-B 시스템의 성능평가를 위해 실제 항공기 데이터를 이용하였으며, 신뢰도가 확보된 레이더 데이터와 비교하였다. 또한 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 항공기 선회, 이륙, 착륙, 순항 등 다양한 상황에서 비교하였다. 성능평가 결과, 구현된 ADS-B 데이터와 레이더 데이터 간의 항공기 위치 차이는 99.57 m이고, 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터 간의 항공기 위치 차이는 평균 8.02 m로 나타났다.

Abstract ▼ AI-Helper

The automatic dependent surveillance - broadcast (ADS-B) system which is a core system of aviation system block upgrade is designed and implemented. The ADS-B system consists of the 4 blocks and 10 units, and filtering algorithm is applied to the implemented ADS-B system. To evaluate a performance of the implemented ADS-B system, real aircraft position data is used and compared reliable radar data. The comparison results show that average position difference of 99.57 m. In addition, comparisons of aircraft position data between the implemented ADS-B system employing filtering algorithm and the conventional ADS-B system under various situations are carried out, such as aircraft turning, taking off, landing, and cruising. The comparison results show that average position difference of 8.02 m.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 ADS-B 서버 시스템을 설계 및 구현하였다. 구현된 ADS-B 시스템은 4개의 블록과 10개의 유닛으로 구성되어 있다.
본 논문에서는 ADS-B 시스템의 핵심이 되는 ADS-B 서버시스템을 설계하고 구현하였다. 구현된 시스템의 성능평가를 위해 ADS-B 데이터를 기존의 레이더 데이터와 비교하였고, 구현된 ADS-B의 성능을 향상시키기 위해 구현된 ADS-B의 데이터에 필터링 알고리즘을 추가하여 비교하였다.
다만 필터링 알고리즘을 적용했을 때 기존의 데이터에 비해 항공기 위치 정보가 정확하다는 연구 결과가 있기 때문에 제안된 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확할 것이라고 예상해 볼 수 있다[12]. 본 논문에서는 이륙, 착륙, 항로 비행 등 다양한 상황에서의 ADS-B 데이터를 이용하여 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 비교하였다.

제안 방법

필터링 알고리즘을 적용한 ADS-B 데이터와 기존 ADS-B 데이터를 비교함으로써 필터링 알고리즘을 적용한 ADS-B 데이터와 기존 ADS-B 데이터 간의 항공기 위치 차이를 비교할 수 있다. ADS-B 데이터와 레이더 데이터 비교와 마찬가지로 실제 항공기 데이터를 이용하여 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 비교하였다. 항공기 위치의 참값을 알고 있는 시뮬레이션과는 달리 실제 항공기 데이터는 항공기 위치의 참값을 모르기 때문에, 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터 간의 정확성을 직접 평가할 수는 없다.
ADS-B 서버 시스템 외의 시스템은 TDG (target data generator) 및 TDR (target data receiver)을 통해 구현하였다. TDG는 ADS-B 감시자료 및 관리자료를 생성하여 ADS-B 서버 시스템으로 송신한다.
구현된 ADS-B 시스템의 성능평가를 위해 시나리오 1에서는 구현된 ADS-B 시스템의 항공기 위치 데이터와 기존의 레이더 데이터를 비교하였다. 시나리오 2에서는 다양한 상황에서 필터링 알고리즘을 적용한 구현된 ADS-B 시스템의 데이터와 필터링 알고리즘을 적용하지 않은 구현된 ADS-B 시스템의 데이터를 비교하였다.
본 논문에서는 ADS-B 시스템의 핵심이 되는 ADS-B 서버시스템을 설계하고 구현하였다. 구현된 시스템의 성능평가를 위해 ADS-B 데이터를 기존의 레이더 데이터와 비교하였고, 구현된 ADS-B의 성능을 향상시키기 위해 구현된 ADS-B의 데이터에 필터링 알고리즘을 추가하여 비교하였다.
Robust IMM 필터를 사용하면 항공기의 위치를 사전에 예측하고, 업데이트하는 과정을 거치기 때문에 보다 정확한 항공기 위치를 얻을 수 있고, ADS-B 신혹 손실되더라도 필터에서 계산한 항공기의 위치를 표시할 수 있는 장점이 있다. 따라서 본 논문에서 구현된 ADS-B 시스템에도 필터링 알고리즘을 적용하여 기존의 ADS-B 데이터와 비교해 보았다[10],[11].
또한 시스템 상태 감시를 위해서 ADS-B, TIS-B 서버로부터 관리자료를 전달받고, 지상장비, ADS-B, TIS-B, FIS-B 서버의 상태를 감시한다. 수집된 시스템 상태는 그래픽 유저 인터페이스를 통해 화면에 현시되고, 다시 지상장비, ADS-B, TIS-B, FIS-B 서버로 전달된다.
구현된 ADS-B 시스템의 성능평가를 위해 시나리오 1에서는 구현된 ADS-B 시스템의 항공기 위치 데이터와 기존의 레이더 데이터를 비교하였다. 시나리오 2에서는 다양한 상황에서 필터링 알고리즘을 적용한 구현된 ADS-B 시스템의 데이터와 필터링 알고리즘을 적용하지 않은 구현된 ADS-B 시스템의 데이터를 비교하였다. 필터링 알고리즘은 레이더 등에서 널리 사용되는 IMM(interacting multiple model) 필터를 ADS-B 시스템에 적합하도록 수정된 Robust IMM 필터를 사용하였다[9].
시나리오 2에서는 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 다양한 상황에서 비교하여 그 차이를 확인하였다. 시뮬레이션과 같이 항공기의 참값을 알 수는 없기 때문에 필터링 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확한 항공기 위치를 제공한다고 할 수는 없지만, 기존 연구결과를 토대로 제안된 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확할 것이라고 추측할 수 있다.
본 논문에서 설계 및 구현의 대상은 ADS-B 시스템 중 ADS-B 서버 시스템이다. 항공기 위치를 제공하는 핵심기능을 수행하는 시스템이 ADS-B 서버 시스템이므로 ADS-B 서버 시스템을 대상으로 설계 및 구현하였다. 그림 2는 본 논문에서 설계 및 구현하는 시스템의 개념도를 나타낸다.
ADS-B 모니터링 시스템은 ADS-B 데이터의 현시 및 재생과 서브시스템 상태 파악 및 원격 제어 기능을 하는 시스템이다. 항공상황 현시를 위해 ADS-B, TIS-B 서버로부터 항공기 감시자료를, FIS-B 서버로부터 기상자료와 비행정보를 전달받아 지도에 현시한다. 항공기는 심볼 및 레이블과 함께 현시되며, 지도는 해안, 항로, 공항 등을 포함한다.

대상 데이터

현재 미국에서는 18,000 ft 이하의 일반항공에서 UAT를 사용하기로 채택하였다. UAT 데이터링크는 1.041667 Mbps의 변조율을 가지며 978 MHz에서 동작하는 데이터링크로 단일 채널을 사용한다. ADS-B 외에도 TIS-B, FIS-B(flight information service - broadcast)를 포함하는 다중 서비스도 지원한다.
본 논문에서 설계 및 구현의 대상은 ADS-B 시스템 중 ADS-B 서버 시스템이다. 항공기 위치를 제공하는 핵심기능을 수행하는 시스템이 ADS-B 서버 시스템이므로 ADS-B 서버 시스템을 대상으로 설계 및 구현하였다.
ADS-B 데이터와 레이더 데이터 비교를 통해 구현된 ADS-B 시스템의 항공기 위치에 대한 신뢰도를 평가할 수 있다. 비교에는 실제 항로에서의 항공기 데이터를 사용하였다. 레이더는 현재 가장 널리 사용되고 있는 항행 시스템 중 하나이기 때문에 구현된 ADS-B 데이터를 레이더 데이터와 비교함으로써 ADS-B 데이터의 신뢰도를 간접적으로 평가할 수 있다.
4개의 블록은 각각 인터페이스 블록, 자료 처리 블록, 자료 저장 블록, 서버관리 블록이며, 표 2는 설계시 사용되는 각 블록의 약어 및 요약을 나타낸다. 인터페이스 블록은 지상장비 수신 유닛, 모니터링 송수신 유닛, TIS-B 송신 유닛, ATM 송신 유닛, 이중화 서버 송수신 유닛 등 5개 유닛으로 구성되어 있다. 자료 처리 블록은 자료 필터링 유닛 1개로 이루어져 있고 자료 저장 블록은 자료 저장 유닛과 자료 재생 유닛 등 2개 유닛으로 구성되어 있다.
인터페이스 블록은 지상장비 수신 유닛, 모니터링 송수신 유닛, TIS-B 송신 유닛, ATM 송신 유닛, 이중화 서버 송수신 유닛 등 5개 유닛으로 구성되어 있다. 자료 처리 블록은 자료 필터링 유닛 1개로 이루어져 있고 자료 저장 블록은 자료 저장 유닛과 자료 재생 유닛 등 2개 유닛으로 구성되어 있다. 마지막으로 서버 관리 블록은 이중화 관리 유닛과 원격 제어 명령 실행 유닛 등 2개 유닛으로 구성되어 있다.

이론/모형

시나리오 2에서는 다양한 상황에서 필터링 알고리즘을 적용한 구현된 ADS-B 시스템의 데이터와 필터링 알고리즘을 적용하지 않은 구현된 ADS-B 시스템의 데이터를 비교하였다. 필터링 알고리즘은 레이더 등에서 널리 사용되는 IMM(interacting multiple model) 필터를 ADS-B 시스템에 적합하도록 수정된 Robust IMM 필터를 사용하였다[9]. Robust IMM 필터를 사용하면 항공기의 위치를 사전에 예측하고, 업데이트하는 과정을 거치기 때문에 보다 정확한 항공기 위치를 얻을 수 있고, ADS-B 신혹 손실되더라도 필터에서 계산한 항공기의 위치를 표시할 수 있는 장점이 있다.

성능/효과

57 m로 나타났다. ADS-B 데이터와 레이더 데이터의 비교를 통해 구현된 ADS-B 시스템의 항공기 위치에 대한 신뢰도를 간접적으로 확인할 수 있었으며, 레이더 데이터의 항공기 위치와 유사하게 나타났다. 또한 필터링 알고리즘인 Robust IMM 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 항공기 선회, 이륙, 착륙, 순항 등 다양한 상황에서 비교하였고, 두 데이터 간의 항공기 위치 차이는 평균 8.
위에 나타난 항공기 위치가 ADS-B 데이터이며, 아래 나타난 항공기 위치가 레이더 데이터이다. ADS-B의 항공기 위치정보 제공 주기가 짧기 때문에 ADS-B 데이터가 레이더 데이터에 비해 많이 현시됨을 확인할 수 있다.
화면에 현시된 ADS-B 데이터와 레이더 데이터 사이의 직선거리를 측정하여 간접적으로 두 데이터 간의 항공기 위치 차이를 계산할 수 있다. 계산 결과, 평균 99.57 m의 차이를 보였다.
구현된 ADS-B 시스템의 성능평가는 ADS-B 데이터의 위치가 실제 항공기 위치를 나타내는 것인지 확인하기 위해서 현재 관제에 사용하고 있는 레이더 데이터의 항공기 위치와 비교하였고, 두 데이터 간의 항공기 위치 차이는 평균 99.57 m로 나타났다. ADS-B 데이터와 레이더 데이터의 비교를 통해 구현된 ADS-B 시스템의 항공기 위치에 대한 신뢰도를 간접적으로 확인할 수 있었으며, 레이더 데이터의 항공기 위치와 유사하게 나타났다.
항공기 위치의 참값을 알고 있는 시뮬레이션과는 달리 실제 항공기 데이터는 항공기 위치의 참값을 모르기 때문에, 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터 간의 정확성을 직접 평가할 수는 없다. 다만 필터링 알고리즘을 적용했을 때 기존의 데이터에 비해 항공기 위치 정보가 정확하다는 연구 결과가 있기 때문에 제안된 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확할 것이라고 예상해 볼 수 있다[12]. 본 논문에서는 이륙, 착륙, 항로 비행 등 다양한 상황에서의 ADS-B 데이터를 이용하여 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 비교하였다.
ADS-B 데이터와 레이더 데이터의 비교를 통해 구현된 ADS-B 시스템의 항공기 위치에 대한 신뢰도를 간접적으로 확인할 수 있었으며, 레이더 데이터의 항공기 위치와 유사하게 나타났다. 또한 필터링 알고리즘인 Robust IMM 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 항공기 선회, 이륙, 착륙, 순항 등 다양한 상황에서 비교하였고, 두 데이터 간의 항공기 위치 차이는 평균 8.02 m로 나타났다.
모든 상황에서 항공기 위치의 발산 없이 정확하게 항공기 위치 추적이 되고 있음을 확인할 수 있다.
시나리오 1에서는 ADS-B 데이터와 레이더 데이터의 비교를 통해 구현된 ADS-B 시스템의 항공기 위치에 대한 신뢰도를 간접적으로 확인할 수 있었다. 두 데이터 간의 항공기 위치 차이는 평균 99.
시나리오 2에서는 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 다양한 상황에서 비교하여 그 차이를 확인하였다. 시뮬레이션과 같이 항공기의 참값을 알 수는 없기 때문에 필터링 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확한 항공기 위치를 제공한다고 할 수는 없지만, 기존 연구결과를 토대로 제안된 알고리즘을 적용한 ADS-B 데이터가 기존의 ADS-B 데이터에 비해 정확할 것이라고 추측할 수 있다.
필터링 알고리즘을 적용한 ADS-B 데이터와 기존 ADS-B 데이터를 비교함으로써 필터링 알고리즘을 적용한 ADS-B 데이터와 기존 ADS-B 데이터 간의 항공기 위치 차이를 비교할 수 있다. ADS-B 데이터와 레이더 데이터 비교와 마찬가지로 실제 항공기 데이터를 이용하여 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터를 비교하였다.
표6은 시나리오 2의 결과를 나타낸 것이다. 필터링 알고리즘을 적용한 ADS-B 데이터와 기존의 ADS-B 데이터 간의 항공기 위치 차이는 평균 8.02 m로 나타났다.

후속연구

추가 연구사항으로는 FIS-B, TIS-B 서버 시스템 등의 구현을 통해 ADS-B 서버 시스템과 연동하여 ADS-B 시스템을 최적화하는 연구가 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	ADS-B의 기능은 정보의 제공 방향에 따라 어떻게 나눌 수 있는가?	ADS-B의 기능은 정보의 제공 방향에 따라 ADS-B IN 및 ADS-B OUT으로 나눌 수 있다[3]. ADS-B IN은 항공기 및 지상 관제기관에서 외부로부터 정보를 제공받는 것을 의미하며, ADS-B OUT은 항공기에서 자신의 정보를 외부로 제공하는 것을 의미한다.
	현재 미국에서는 18,000 ft 이하의 일반항공에서 ADS-B의 데이터링크로 무엇을 사용하는가?	ADS-B 개발 초기에는 1090ES 데이터링크를 사용하였지만, 미국에서 UAT를 이용한 데이터링크를 새롭게 제안하였다. 현재 미국에서는 18,000 ft 이하의 일반항공에서 UAT를 사용하기로 채택하였다. UAT 데이터링크는 1.
	ADS-B 시스템이란 무엇인가?	ASBU (aviation system block upgrade)의 핵심 시스템 중의 하나인 ADS-B (automatic dependent surveillance - broadcast) 시스템은 항공기와 지상 관제부서 혹은 항공기와 항공기 사이에 위치, 속도 및 기타 정보 등의 데이터를 공유하여 조종사 및 관제사에게 보다 나은 상황인식을 제공하고 항공기 감시 능력을 향상시키는 차세대 항공기 추적 시스템이다. ADS-B의 단어적 의미를 살펴보면, Automatic은 조종사의 음성에 의해 수행되는 각종 보고가 자동으로 보고된다는 것을 의미하며, Dependent는 1차 감시 레이더와 달리 위성항법시스템과 같은 추가 시스템이 필요하다는 것을 의미한다.

참고문헌 (12)

Ministry of land transport and maritime R&D report, ADS-B core technology development R&D report for air surveillance, 2010.
Federal aviation administration, FITS generic ADS-B, TIS-B and FIS-B syllabus version 1.0, 2009.
Selex, ADS-B 1090ES ground station system description (ADS-B in/out), 2011.
Eurocontrol, CAT021, ADS-B messages, 2003.
T. Otsuyama, M. Shioji, and S. Ozeki, "Development and feasibility flight test of TIS-B system for situational awareness enhancement," IEICE Transactions on Communications, Vol. E94B, No. 11, pp. 2991-2993, 2011.
Flight information services-broadcast product registry website, http://fpr.tc.faa.gov.
Korea aviation meteorological agency, Aviation meteorological work instructions, 2010.
T. H. Cho, I. S. Song, E. M. Jang, W.O. Yoon, and S. B. Choi, "A Study on FIS-B design and implementation for providing air traffic informations," The Journal of Korea Navigation Institute, Vol. 15, No. 6, pp. 970-976, 2011.
T. H. Cho, J. H. Kim, and S. B. Choi, "Robust filtering algorithm for improvement of air navigation system," The Journal of Korea Navigation Institute, Vol. 19, No. 2, pp. 123-132, 2015.

원문보기 상세보기
T. L. Song, "Filtering theory," Journal of Institute of Control, Robotics and Systems, Vol. 9, No. 2, pp. 413-419, 2003.
H. A. P. Blom, and Y. Bar-Shalom, "The interacting multiple model algorithm for systems with markovian switching coefficients," IEEE Transactions on Automatic Control, Vol. 33, pp. 780-783, 1988.

상세보기
T. H. Cho, K. S. Kim, W. O. Yoon, and S. B. Choi, "The improvement of aircraft position information with the unscented Kalman filter," International Journal of Database Theory and Application, Vol. 5, No. 2, pp. 75-82, 2012.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증