[논문]국내선 항공기 연료소모량 추정및 정확도 향상

홍혜진; 최지헌; 구성관

doi:10.12673/jant.2023.27.5.649

국내선 항공기 연료소모량 추정및 정확도 향상
Estimation of Domestic Aircraft Fuel Consumption and Improved Accuracy 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.27 no.5, 2023년, pp.649 - 657

홍혜진 (한서대학교 일반대학원 항공운항관리학과) , 최지헌 (진에어) , 구성관 (한서대학교 항공산업공학과)

초록
AI-Helper

ICAO는 2016년 39차 총회에서 국제항공 탄소 상쇄 감축제도(CORSIA; carbon offsetting and reduction scheme for international aviation)를 채택하였고, 2023년 1월 1일 기준 우리나라를 포함한 115개국이 CORSIA에 참여하겠다는 의사를 표명했다. 항공 산업에서 발생하는 탄소는 항공기 엔진에서 배출되는 온실가스가 주요인이므로 탄소 배출 감소를 위해서는 연료소모량을 절감해야 한다. 방안별 효과를 예측하고 시행에 대한 의사결정을 위해서는 시뮬레이션 수행 등 사전 연구가 필수적이다. 정확한 결과를 도출하려면 양질의 데이터가 필요한데 그 중 실제 연료소모량 자료는 항공사의 내부 자료로 공개가 되지 않아 확보가 어려운 실정이다. 따라서 본 논문에서는 실제 연료소모량 자료를 기반으로 연료소모량을 추정하는 모형을 구축한 후, 모형의 고도화를 수행하여 정확도를 향상시키고자 한다.

Abstract ▼ AI-Helper

ICAO adopted the Carbon Offsetting and Reduction Scheme for International Aviation (CORSIA) at the 39th General Assembly in 2016, and 115 countries, including South Korea, expressed their intention to participate in CORSIA as of January 1, 2023. Since carbon generated in the aviation industry is mainly caused by greenhouse gases emitted from aircraft engines, fuel consumption must be reduced to reduce carbon emissions. Prior research, such as simulation, is essential to predict the effectiveness of each plan and to make decisions about its implementation. High-quality data is needed to derive accurate results, but it has been difficult to secure actual fuel consumption data, as they are considered to be classified airline data. Therefore, in this paper, after establishing a model that estimates fuel consumption based on actual fuel consumption data, the model is to be advanced to improve its accuracy.

주제어

표/그림 (25)

그림 그림 1. 탄소 배출량 감소 방안 Fig. 1. Carbon emissions reduction plan
표 표 1. 연도별 CORSIA 시행 단계 Table 1. CORSIA implementation steps by year
그림 그림 2. 분석 대상 항공편의 항적 Fig. 2. Trajectories of flights to be analyzed
표 표 2. 노선별 분석 대상 항공편수 Table 2. Number of flights to be analyzed by route
그림 그림 3. 비행구간 연료소모량 추정 순서 Fig. 3. Steps for estimation of fuel consumption in flight phase
그림 그림 4. AEDT 실행 GUI Fig. 4. AEDT GUI
표 표 3. 추정한 연료소모량의 산출 예시 Table 3. Example of estimated fuel consumption
그림 그림 5. Rwy to Rwy 구간의 연료소모량 실제 값과 추정 값 비교 Fig. 5. Comparison the actual and estimated fuel consumption(rwy to rwy)
그림 그림 6. 출발 지상이동구간의 연료소모량 실제 값과 추정 값 비교 Fig. 6. Comparison the actual and estimated fuel consumption(taxi-out)
그림 그림 7. 도착 지상이동구간의 연료소모량 실제 값과 추정 값 비교 Fig. 7. Comparison the actual and estimated fuel consumption(taxi-in)
표 표 4. 항공편별 연료소모량 실제값과 추정값 예시 Table 4. Example of actual and estimated fuel consumption by flight
표 표 6. 지상이동구간 연료소모량 추정 모형의 정확도 Table 6. Accuracy of the fuel consumption estimation model(taxi phase)
표 표 5. 비행구간 연료소모량 추정 모형의 정확도 Table 5. Accuracy of the fuel consumption estimation model(flight phase)
그림 그림 8. PCA를 적용한 출발 지상이동구간 데이터 Fig. 8. Taxi-out data with PCA
그림 그림 9. PCA를 적용한 도착 지상이동구간 데이터 Fig. 9. Taxi-in data with PCA
그림 그림 10. 출발 지상이동구간 데이터의 회전 전후 비교 Fig. 10. Comparison of data rotation results(taxi-out)
그림 그림 11. 도착 지상이동구간 데이터의 회전 전후 비교 Fig. 11. Comparison of data rotation results(taxi-in)
그림 그림 12. 출발 지상이동구간 모형 보정 결과 Fig. 12. Model calibration results(taxi-out)
그림 그림 13. 도착 지상이동구간 모형 보정 결과 Fig. 13. Model calibration results(taxi-in)
그림 그림 14. 비행구간 연료소모량 추정 모형 검증 Fig. 14. Verification of fuel consumption estimation model(rwy to rwy)
그림 그림 15. 출발 지상이동구간 연료소모량 추정 모형 검증 Fig. 15. Verification of fuel consumption estimation model(taxi-out)
그림 그림 16. 도착 지상이동구간 연료소모량 추정 모형 검증 Fig. 16. Verification of fuel consumption estimation model(taxi-in)
표 표 7. 지상이동구간 연료소모량 추정 모형의 고도화 전후 비교 Table 7. Comparison of model advancement results(taxi phase)
그림 그림 17. 전체 비행구간 연료소모량 추정 모형 검증 Fig. 17. Verification of fuel consumption estimation model(all phases)
표 표 8. 연료소모량 추정 모형의 검증 결과 Table 8. Verification results of the fuel consumption estimation model

AI 본문요약
AI-Helper

문제 정의

정밀한 연료소모량 추정을 위해 비행구간과 지상이동구간으로 나누어 구간별 연료소모량을 추정하고, 이를 검증하기 위해 실제 연료소모량 자료를 활용하였다. 본 논문은 FDR (flight data recorder) 데이터 없이도 연료소모량을 실제와 유사하게 추정할 수 있는 방안에 대하여 중점을 두고자 한다.

제안 방법

따라서 본 논문에서는 실제 연료소모량 자료를 기반으로 연료소모량을 추정하는 모형을 구축한 후, 모형의 고도화를 수행하여 정확도를 향상시키는 방법을 적용하였다. 실제 연료 소모량 자료는 모 항공사의 운항승무원들이 운항 중 기록한 자료를 활용하였다.
본 논문은 선행 연구에서 핵심적으로 활용한 Eurocontrol의 BADA 모델뿐만 아니라다양한 운영조건등을모델에 고려할 수 있는 시뮬레이션 방법을 통해 연료소모량을 추정하였다. 정밀한 연료소모량 추정을 위해 비행구간과 지상이동구간으로 나누어 구간별 연료소모량을 추정하고, 이를 검증하기 위해 실제 연료소모량 자료를 활용하였다.
본 연구에서는 원활한 분석을 위해 지상이동구간과 출발공항 활주로에서 도착공항 활주로까지의 비행구간 (Rwy to Rwy)으로 구분하였다. AEDT에서 지상이동구간의 연료소모량을 산출하는 공식은 수식 1과 같다.
비행구간의 항공기 연료소모량 추정 순서는 그림 3과 같다. 온라인 항적 데이터 제공 사이트를 통해 수집한 항적 데이터를 AEDT에 입력하여 연료소모량 추정 값을 도출한다. 지상 이동구간과는 달리 Rwy to Rwy 구간은 소프트웨어 설계상 그림 4와 같은 AEDT GUI로는 데이터 입력이 불가하다.
본 논문은 선행 연구에서 핵심적으로 활용한 Eurocontrol의 BADA 모델뿐만 아니라다양한 운영조건등을모델에 고려할 수 있는 시뮬레이션 방법을 통해 연료소모량을 추정하였다. 정밀한 연료소모량 추정을 위해 비행구간과 지상이동구간으로 나누어 구간별 연료소모량을 추정하고, 이를 검증하기 위해 실제 연료소모량 자료를 활용하였다. 본 논문은 FDR (flight data recorder) 데이터 없이도 연료소모량을 실제와 유사하게 추정할 수 있는 방안에 대하여 중점을 두고자 한다.
지상이동시간을 구하기 위해 지상이동구간을 출발 지상이동구간(Taxi-out)과 도착 지상이동구간(Taxi-in)으로 구분하고, 수식 2와 3을 통해 출발 지상이동시간(Taxi-out time)과 도착 지상이동 시간(Taxi-in time)을 산출하였다. 출발 지상이동시간은 이륙시간(Departure time)에서 주기장 진출시간(Off-block time)을 뺀 시간을 의미하며, 도착 지상이동시간(Taxi-in time)은 주기장 진입시간(In-block time)에서 착륙시간(Arrival time)을 뺀 시간이다.

대상 데이터

연료소모량을 추정하고 이를 실제 연료소모량과 비교하기 위해 모 항공사의 운항승무원들이 직접 운항한 국내선 항공편을 분석 대상으로 하였다. 분석대상항공편은 2021년 7월부터 2022년3월까지 8개의 공항(김포공항, 제주공항, 청주공항, 김해공항, 광주공항, 군산공항, 대구공항, 원주공항)을 대상으로 운항한 총 115편의 항공편이며, 노선별 분석 대상 항공편은 표 2에 정리하였다.
따라서 본 논문에서는 실제 연료소모량 자료를 기반으로 연료소모량을 추정하는 모형을 구축한 후, 모형의 고도화를 수행하여 정확도를 향상시키는 방법을 적용하였다. 실제 연료 소모량 자료는 모 항공사의 운항승무원들이 운항 중 기록한 자료를 활용하였다.
연료소모량을 추정하고 이를 실제 연료소모량과 비교하기 위해 모 항공사의 운항승무원들이 직접 운항한 국내선 항공편을 분석 대상으로 하였다. 분석대상항공편은 2021년 7월부터 2022년3월까지 8개의 공항(김포공항, 제주공항, 청주공항, 김해공항, 광주공항, 군산공항, 대구공항, 원주공항)을 대상으로 운항한 총 115편의 항공편이며, 노선별 분석 대상 항공편은 표 2에 정리하였다.
이에 본 연구에서는 비교적 쉽게 접근할 수 있는 온라인 ADS-B 데이터 제공 사이트 중 하나인 Flight Radar24를 통해 항적 데이터를 수집하였다. Matlab R2023a 버전을 이용하여 분석 대상 항공편의 항적 데이터를 표출한 결과는 그림 2와 같다.

후속연구

본 논문은 특정 항공사의 실제 연료소모량 데이터만을 이용한 것으로 추후 다양한 항공사의 데이터가 확보된다면 더욱 정확한 추정이 가능할 것이다. 또한 추정 모형을 통해 연료소모량을 추정하고 탄소 배출량 감소를 위한 방안별 연료소모량 절감 효과 분석에 활용함으로써 ICAO의 CORSIA 제도 이행에 기여할 수 있을 것으로 기대한다.
본 논문은 특정 항공사의 실제 연료소모량 데이터만을 이용한 것으로 추후 다양한 항공사의 데이터가 확보된다면 더욱 정확한 추정이 가능할 것이다. 또한 추정 모형을 통해 연료소모량을 추정하고 탄소 배출량 감소를 위한 방안별 연료소모량 절감 효과 분석에 활용함으로써 ICAO의 CORSIA 제도 이행에 기여할 수 있을 것으로 기대한다.
이처럼 연료소모량은 경제적, 환경적 측면과 밀접한 관련이 있으므로 정확한 연료소모량 추정은 정책 도입 효과분석, 사전 예측 및 타당성 검토 등에 활용될 수 있다.

참고문헌 (10)

ICAO, Annex 16, Environmental Protection Volume 4,？Carbon Offsetting and Reduction Scheme for International？Aviation(CORSIA), International Civil Aviation？Organization, 2018.
ICAO, Environmental Report, Chapter 6, Climate Change？Mitigation : CORSIA, International Civil Aviation？Organization, 2019.
J. H. Park, Estimation of flight fuel consumption based on？flight track data and the reliability analysis, Master's thesis,？Korea Aerospace University, Gyeonggi-do, Korea, Feb.？2014.
E. Calvo Buendia, K. Tanabe, A. Kranjc, J. Baasansuren, M.？Fukuda, S. Ngarize, A. Osako, Y. Pyrozhenko, P.？Shermanau and S. Federici, Guidelines for National Greenhouse Gas Inventories, Volume 2, Energy, IPCC,？2006.
J. S. Woo, Y. J. Lee and K. E. Yoo, "A case study of aircraft？taxi fuel consumption prediction model (A380 case),"？Journal of the Korean Society for Aviation and？Aeronautics, Vol. 28, No. 2, pp.29-35, Jun. 2020.
K. Seymour, M. Held, G. Georges and K. Boulouchos,？"Fuel estimation in air transportation: modeling global fuel？consumption for commercial aviation," Transportation？Research Part D: Transport and Environment, Vol. 88,？Nov. 2020.

상세보기
U.S. DOT Volpe Center, Aviation Environmental Design？Tool (AEDT) User Manual, version 3e, U.S. Department of？Transportation Volpe National Transportation Systems？Center, 2022.
U.S. DOT Volpe Center, Aviation Environmental Design？Tool (AEDT) Technical Manual, version 3e, U.S.？Department of Transportation Volpe National？Transportation Systems Center, 2022.
J. Y. Yang, S. Y. Jeon and H. S. Lee, "Predictive models？and visualizations according to outcome variables using r -？focusing on regression analysis," Journal of Health？Informatics and Statistics, Vol. 47, pp. 21-30, Aug. 2022.
G. Zhang, Comparison of principal component analysis？methods of missing data, Master's thesis, Korea University,？Seoul, Korea, Jun. 2015.

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