[논문]UAM 비행 경로 계획을 위한 위험 비용 모델 연구 동향 분석

김재현; 이동민; 이명진; 최영훈; 권지훈; 나종화

doi:10.12673/jant.2024.28.1.68

UAM 비행 경로 계획을 위한 위험 비용 모델 연구 동향 분석
Research Trend Analysis of Risk Cost Model for UAM Flight Path Planning 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.28 no.1, 2024년, pp.68 - 76

김재현 (한국항공대학교 스마트항공모빌리티학과) , 이동민 (한국항공대학교 스마트항공모빌리티학과) , 이명진 (한국항공대학교 스마트항공모빌리티학과) , 최영훈 (한국항공대학교 스마트드론공학과) , 권지훈 (항공안전기술원 항공인증본부) , 나종화 (한국항공대학교 항공전자정보공학과)

초록
AI-Helper

최근 국내외 무인기 시장이 급속도로 성장하고 UAM과 같은 도심 내 UAV 운용의 중요성이 증가함에 따라 UAV의 고장으로 인한 인명 및 재산 피해에 대한 안전 관리 및 규제 체계가 부각되고 있다. 본 연구에서는 안전한 UAM 비행 경로 계획을 위해 운용 지역의 위험을 평가하는 위험 비용 모델들을 비교 분석하고, 각 모델의 주요 한계점을 식별하여 향후 모델 개발 시 고려해야 할 사항들을 도출하였다. 본 연구는 UAM 운용의 안전성 향상을 위한 기초적인 모델을 제공함으로써, UAM 비행 경로 계획 관련 분야의 기술적 개선과 정책 결정에 중요한 기여를 할 것으로 기대된다.

Abstract ▼ AI-Helper

With the recent rapid growth of the domestic and international unmanned aerial vehicle (UAV) market and the increasing importance of UAV operations in urban centers, such as UAMs, the safety management and regulatory framework for human life and property damage caused by UAV failures has been emphasized. In this study, we conducted a comparative analysis of risk-cost models that evaluate the risk of an operating area for safe UAM flight path planning, and identified the main limitations of each model to derive considerations for future model development. By providing a basic model for improving the safety of UAM operations, this study is expected to make an important contribution to technical improvements and policy decisions in the field of UAM flight path planning.

주제어

표/그림 (14)

그림 그림 1. UAV와 지상의 사람 [21]. Fig. 1. UAV and pedestrians [21].
그림 그림 2. 편의시설과의 거리에 따른 인구 밀도 분포 변화 [22]. Fig. 2. Changes in population density distribution based on distance to amenities [22].
그림 그림 3. 사람 충돌 위험 비용 모델 플로우차트. 실선 플로우는 [19],[20] 내 모델, 점선 플로우는 [22],[23] 내 모델의 플로우를 의미함. Fig. 3. Flowchart of the human risk cost model. Solid flow represents the analytical model in papers [19],[20], dashed flow represents the analytical model in papers [22],[23].
그림 그림 4. UAV와 지상 차량 [21]. Fig. 4. UAVs and ground vehicles [21].
표 표 1. 분석 지역의 환경에 따른 쉘터 계수 [26]. Table 1. Shelter factor based on the environment of the analysis area [26].
그림 그림 5. 차량 충돌 위험 비용 모델 플로우차트. 실선 플로우는 [20] 내 모델, 점선 플로우는 [22], [23] 내 모델의 플로우를 의미. Fig. 5. Flowchart of the vehicle risk cost model. Solid flow is the flow of the analytical model in the paper [20], The dashed flow is the flow of the analytical model in the paper [22], [23].
그림 그림 6. 건물 충돌 위험 비용 모델 플로우차트. 실선 플로우는 [22] 내 모델, 점선 플로우는 [23] 내 모델의 플로우를 의미. Fig. 6. Flowchart of the building risk cost model. The solid flow represents the flow of the analytical model in paper [22], and the dashed flow represents the flow of the analytical model in paper [23].
그림 그림 7. 좌측은 대한민국 서울시의 6km x 6km 지역 지도 (A), 우측은 QGIS로 식별한 해당 지역의 건물들 (B). Fig. 7. On the left, a map of a 6 km x 6 km area in Seoul, South Korea (A), and on the right, buildings in the area identified in QGIS (B).
그림 그림 8. 이미지 인식 알고리즘을 통해 식별한 주요 도로. Fig. 8. Major roads identified by image recognition algorithms.
그림 그림 9. 좌측은 [19], [20]의 사람 충돌 위험 비용 모델 결과 (A), 우측은 [22], [23]의 사람 충돌 위험 비용 모델 결과 (B). Fig. 9. On the left, the results of the human collision risk cost model from [19], [20] (A); on the right, the results of the human collision risk cost model from [22], [23] (B).
그림 그림 10. 좌측은 [20]의 차량 충돌 위험 비용 모델 결과 (A), 우측은 [22], [23]의 차량 충돌 위험 비용 모델 결과 (B). Fig. 10. On the left, the results of the vehicle crash risk cost model from [20] (A); on the right, the results of the vehicle crash risk cost model from [22], [23] (B).
그림 그림 11. 600m × 600m 크기의 가상 지역, 각 점은 건물의 중심을 의미. Fig. 11. A virtual region measuring 600 meters by 600 meters, with each point representing the center of a building.
그림 그림 12. 좌측은 [22]의 건물 충돌 위험 비용 모델 결과 (A), 우측은 [23]의 건물 충돌 위험 비용 분석 모델 결과 (B). Fig. 12. On the left, the results of the building crash risk cost model from [22] (A); on the right, the results of the building crash risk cost analysis model from [23] (B).
표 표 2. 위험 비용 모델 비교 결과 요약. Table 2. Summary of risk cost model comparison results.

AI 본문요약
AI-Helper

문제 정의

본 연구는 운용 지역의 위험에 따른 안전한 UAM 비행 경로 계획을 세우기 위한 일환으로, 기존 연구의 위험 비용 모델을 비교 분석하고, 향후 모델 개발 시 고려해야 할 주요 한계점들을 식별했다.

제안 방법

이는 해당 모델은 정확한 건물 중심 위치를 알아야 하기 때문이다. 따라서 가상의 새로운 지역을 만들고 해당 지역에서 위험 비용 분석을 수행했다. 새로운 지역은 600m × 600m 크기의 가상 지역으로 해당 지역의 랜덤한 위치에 10개의 건물을 배치했으며, 건물 면적 표준편차는 8로 설정하였다.
이를 위해 위험 비용 모델들의 모델식과 주요 파라미터를 확인하고, 위험 비용 분석 과정을 플로우 차트로 표현하였다. 또한 분석 결과를 바탕으로 위험 비용 모델을 구현하고, UAM 회랑으로 지정된 지역 일부분을 대상으로 위험 비용 분석을 수행하여 결과를 비교하였다.
본 연구는 기존 위험 비용 모델들 중 사람, 차량, 건물에 대한 충돌 위험 비용 모델들을 분석하고 비교한다. 이를 위해 위험 비용 모델들의 모델식과 주요 파라미터를 확인하고, 위험 비용 분석 과정을 플로우 차트로 표현하였다.
본 연구에서는 분석 모델로 기존 연구의 위험 비용 모델 중 지상의 사람과 차량에 대한 위험과 건물에 대한 위험에 대하여 위험 비용을 분석하는 모델을 선정하였다.
본 연구에서는 앞 장에서 설명한 위험 비용 모델을 비교하기 위해 지역을 선정하고 해당 지역에 대해 위험 비용 모델을 적용했다. 지역 선정 시 해당 지역의 비행 금지 구역 여부는 고려하지 않았으며, 위험 비용 모델은 MATLAB을 활용하여 구현하였다.
본 연구에서는 해당 지역의 위험 비용을 분석하기 위해 지역을 60 × 60 크기의 그리드(grid)로 나누었다
운용 지역의 위험을 분석하는 명확한 기준이 없다는 문제를 개선하기 위해 위험 비용 모델 연구가 수행되었다. 위험 비용 모델은 사람, 차량[7], [8], 건물, 그리고 UAV과 유인 항공기간의 충돌[9]-[12] 등과 같은 UAV 운용 지역의 다양한 위험 유형에 대하여 위험을 정량화한 값인 위험 비용을 분석하고, 이를 바탕으로 위험 지도를 생성한다.
본 연구는 기존 위험 비용 모델들 중 사람, 차량, 건물에 대한 충돌 위험 비용 모델들을 분석하고 비교한다. 이를 위해 위험 비용 모델들의 모델식과 주요 파라미터를 확인하고, 위험 비용 분석 과정을 플로우 차트로 표현하였다. 또한 분석 결과를 바탕으로 위험 비용 모델을 구현하고, UAM 회랑으로 지정된 지역 일부분을 대상으로 위험 비용 분석을 수행하여 결과를 비교하였다.

대상 데이터

운용 지역의 위험을 분석하는 명확한 기준이 없다는 문제를 개선하기 위해 위험 비용 모델 연구가 수행되었다. 위험 비용 모델은 사람, 차량[7], [8], 건물, 그리고 UAV과 유인 항공기간의 충돌[9]-[12] 등과 같은 UAV 운용 지역의 다양한 위험 유형에 대하여 위험을 정량화한 값인 위험 비용을 분석하고, 이를 바탕으로 위험 지도를 생성한다.
위험 비용 분석 지역은 6km × 6km 크기의 서울특별시 지역으로 선정하였다
해당 지역의 차량 밀도 데이터는 서울 열린 데이터 광장의 서울시 도로 현황 (도로율) 통계[30]와 서울시 교통 정보의 2022년 서울특별시 교통량 조사자료[31]를 이용하여 확보하였다. 해당 지역의 건물 면적, 높이 데이터는 QGIS[32]와 국가공간정보포털 오픈 API의 부동산 개방 데이터[33]을 이용하여 확보하였다.
해당 지역의 인구 밀도 데이터는 국토 정보 플랫폼 국토 정보 맵[29]에서 확보하였다. 해당 지역의 차량 밀도 데이터는 서울 열린 데이터 광장의 서울시 도로 현황 (도로율) 통계[30]와 서울시 교통 정보의 2022년 서울특별시 교통량 조사자료[31]를 이용하여 확보하였다. 해당 지역의 건물 면적, 높이 데이터는 QGIS[32]와 국가공간정보포털 오픈 API의 부동산 개방 데이터[33]을 이용하여 확보하였다.

이론/모형

이후 새로운 지역과 기존 지역을 60 × 60 크기의 그리드로 나누고, 각 그리드셀에 대하여 [22], [23]의 건물 충돌 위험 비용 모델을 적용하여 위험 비용 분석을 수행하였다
본 연구에서는 앞 장에서 설명한 위험 비용 모델을 비교하기 위해 지역을 선정하고 해당 지역에 대해 위험 비용 모델을 적용했다. 지역 선정 시 해당 지역의 비행 금지 구역 여부는 고려하지 않았으며, 위험 비용 모델은 MATLAB을 활용하여 구현하였다.

성능/효과

각 위험 비용 모델을 표 2와 같이 정리한 결과, 사람 충돌 위험 비용 모델과 차량 충돌 위험 비용 모델은 인구 밀도 분포와 차량 밀도 분포를 반영한 [22], [23]의 사람, 차량, 건물 충돌 위험 비용 모델이 UAM 비행 경로 계획에 적합했다. 그 이유는 해당 모델이 인구와 차량 밀도가 높을 것으로 예상되는 편의시설 주변 지역의 위험 비용을 높게 평가했기 때문이다.
비교 분석 결과, 인구 밀도와 차량 밀도를 반영하는 사람과 차량 충돌 위험 비용 모델이 안전한 UAM 비행 경로 계획에 적합했다. 건물 충돌 위험 비용 모델에서는 소규모 분석 지역에서는 건물 면적 기반 건물 충돌 위험 비용 모델, 대규모 분석지역에서는 건물 높이 기반 건물 충돌 위험 비용 모델이 적합했다.
비교 분석 결과, 인구 밀도와 차량 밀도를 반영하는 사람과 차량 충돌 위험 비용 모델이 안전한 UAM 비행 경로 계획에 적합했다. 건물 충돌 위험 비용 모델에서는 소규모 분석 지역에서는 건물 면적 기반 건물 충돌 위험 비용 모델, 대규모 분석지역에서는 건물 높이 기반 건물 충돌 위험 비용 모델이 적합했다.
셋째, 건물 면적과 높이를 동시에 고려한 건물 충돌 위험 비용 모델의 필요성이 드러났다. 이는 면적이 넓지만, 높이가 낮은 건물과 면적이 좁지만, 높이가 높은 건물이 모두 존재할 수 있기 때문이다.
그러나 해당 모델들은 다음과 같은 한계점을 확인할 수 있었다. 첫째, 시간에 따른 인구 밀도 분포 변화가 반영되지 않았다. 이는 편의시설의 인구 밀도 분포 변화를 고려하지 않음을 의미하며, 특히 야간 시간대에 기존 모델을 적용하면 현실과 다른 위험 비용을 계산할 위험이 있다.

후속연구

둘째, 편의시설을 지역적으로 넓은 범위가 아닌 단일 건물로만 고려하였다는 한계가 있다. 이는 인근 지역의 복합적인 인구 밀도와 활동 패턴을 충분히 반영하지 못하여, 실제 도시환경에서의 위험 분석에 있어서 제한적일 수 있다.
본 연구의 분석 결과 및 식별된 한계점은 UAM 비행 경로 계획을 위한 모델의 개선 방향을 제시하며, 관련 분야의 기술적 개선과 정책 결정에 중요한 기여를 할 것으로 기대된다.

참고문헌 (34)

G. Cai, J. M. Dias, and L. Seneviratne, "A survey of？small-scale unmanned aerial vehicles: recent advances and？future development trends," Unmanned Systems. Vol. 2, No.？02, pp. 175-199, 2014.
O. B. Jensen, "Drone city-power, design and aerial mobility？in the age of smart cities," Geographica Heletica, Vol. 71,？No. 02, pp. 67-75, 2016.
F. Mohammed, A. Idries, N. Mohamed, J. Al-Jaroodi, and I.？Jawhar, "Uavs for smart cities: opportunities and？challenges." in 2014 International Conference on Unmanned Aircraft Systems (ICUAS), Orlando; FI, pp.？267-273, 2014.
B. Pang, E. M. Ng, and K. H. Low, "UAV trajectory？estimation and deviation analysis for contingency？management in urban environments." in AIAA Aviation 2020？Forum, Virtual Event, June 2020.
C. H. Koha, K .H. Low, L. Lib, Y. Zhaob, C. Denga, S. K.？Tana, Y. Chenb, B. C. Yeapa, and X. Lia "Weight threshold？estimation of falling UAVs (Unmanned Aerial Vehicles)？based on impact energy," Transportation Research Part C:？Emerging Technologies, Vol. 93, pp. 228-55, 2018.

상세보기
D. Konstantinos, V. Kimon P, and P. Les A, "Evaluating the？risk of unmanned aircraft ground impacts," in 16th？Mediterranean Conference on Control and Automation,？Ajaccio-Corsica: France, pp. 709-716, 2008.
R. A. Clothier, B. P. Williams, and K. J. Hayhurst,？"Modelling the risks remotely piloted aircraft pose to people on the ground," Safety Science, Vol. 101, pp. 33-47, 2018.

상세보기
I. Mariusz, J.-G. Ilona, and G. Pawel, "Minimisation of the？probability of serious road accidents in the transport of？dangerous goods," Reliability Engineering and System Safety, Vol. 217, p. 108093, 2022.

상세보기
V. R. M. Arnaldo, C. V. F. Gomez, C. J. A. Perez, S. A.？Rodriguez, S. L. Perez, A. E. Sanchez, and N. F. J. Saez,？"Development of safety performance functions (SPFs) to？analyse and predict aircraft loss of separation in accordance？with the characteristics of the airspace," Reliability？Engineering and System Safety, Vol. 186, pp. 143-161,？2019.

상세보기
C. H. J. Wang, S. K. Tan, and K. H. Low, "Collision risk？management for noncooperative UAS traffic in？airport-restricted airspace with alert zones based on probabilistic conflict map," Transportation Research Part？C: Emerging Technologies, Vol. 109, pp. 19-39, 2019.

상세보기
Z. Yiyuan, Z. Honghai, Z. Gang, L. Hao, and F. Dikun.？"Collision probability estimation for small unmanned？aircraft systems," Reliability Engineering and System Safety,？Vol. 213, p. 107619, 2021.

상세보기
P. D. Vascik and R. J. Hansman, "Assessing integration？between emerging and conventional operations in urban？airspace." in AIAA Aviation Forum 2019, pp. 1-24,？Published Online:15 Jun 2019.
J. Cho, and Y. Yoon. "Extraction and interpretation of？geometrical and topological properties of urban airspace for？UAS operations." in 13th USA/Europe Air Traffic？Management Research and Development Seminar, Vienna:？Austria, 2019.
M. Salleh, W. Chi, Z. Wang, S. Huang, D. Y. Tan, T.？Huang, and K. H. Low, "Preliminary concept of adaptive？urban airspace management for unmanned aircraft？operations," in 2018 AIAA Information Systems-AIAA？Infotech@ Aerospace, pp. 8-12, Published Online:7 Jan？2018.
R. Clothier, R Walker, N. Fulton, and D. Campbell, "A？casualty risk analysis for unmanned aerial system (UAS)？operations over inhabited areas," in AIAC12, Twelfth？Australian International Aerospace Congress, 2nd？Australasian Unmanned Air Vehicles Conference, Bristol:？England, pp. 1-15, 2007.
K. Dalamagkidis, K. P. Valavanis, and L. A. Piegl "On？integrating unmanned aircraft systems into the national？airspace system: issues, challenges, operational restrictions,？certification, and recommendations," Springer Science &？Business Media, Vol. 54, 2011.
G. Guglieri, and G. Ristorto, "Safety assessment for light？remotely piloted aircraft systems," in INAIR 2016 - International Conference on Air Transport, Vol. 1, Vienna:？Austria, pp. 1-7, 2016.
A. Cour-Harbo, "Quantifying ground impact fatality rate？for small unmanned aircraft," Journal of Intelligent &？Robotic Systems, Vol 93, pp. 367-384, 2019.
S. Primatesta, G. Guglieri, and A. Rizzo, "A risk-aware？path planning strategy for UAVs in urban environments,"？Journal of Intelligent & Robotic Systems, Vol. 95, pp.？629-643, 2019.

상세보기
X. Hu, B. Pang, F. Dai, and K. H. Low, "Risk assessment？model for UAV cost-effective path planning in urban？environments," IEEE Access, Vol. 8, pp. 150162-150173,？2020.
J. Rappaport, "Consumption amenities and city population？density," Regional Science and Urban Economics, Vol. 38,？No. 06, pp. 533-52, 2008.
Q. Shao, J. Li, R. Li, J. Zhang, and X. Gao, "Study of urban？logistics drone path planning model incorporating service？benefit and risk cost," Drones, Vol. 6, No. 12, Online？publication, Paper number 418, 2022.

상세보기
B. Pang, X. Hu, W. Dai, and K. H. Low, "UAV path？optimization with an integrated cost assessment model？considering third-party risks in metropolitan environments,"？Reliability Engineering and System Safety, Vol. 222, Online？publication, Paper number 108399, 2022.

상세보기
B. Pang, W. Dai, X. Hu, F. Dai, and K. H. Low, "Multiple？air route crossing waypoints optimization via artificial？potential field method," Chinese Journal of Aeronautics, Vol. 34, No. 4, pp. 279-292, 2021.

상세보기
P. Devillea, C. Linardc, S. Martine, M. Gilbert, F. R.？Stevens, A. E. Gaughan, V. D. Blondela, and A. J. Tatem,？"Dynamic population mapping using mobile phone data,"？Proceedings of the National Academy of Sciences of the？United States of America, Vol. 111, No. 45, pp. 15888-15893, 2014.
S. Primatesta, A. Rizzo, and A. Cour-Harbo, "Ground risk？map for unmanned aircraft in urban environments," Journal？of Intelligent & Robotic Systems, Vol. 97, pp. 489-509,？2020.

상세보기
T. Hicks, J. Kirtner, and H. Anderson. The application of？land use / land cover (clutter) data to wireless？communication system design. EDX Engineering,？Technology White Paper [Internet]. Available: https://proceedings.esri.com/library/userconf/proc98/PROCEED/TO550/PAP525/P525.HTM
H. Usui, "Statistical distribution of building lot depth:？theoretical and empirical investigation of downtown districts？in Tokyo," Environment and Planning B: Urban Analytics？and City Science, Vol. 46, No. 8, pp. 1499 -1516, 2019.

상세보기
Korea Ministry of Land, Infrastructure, and Transport.？National land information platform. National Land Information Map [Internet]. Available: https://map.ngii.go.kr/ms/map/NlipMap.do?tabGbtotal.
Seoul Open Data Square. Statistics on the status of roads？(road ratio) in Seoul [Internet]. Available: https://data.seoul.？go.kr/dataList/258/S/2/datasetView.do
Traffic information for Seoul. Data from the 2022 Seoul？Traffic Survey [Internet]. Available: https://topis.seoul.go.kr/refRoom/openRefRoom_2.do
Free and open source geographic information systems.？QGIS [Internet]. Available: https://qgis.org/ko/site/
National Spatial Information Portal Open API. Real Estate？Open Data [Internet]. Available: https://www.data.go.kr/data/15123996/openapi.do
Seoul. Traffic Accident Statistics. [Internet]. Avilable:？https://news.seoul.go.kr/traffic/archives/335

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