Ⅰ.머리글

  UAM은 지상교통의 혼잡을 해결하기 위하여 등장한 3차원 교통수단으로 회랑이라는 특정한 경로를 따라 비행한다. 건물과 인구가 밀집된 저고도 상공을 비행하기 때문에 안전이 부각되고 실제 UAM 운항이 이루어지기 이전에 수립된 회랑을 따라 UAM이 어떻게 비행할 것인가를 알기 위해 시뮬레이션이 필요하다.

  선행된 UAM 시뮬레이션 연구들을 살펴보면, UAM 기체의 스펙과 성능을 반영하여 UAM 시뮬레이션을 구축한다. 이를 위해 기체의 상승각, 로터 각, 날개의 길이 등 다양한 데이터들이 필요하지만 현재 개발 중인 기체의 자료를 구하기 쉽지 않다. 본 연구에서는 기존 항공기의 과거 항적 데이터(ADS-B)의 스케일을 줄여 UAM 항적을 생성하고, 해당 항적들로 시뮬레이션을 구축하였다.

그림 1. 선행 연구 항적 생성 방법

Ⅱ. 본론

  본 연구에서는 2022.07.01~2022.09.30 간의 항적으로, 인천 공항 ARP(Airport Reference Point) 기준 반경 20NM 이내의 항적 중 인천 공항 활주로 15L에 착륙하는 항적을 사용하였다. 항공기는 참조지점인 Fix와 항공로를 따라 비행하는데, 이를 기록한 것이 항적 데이터이며, 바람이나 항법장비 오차 등의 이유로 항공로를 정확하게 따라가지는 못한다.

그림 3. 편차 예시

  그림 3과 같이 항적, 항공로의 위도, 경도, 고도 좌표를 x,y,z로 나타낼 수 있고, 편차는수식으로 식[1]과 같이 나타낼 수 있다.

식[1]

  본 연구에서는 해당 편차 데이터로 가우시안 혼합 모형을 학습하여 항적을 생성하였다. 하지만 해당 편차 데이터는 기존 항공기의 크기를 가지기 때문에 UAM에 맞도록 크기를 줄여야한다. 그림4는 본 연구에서 임의로 설정한 UAM 터미널 공역의 회랑으로 수평 3,000ft, 수직 500ft의 폭을 가진다. UAM 항적이 회랑을 벗어나지 않도록 기존 항공기 편차를 각각의 범위 내에 들어오도록 다운 스케일링 하였다.

그림 4. UAM 터미널 공역 회랑

  다운 스케일링 한 편차 데이터는 가우시안 혼합 모형으로 학습하여 편차 분포들을 얻고, 해당 분포들에서 랜덤 샘플링한 값을 설정한 회랑의 기준점들에 더해주면 새로운 UAM 항적들이 생성된다.

Ⅲ. 결과

  그림 (a), (b), (c), (d)는 본 연구에서 제안된 방법을 이용해 UAM 항공기를시뮬레이션한 결과의 스냅샷(snapshot)이다. 버티포트를 기준으로 반경 9.3 km 내로 임의로 설정된 UAM 회랑에 대해 UAM 항적 생성 모델로 생성한 100대의 UAM 항적을 시뮬레이션하였다. 그림 (a)는 생성된 모든 항적이 동일한 1개의 회랑만 이용하는 경우이고, (b)와 (c)는 생성된 항적이 랜덤하게 서로 다른 회랑을 선택해 비행하는 상황을 시뮬레이션한 것이다. (d)는 시뮬레이션 항적을 확대한 것으로, 회랑 경로에 편차를 두고 비행하는 것을 알 수 있다.

그림 (a). UAM 터미널 공역 시뮬레이션

그림 (c). UAM 터미널 공역 시뮬레이션

맺음말

  본 연구는 기존 항공기 항적데이터와 가우시안 혼합 모형을 활용하여 UAM 항적을 생성하고 시뮬레이션을 구축하였다. 이는 UAM 회랑 또는 공역의 위험도나 수용량 등을 계산할 때 사용이 가능하다. 또한 학습된 가우시안 혼합 모형의 편차 데이터를 다른 회랑에 적용할 경우, 해당 공역의 항적을 생성할 수 있다는 장점이 있다. 추후에는 도착 간격 분리 기준치를 다양하게 설정하여 민감도 분석을 수행하고, 이륙 항공기를 추가하여 더 복잡한 공역 상황을 시뮬레이션 할 계획이다.