KR100961875B1 - 수직 비행경로 자동생성 방법 - Google Patents

Abstract

본 발명은 항공의 비행 경로 상에서 수직 비행경로를 자동으로 생성하여 제공하는 수직 비행경로 자동생성 방법에 관한 것이다.

이러한 본 발명은, 항공기의 수평경로별로 고도데이터의 최대값과 최소값을 샘플링하여 최대최소값의 집합을 구하는 단계; 고도데이터의 최대최소값의 집합을 이용하여 항공기의 수직경로에 관한 근사화된 함수를 연산하여 초기 수직경로를 생성하는 단계; 및 고도데이터의 최대최소값의 집합과 함수 간의 오차가 최대로 발생되는 특정 경로 상의 오차값을 함수에 가산하여 초기 수직경로를 상향 이동시키는 단계를 포함하여 구성된다.

개시된 수직 비행경로 자동생성 방법에 따르면, 지형의 고도데이터에 근사화된 항공기의 수직 비행경로를 자동으로 생성하되, 고도데이터의 최대최소값을 이용하여 구간을 샘플링함과 동시에, 샘플링된 구간을 이용한 근사화된 함수를 이용하여 안전한 수직 비행경로를 제공할 수 있다.

수직, 비행경로, 항공기, 함수

Description

수직 비행경로 자동생성 방법{Method of creating vertical route of aircraft automatically}

본 발명은 항공의 비행 경로 상에서 수직 비행경로를 자동으로 생성하여 제공하는 수직 비행경로 자동생성 방법에 관한 것이다.

항공기의 비행경로 생성 알고리즘으로서, 종래에는 기준경로점과 목표경로점에 해당되는 두 구간 간의 직선상의 최단거리를 이용하여 통과 점을 직선으로 생성하는 방식만을 취하고 있다.

또한, 상기 두 구간 사이에 관한 회피지점 판별을 위해서, 종이 또는 전자 지도, 사용자의 기억이나 경험, 사진 이미지 등을 이용하고 있으며, 이를 통해 판단된 회피 지점을 직접 일일이 추가하거나 변경하는 방법을 이용하고 있다.

이러한 종래의 경우, 고지대 등과 같은 회피지점의 판단이 수동적이고, 판단된 회피지점에 관한 수정 및 변경이 매우 번거롭고, 판단된 회피지점에 관한 신뢰성이 떨어지는 문제점이 있다.

본 발명은 상술한 문제점을 해결하기 위하여 창출된 것으로서, 지형의 고도데이터를 이용하여 고도데이터에 근사화된 항공기의 수직 비행경로를 자동으로 생성하여 제공하는 수직 비행경로 자동생성 방법을 제공하는 데 그 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 항공기의 수평경로에 대응되는 지형에 관한 실제 고도데이터를 이용하여, 상기 수평경로에 관한 경로별 고도데이터의 최대값과 최소값을 샘플링하여 최대최소값의 집합을 구하는 고도데이터 구간 샘플링 단계; 상기 고도데이터의 최대최소값의 집합을 이용하여 항공기의 수직경로에 관한 근사화된 함수를 연산하여 초기 수직경로를 생성하는 초기 수직경로 연산 단계; 및 상기 고도데이터의 최대최소값의 집합과 상기 함수 간의 오차가 최대로 발생되는 특정 경로에 관한 오차값을 상기 함수에 가산하여 상기 초기 수직경로를 상향 이동시키는 수직경로 이동 단계를 포함한다.

여기서, 상기 초기 수직경로 연산 단계는, 상기 함수를 이루는 계수값을 결정하되, 상기 최대최소값의 집합과 상기 함수 간의 오차를 상기 경로별로 합산한 결과값이 최소가 되는 상기 계수값을 결정하여 상기 초기 수직경로를 최적화하여 생성할 수 있다.

그리고, 상기 함수는, 짝수 차의 함수인 것을 특징으로 한다.

더 구체적으로는, 상기 함수는, 2차 함수(Quadratic Function) 또는 4차 함 수(Quartic Function)일 수 있다.

한편, 상기 수직경로 이동 단계는, 상기 최대최소값의 집합 중 최대값만을 이용할 수 있다.

본 발명의 수직 비행경로 자동생성 방법에 따르면, 지형의 고도데이터에 근사화된 항공기의 수직 비행경로를 자동으로 생성하되, 고도데이터의 최대최소값을 이용하여 구간을 샘플링함과 동시에, 샘플링된 구간을 이용한 근사화된 함수를 이용하여 안전한 수직 비행경로를 제공할 수 있다.

또한, 함수와 실제 고도데이터 상의 오차가 최대가 되는 지점의 오차값을 이용하여 함수를 오프셋 시킴에 따라 모든 비행경로에 대해 충돌이 없는 안전한 항공기의 경로를 생성할 수 있고, 함수의 차수를 적절히 조절하여 지형 또는 항공기의 상황에 유연하게 대응할 수 있다.

이하 첨부된 도면을 참조하면서 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

도 1은 본 발명의 실시예에 따른 수직 비행경로 자동생성 방법의 흐름도, 도 2는 도 1의 방법을 위한 시스템 구성도, 도 3은 특정 지형상에서 항공기의 수평경로에 관한 실시예를 나타내는 도면, 도 4는 도 3의 수평경로에 관한 고도데이터를 나타내는 도면이다.

그리고, 도 5는 도 4를 이용하여 도 1의 구간 샘플링 단계를 수행한 도면, 도 6은 도 5를 이용하여 도 1의 초기 수직경로 연산 단계를 수행한 도면, 도 7은 도 6을 이용하여 도 1의 수직경로 이동 단계를 수행한 도면이다.

이하에서는 도 1 내지 도 7을 참고로 하여 본 발명의 실시예에 따른 수직 비행경로 자동생성 방법에 관하여 보다 상세히 설명하고자 한다.

먼저, 연산부(120)는 항공기의 수평경로에 대응되는 지형에 관한 실제 고도데이터를 이용하여, 상기 수평경로에 관한 경로별 고도데이터의 최대값과 최소값을 샘플링하여 최대최소값의 집합을 구한다(S110).

즉, 고도데이터 구간 샘플링 단계(S110)는, 도 3과 같은 항공기의 수평경로와, 그러한 수평경로 상의 도 4와 같은 실제 고도데이터를 이용하여, 수평경로 상에서의 고도데이터에 관한 최대값과 최소값을 샘플링하여 도 5와 같이 구하게 된다.

도 2의 지형데이터 DB(110)에는 지역별 위도, 경도, 고도정보를 포함한 지형 데이터들이 기 저장될 수 있는데, 연산부(120)에서는 그러한 지형데이터 상의 고도정보(데이터)를 이용하여 최대최소값의 집합이 구해질 수 있다.

또한, 연산부(120)는 수직 비행경로를 알고자 하는 원하는 특정지역의 수평경로를 사용자로부터 별도의 입력수단을 통해 지정받은 후, 지정받은 수평경로 부분과 지형데이터 DB(110) 간을 비교하여 해당 수평경로 부분에 관한 고도데이터를 지형데이터 DB(110)로부터 취출하여, 원하는 수직 비행경로 연산이 가능하도록 할 수 있다.

한편, 상기 최대최소값의 집합은 아래와 같은 방법에 의해 연산된다.

s₀ ~ s_m는 도 3의 수평경로에 대한 도 4에 도시된 모든 고도데이터의 집합으로서 여기서 m은 수평경로상의 각 구간을 의미한다. 그리고, d₀ ~ d_n는 고도데이터 집합(s₀ ~ s_m) 상에서 최대값과 최소값을 샘플링하여 구하여지는 최대최소값의 집합을 나타내는 것으로서 n은 샘플링된 각 구간을 의미한다.

여기서, 최대최소값의 집합(d₀ ~ d_n)은 모든 고도데이터(s₀ ~ s_m)에 대하여 최대값과 최소값만을 샘플링한 것이므로 n＜m을 만족하다.

이러한 가정 하에서, 임의의 s_j(1＜j＜m)에 대하여 임의의 d_i(0≤i≤n)를 구하기 위해서는 아래의 수학식 1 및 수학식 2의 논리식에 따른다.

[수학식 1] 최대값의 샘플링

s_{j -1}＜s_j 이고, s_j＞s_j+1인 경우, s_j → d_i

[수학식 2] 최소값의 샘플링

s_{j -1}＞s_j 이고, s_j＜s_{j +1}인 경우, s_j → d_i

즉, 고도데이터(s₀ ~ s_m)에 관한 구간별 최대값의 샘플링은 수학식 1과 같고, 구간별 최소값의 샘플링은 수학식 2와 같다,

다시 말해서, 수학식 1은 양측 구간에 대해 그 양측 사이의 구간의 고도데이터가 양측 모두보다 값이 작은 경우이고, 수학식 2는 그 반대의 개념으로서 양측 구간에 대해 그 양측 사이의 구간의 고도데이터가 양측 모두보다 값이 큰 경우이다. 이러한 수학식 1 및 수학식 2에 의해 취득되는 최대값과 최소값에 해당되는 d_i들의 모임이 곧 최대최소값의 집합을 의미하는 것이다.

도 4의 고도데이터의 그래프에 대하여 최대값과 최소값을 샘플링함으로써 도 5와 같은 최대최소값의 그래프가 연산된다.

이상과 같이 본 발명에서 고도데이터의 최대값과 최소값을 샘플링하는 것에 따르면, 원하는 수평경로 상의 모든 고도데이터(s₀ ~ s_m)를 이용하지 않으며 고도데이터 상의 최대값과 최소값 지점만을 샘플링하여 이용하므로, 본 발명의 수직 비행경로의 연산 시간을 단축하고 시스템을 보다 간소화할 수 있는 이점이 있다.

한편, 이상과 같은 고도데이터 구간 샘플링 단계(S110) 이후, 연산부(120)는, 고도데이터의 최대최소값의 집합(d₀ ~ d_n)을 이용하여 항공기의 수직경로에 관한 근사화된 함수를 연산하여 초기 수직경로를 생성한다(S120).

여기서, 항공기가 보통 상승 후에 다시 하강하는 특성을 이용하여, 연산되는 함수는 항공기의 경로 속성에 대응되도록 짝수 차의 함수인 것이 바람직하다.

즉, 3차 함수(Cubic Function), 5차 함수(Quintic Function) 등의 홀수 차의 함수는 계속적으로 상승되는 곡선의 특성을 가지므로 항공기의 비행 경로에 이용되기에는 적합하지 않다.

여기서, 본 발명에서는 짝수 차의 함수로서, 2차 함수(Quadratic Function), 4차 함수(Quartic Function) 등이 이용될 수 있으나, 차수가 늘어날수록 함수의 연산이 복잡하고 시간이 많이 소요되며 수학적인 구현이 어려우므로, 가장 간단한 2차 함수로 구현되는 것이 바람직하다.

물론, 항공기 비행의 복잡성, 정교성 등을 고려하여 원하는 차수의 함수로 선택하여 연산을 수행할 수 있음은 물론이다. 여기서, 별도의 입력수단(키보드, 마우스 등)을 통한 사용자의 조작에 의해 차수의 변경이 가능할 수 있음은 물론이다.

한편, 초기 수직경로 연산 단계(S120)를 보다 상세히 설명하면 다음과 같다.

예를 들어, 초기 수직경로를 생성하기 위하여 2차 함수를 이용한다고 가정하면, 최대최소값의 집합(d₀ ~ d_n)을 이용하여 근사화된 수직경로에 관한 함수(d)는 간단히 수학식 3과 같이 표현 가능하다.

[수학식 3]

여기서, 2차 함수를 이루는 각 계수값(c₁,c_2,c₃)을 결정하여 수학식 3을 완성 할 수 있는데, 계수값 결정시 고려하여야할 사항은 다음과 같다.

상기 최대최소값의 집합(d₀ ~ d_n)과 상기 함수(d) 간의 오차를 상기 집합(d₀ ~ d_n)의 각 경로별(i; 0~n)로 합산한 결과값이 최소가 되는 계수값을 결정하여 초기 수직경로를 최적화하여 생성하는 것이 바람직한데, 이는 수학식 4에 의해 실현 가능하다.

[수학식 4]

즉, 수학식 3에 나타난 초기 수직경로에 관한 함수(d)와, 실제로 샘플링된 최대최소값(d_i) 간의 차이의 제곱값을 경로(i) 별로 연산하여, 경로별로 합산한 값이 최소가 되는 함수가, 샘플링된 최대최소값의 집합(d₀ ~ d_n)에 가장 근사화된 수직 비행경로를 나타내는 함수를 의미하게 된다.

즉, 아래의 수학식 5를 통해 연산하되는 계수값(c₁,c_{2 ,}c₃) 중에서 수학식 4로 연산되는 오차의 합(Error)이 최소가 되는 계수값에 해당되는 c₁,c_{2 ,}c₃를 연산하여, 이를 수학식 3에 반영한 도 6과 같은 최적화된 초기 수직경로의 함수를 생성한다.

[수학식 5]

이상과 같이, 최적화된 초기 수직경로 함수의 생성 이후, 연산부(120)는, 'c₁,c_2,c₃가 결정된 수학식 3의 함수(d)'와 '고도데이터의 최대최소값의 집합(d₀ ~ d_n)' 간의 오차값이 최대로 발생되는 특정 경로에 관한 오차값을, 함수(d)에 가산하여, 이미 연산된 초기 수직경로를 상향 이동시켜 수직 비행경로를 완성한다(S130).

즉, 도 6에서 도 7로 함수를 상향 이동시킨 것으로서, 이러한 경우 어떠한 비행구간에서도 지형과의 충돌이 없는 안전한 수직 비행경로의 획득이 가능하다.

다시 말해서, 아래의 수학식 6과 같이, 수학식 3에서 구하여지는 i경로 상의 d값과 실제 고도데이터로부터 샘플링된 i경로 상의 d_i 값 간의 차이에 관한 제곱값(K²)이 최대가 되는 특정 경로가 존재하고, 그러한 특정 경로에 관한 K²값에 해당되는 K값을 수학식 3에 가산하여 도 6으로부터 옵셋(Offset) 이동해 줌으로써 수학식 7의 수직 비행경로, 즉 도 7의 형태가 완성 가능하다.

[수학식 6]

[수학식 7]

도 7과 같이, 이렇게 하여 완성된 수학식 7에 의한 비행경로에 따르면, 최대최소값의 집합(d₀ ~ d_n)에 해당되는 모든 경로(i; 0~n) 중, 상기 함수와의 오차가 가장 크게 발생하는 특정 경로에 대한 오차값(k) 만큼을 모든 경로(i; 0~n)에 대하여 가산해 줌으로써, 지정된 어떠한 비행경로 구간에서도 지형과의 충돌의 위험이 없는 안전한 수직 비행경로를 제공할 수 있다.

한편, 상기와 같은 수직경로 이동 단계(S130)에서 오차값의 연산을 통한 옵셋 수행시 최대최소값의 집합(d₀ ~ d_n) 중 최대값만을 이용한 오차를 이용하여 연산할 수 있는데, 이는 대체로 최소값의 지점이 최대값의 지점보다 고도데이터 값이 작은 점에 착안한 것으로서 최소값에 관한 오차는 연산에 이용하지 않음으로 하여 그 신뢰도가 저하될 수 있으나 연산의 과정을 줄이고 연산 시간을 절약할 수 있다.

이상과 같이, 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 이것에 의해 한정되지 않으며 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술 사상과 아래에 기재될 청구범위의 균등 범위 내에서 다양한 수정 및 변형이 가능함은 물론이다.

도 1은 본 발명의 실시예에 따른 수직 비행경로 자동생성 방법의 흐름도,

도 2는 도 1의 방법을 위한 시스템 구성도,

도 3은 특정 지형상에서 항공기의 수평경로에 관한 실시예를 나타내는 도면,

도 4는 도 3의 수평경로에 관한 고도데이터를 나타내는 도면,

도 5는 도 4를 이용하여 도 1의 구간 샘플링 단계를 수행한 도면,

도 6은 도 5를 이용하여 도 1의 초기 수직경로 연산 단계를 수행한 도면,

도 7은 도 6을 이용하여 도 1의 수직경로 이동 단계를 수행한 도면이다.

<도면의 주요 부분에 대한 부호의 설명>

110...지형데이터 dB 120...연산부

Claims (5)

1. 컴퓨터를 이용하여 항공기의 수직 비행경로를 자동으로 생성하는 방법에 관한 것으로,

   연산부가 지형테이터 DB에 저장된 항공기의 수평경로에 대응되는 지형에 관한 실제 고도데이터를 이용하여, 상기 수평경로에 관한 경로별 고도데이터의 최대값과 최소값을 샘플링하여 최대최소값의 집합을 구하는 고도데이터 구간 샘플링 단계;

   연산부가 상기 고도데이터의 최대최소값의 집합을 이용하여 항공기의 수직경로에 관한 근사화된 함수를 연산하여 초기 수직경로를 생성하는 초기 수직경로 연산 단계; 및

   연산부가 상기 고도데이터의 최대최소값의 집합과 상기 함수 간의 오차가 최대로 발생되는 특정 경로에 관한 오차값을 상기 함수에 가산하여 상기 초기 수직경로를 상향 이동시키는 수직경로 이동 단계를 포함하되,

   상기 초기 수직경로 연산 단계는, 상기 함수를 이루는 계수값을 결정하되, 상기 최대최소값의 집합과 상기 함수 간의 오차를 상기 경로별로 합산한 결과값이 최소가 되는 상기 계수값을 결정하여 상기 초기 수직경로를 최적화하여 생성하는 것을 특징으로 하는 수직 비행경로 자동생성 방법.
2. 삭제
3. 제 1항에 있어서, 상기 함수는,

   짝수 차의 함수인 것을 특징으로 하는 수직 비행경로 자동생성 방법.
4. 제 3항에 있어서, 상기 함수는,

   2차 함수(Quadratic Function) 또는 4차 함수(Quartic Function)인 것을 특징으로 하는 수직 비행경로 자동생성 방법.
5. 제 1항에 있어서, 상기 수직경로 이동 단계는,

   상기 최대최소값의 집합 중 최대값만을 이용한 것을 특징으로 하는 수직 비행경로 자동생성 방법.

Images