KR102149892B1 - 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 - Google Patents
라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 Download PDFInfo
- Publication number
- KR102149892B1 KR102149892B1 KR1020200011811A KR20200011811A KR102149892B1 KR 102149892 B1 KR102149892 B1 KR 102149892B1 KR 1020200011811 A KR1020200011811 A KR 1020200011811A KR 20200011811 A KR20200011811 A KR 20200011811A KR 102149892 B1 KR102149892 B1 KR 102149892B1
- Authority
- KR
- South Korea
- Prior art keywords
- radiosonde
- past
- aircraft
- time
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 130
- 230000008569 process Effects 0.000 claims abstract description 75
- 230000001174 ascending effect Effects 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000000630 rising effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 12
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 239000005437 stratosphere Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000001307 helium Substances 0.000 description 2
- 229910052734 helium Inorganic materials 0.000 description 2
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
- G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D45/00—Aircraft indicators or protectors not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0004—Transmission of traffic-related information to or from an aircraft
- G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명에 따르면, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법으로서, (a) 소정의 고도범위에 대하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터가 기상정보예측주체로부터 획득된 상태에서, 서버가, (i) 상기 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 제1 과거궤적정보 - 상기 제1 과거궤적정보는 상기 과거시점 t-m 부터 현재시점 t 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 상기 라디오존데로부터 획득하여, 라디오존데 위치 획득부로 하여금 상기 라디오존데의 상기 제1 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 하거나, 별도의 라디오존데정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스, 및 (ii) 상기 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 제2 과거궤적정보 - 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 상기 항공기로부터 획득하여, 항공기 위치 획득부로 하여금 상기 항공기의 상기 제2 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 제2 미래위치 후보군 각각을 예측하도록 하거나, 별도의 항공정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스를 수행하는 단계; 및 (b) 상기 서버가, (i) 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보와, (ii) 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 시간별로 비교하여, 상기 항공기의 시간별 상기 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 상기 항공기의 상기 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원하는 단계; 를 포함하는 방법이 제공된다.
Description
본 발명은 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치에 대한 것이다.
대기권부터 성층권까지의 상공의 기상을 측정하기 위한 도구로서 라디오존데(radiosonde)가 널리 쓰이고 있다.
라디오존데는 기온, 기압, 습도 등의 기상요소 측정을 위한 센서와, 측정된 기상요소 정보 및 위치 정보 등을 송신하기 위한 장치를 포함하고, 풍선 기구에 의하여 상승하거나 낙하산 기구에 매달려 하강하며 기상요소를 측정한다.
이러한 라디오존데는, 우리나라에서만 연간 3만여개가 사용되고 있으며, 고도 약 30km의 성층권까지 상승하며 기상요소를 측정하기 때문에, 라디오존데가 측정한 기상요소 정보를 획득하여 활용하기 위해서는 그 위치에 대한 정보를 추적하고 관리할 필요가 있다.
선행문헌 (한국특허공개공보 제10-2015-0064820호)를 보면, 라디오존데의 위치 데이터를 실시간으로 획득하여 이를 지도상에 표시할 수 있는 방법 및 시스템에 대한 내용이 개시되어 있다.
그런데, 라디오존데는 한번 부양되면 통제가 어려우며, 바람장 등에 의해 영향을 받으며 이동하게 되는데, 그 과정에서 항공기의 이착륙 공역 및 고도 약 10km의 항로 영역에 위치할 수 있어 라디오존데 및 연결된 기구 등이 항공기에 위험한 영향을 미칠 가능성이 항상 존재하지만 그러한 상황이 발생하여도 대처가 어려울 수 있다. 상기 선행문헌에서는, 라디오존데의 실시간 위치 데이터를 획득하여 지도상에 표시하고, 누적된 위치 데이터를 궤적으로 나타내는 방법은 개시되어 있으나, 라디오존데가 상공에서 항공기 등에 미칠 수 있는 위험을 고려하고 판단할 수 있는 방법 등에 대한 내용은 개시되어 있지 않다.
따라서, 라디오존데의 미래위치 및 항공기의 미래위치를 예측하고 이를 비교하여 항공기의 미래위치에 대한 위험 여부를 사전에 판단함으로써, 항공기가 해당 판단 정보를 활용하여 사전에 능동적인 대응이 가능하도록 할 수 있는 방법이 필요한 실정이다.
따라서, 본 발명은 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법을 제공함으로써, 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 사전에 판단할 수 있도록 하는 것을 그 목적으로 한다.
또한, 본 발명은, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부에 대한 정보를 확률값으로 산출하는 방법을 제공함으로써, 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 객관적이고 명확하게 제공하는 것을 다른 목적으로 한다.
또한, 본 발명은, 라디오존데의 시간별 미래위치 및 항공기의 시간별 미래위치의 예측을 위한 학습 방법을 제공함으로써, 라디오존데 및 항공기의 시간별 미래위치 예측 정확도를 높여 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 더욱 정확하게 판단할 수 있도록 하는 것을 다른 목적으로 한다.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한, 본 발명의 특징적인 구성은 하기와 같다.
본 발명의 일 태양에 따르면, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법으로서, (a) 소정의 고도범위에 대하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터가 기상정보예측주체로부터 획득된 상태에서, 서버가, (i) 상기 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 제1 과거궤적정보 - 상기 제1 과거궤적정보는 상기 과거시점 t-m 부터 현재시점 t 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 상기 라디오존데로부터 획득하여, 라디오존데 위치 획득부로 하여금 상기 라디오존데의 상기 제1 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 하거나, 별도의 라디오존데정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스, 및 (ii) 상기 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 제2 과거궤적정보 - 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 상기 항공기로부터 획득하여, 항공기 위치 획득부로 하여금 상기 항공기의 상기 제2 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 제2 미래위치 후보군 각각을 예측하도록 하거나, 별도의 항공정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스를 수행하는 단계; 및 (b) 상기 서버가, (i) 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보와, (ii) 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 시간별로 비교하여, 상기 항공기의 시간별 상기 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 상기 항공기의 상기 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원하는 단계; 를 포함하는 방법이 제공된다.
일례로서, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보는, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 상기 제1 과거궤적정보를 참조로 하여, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대하여 상기 서버가 예측한 제1 확률값에 대한 정보를 포함하는 것을 특징으로 하고, 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 정보는, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 상기 제2 과거궤적정보를 참조로 하여, 상기 현재시점 t부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대하여 상기 서버가 예측한 제2 확률값에 대한 정보를 포함하는 것을 특징으로 하며, 상기 서버가, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대한 상기 제1 확률값 및 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 상기 제2 확률값에 대한 정보를 참조하여, 상기 항공기가 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데와 충돌할 수 있는 위험 정도를 충돌위험도로서의 제3 확률값으로 산출하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 충돌위험도로서의 상기 제3 확률값이 소정의 제2 임계치 이상의 확률값에 해당되는 경우, 상기 서버가, 상기 항공기와 교신할 수 있는 항공관제주체에 대하여 상기 충돌위험도로서의 상기 제3 확률값에 대한 정보를 제공하여, 상기 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 (a) 단계에서, 상기 서버가, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 상기 항공기로부터 브로드캐스트되는 신호를 (i) 별도의 수신 장비를 통하여 수신하고, 상기 항공기 위치 획득부로 하여금 상기 수신된 신호를 입력받아 분석하도록 하여 상기 항공기의 상기 제2 과거궤적정보를 획득하거나, (ii) 상기 항공정보예측주체에 의하여 상기 신호가 분석된 데이터를 상기 항공기의 상기 제2 과거궤적정보로서 획득하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며, 상기 서버가, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 그 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (a) 단계 이전에, (a0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 방법이 제공된다.
일례로서, 상기 라디오존데는, (i) 부양을 시작하여 최대높이까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대높이까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며, 상기 서버가, 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 해당 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (a) 단계 이전에, (a00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x부터 상기 과거시점 t-y까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 방법이 제공된다.
일례로서, 상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (a) 단계 이전에, (a0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 것을 특징으로 하며, 상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (a) 단계 이전에, (a00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 것을 특징으로 하며, 상기 라디오존데 위치 획득부 및 상기 항공기 위치 획득부에 대한 상기 학습은, (i) 상기 서버가, 상기 라디오존데 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 상기 제1 GT(Ground Truth)로서의 상기 라디오존데의 상기 제1-2 학습용 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 라디오존데 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스, 및 (ii) 상기 서버가, 상기 항공기 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 상기 제2 GT(Ground Truth)로서의 상기 항공기의 상기 제2-2 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 항공기 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스를 포함하는 것을 특징으로 하는 방법이 제공된다.
일례로서, 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각 중 적어도 일부가 특정 공항에 대하여 사전에 설정되어 있는 안전 공역에 포함되는 경우, 상기 서버가 상기 특정 공항의 항공관제주체에 대하여 해당 정보를 제공하여 상기 특정 공항에 이착륙하는 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 방법이 제공된다.
또한, 본 발명의 다른 태양에 따르면, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 서버로서, 인스트럭션들을 저장하는 적어도 하나의 메모리; 및 상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서; 를 포함하고, 상기 프로세서가, (I) 소정의 고도범위에 대하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터가 기상정보예측주체로부터 획득된 상태에서, (i) 상기 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 제1 과거궤적정보 - 상기 제1 과거궤적정보는 상기 과거시점 t-m 부터 현재시점 t 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 상기 라디오존데로부터 획득하여, 라디오존데 위치 획득부로 하여금 상기 라디오존데의 상기 제1 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 하거나, 별도의 라디오존데정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보를 획득하도록 하는 서브프로세스, 및 (ii) 상기 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 제2 과거궤적정보 - 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 상기 항공기로부터 획득하여, 항공기 위치 획득부로 하여금 상기 항공기의 상기 제2 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 제2 미래위치 후보군 각각을 예측하도록 하거나, 별도의 항공정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 획득하도록 하는 서브프로세스를 수행하는 프로세스; 및 (II) (i) 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보와, (ii) 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 시간별로 비교하여, 상기 항공기의 시간별 상기 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 상기 항공기의 상기 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원하는 프로세스; 를 수행하는 서버가 제공된다.
일례로서, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보는, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 상기 제1 과거궤적정보를 참조로 하여, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대하여 상기 프로세서가 예측한 제1 확률값에 대한 정보를 포함하는 것을 특징으로 하고, 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 정보는, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 상기 제2 과거궤적정보를 참조로 하여, 상기 현재시점 t부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대하여 상기 프로세서가 예측한 제2 확률값에 대한 정보를 포함하는 것을 특징으로 하며, 상기 프로세서가, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대한 상기 제1 확률값 및 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 상기 제2 확률값에 대한 정보를 참조하여, 상기 항공기가 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데와 충돌할 수 있는 위험 정도를 충돌위험도로서의 제3 확률값으로 산출하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 충돌위험도로서의 상기 제3 확률값이 소정의 제2 임계치 이상의 확률값에 해당되는 경우, 상기 프로세서가, 상기 항공기와 교신할 수 있는 항공관제주체에 대하여 상기 충돌위험도로서의 상기 제3 확률값에 대한 정보를 제공하여, 상기 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 (I) 프로세스에서, 상기 프로세서가, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 상기 항공기로부터 브로드캐스트되는 신호를 (i) 별도의 수신 장비를 통하여 수신하고, 상기 항공기 위치 획득부로 하여금 상기 수신된 신호를 입력받아 분석하도록 하여 상기 항공기의 상기 제2 과거궤적정보를 획득하거나, (ii) 상기 항공정보예측주체에 의하여 상기 신호가 분석된 데이터를 상기 항공기의 상기 제2 과거궤적정보로서 획득하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며, 상기 프로세서가, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 그 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (I) 프로세스 이전에, (I-0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 서버가 제공된다.
일례로서, 상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며, 상기 프로세서가, 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 해당 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (I) 프로세스 이전에, (I-00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x부터 상기 과거시점 t-y까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 서버가 제공된다.
일례로서, 상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (I) 프로세스 이전에, (I-0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 것을 특징으로 하며, 상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고, 상기 (I) 프로세스 이전에, (a00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 것을 특징으로 하며, 상기 라디오존데 위치 획득부 및 상기 항공기 위치 획득부에 대한 상기 학습은, (i) 상기 프로세서가, 상기 라디오존데 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 상기 제1 GT(Ground Truth)로서의 상기 라디오존데의 상기 제1-2 학습용 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 라디오존데 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스, 및 (ii) 상기 프로세서가, 상기 항공기 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 상기 제2 GT(Ground Truth)로서의 상기 항공기의 상기 제2-2 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 항공기 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스를 포함하는 것을 특징으로 하는 서버가 제공된다.
일례로서, 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각 중 적어도 일부가 특정 공항에 대하여 사전에 설정되어 있는 안전 공역에 포함되는 경우, 상기 프로세서가 상기 특정 공항의 항공관제주체에 대하여 해당 정보를 제공하여 상기 특정 공항에 이착륙하는 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 서버가 제공된다.
본 발명에 의하면, 다음과 같은 효과가 있다.
본 발명은, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법을 제공함으로써, 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 사전에 판단할 수 있는 효과가 있다.
또한, 본 발명은, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부에 대한 정보를 확률값으로 산출하는 방법을 제공함으로써, 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 객관적이고 명확하게 제공할 수 있는 효과가 있다.
또한, 본 발명은, 라디오존데의 시간별 미래위치 및 항공기의 시간별 미래위치의 예측을 위한 학습 방법을 제공함으로써, 라디오존데 및 항공기의 시간별 미래위치 예측 정확도를 높여 항공기의 특정 미래위치에서 라디오존데가 항공기에 위험한 영향을 미칠 가능성을 더욱 정확하게 판단할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하기 위한 서버를 개략적으로 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른, 라디오존데의 시간별 미래위치 및 항공기의 시간별 미래위치를 예측하고 그 각각을 시간별로 비교하여 특정 시각에서의 항공기의 특정 미래위치에 대한 위험 여부를 판단하는 과정을 개략적으로 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 항공기의 과거궤적정보를 획득하는 전체 구성을 개략적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른, 라디오존데의 고도별 특성이 반영된 시간별 라디오존데의 위치 변화를 개략적으로 나타내는 도면이다.
도 5a는 본 발명의 일 실시예에 따른, 라디오존데 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
도 5b는 본 발명의 일 실시예에 따른, 항공기 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
도 2는 본 발명의 일 실시예에 따른, 라디오존데의 시간별 미래위치 및 항공기의 시간별 미래위치를 예측하고 그 각각을 시간별로 비교하여 특정 시각에서의 항공기의 특정 미래위치에 대한 위험 여부를 판단하는 과정을 개략적으로 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 항공기의 과거궤적정보를 획득하는 전체 구성을 개략적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른, 라디오존데의 고도별 특성이 반영된 시간별 라디오존데의 위치 변화를 개략적으로 나타내는 도면이다.
도 5a는 본 발명의 일 실시예에 따른, 라디오존데 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
도 5b는 본 발명의 일 실시예에 따른, 항공기 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다.
또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하기 위한 서버를 개략적으로 나타내는 도면이다.
도 1을 참조하면, 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하기 위한 서버(100)는 메모리(110) 및 프로세서(120)를 포함할 수 있다. 이 때, 메모리(110)는, 프로세서(120)의 인스트럭션들을 저장할 수 있는데, 구체적으로, 인스트럭션들은 서버(100)로 하여금 특정의 방식으로 기능하게 하기 위한 목적으로 생성되는 코드로서, 컴퓨터 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장될 수 있다. 인스트럭션들은 본 발명의 명세서에서 설명되는 기능들을 실행하기 위한 프로세스들을 수행할 수 있다.
그리고, 프로세서(120)는, MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 포함할 수 있다.
다음으로, 서버(100)는 라디오존데 및 항공기의 시간별 미래위치를 예측하고 이를 비교하여 특정 시각에서의 항공기의 특정 미래위치에 대한 위험 여부를 판단하기 위한 정보인 바람장 데이터와, 라디오존데 및 항공기의 과거궤적정보 등을 포함하는 데이터베이스(미도시)와 연동될 수 있다. 이 때, 데이터베이스는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(ReadOnly Memory, ROM), EEPROM(Electrically Erasable Programmable ReadOnly Memory), PROM(Programmable ReadOnly Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있으며, 이에 한정되지 않으며 데이터를 저장할 수 있는 모든 매체를 포함할 수 있다. 또한, 데이터베이스는 서버(100)의 내부에 설치되어 데이터를 전송하거나 수신되는 데이터를 기록할 수도 있으며, 이는 발명의 실시 조건에 따라 달라질 수 있다.
도 2는 본 발명의 일 실시예에 따른, 라디오존데의 시간별 위치 및 항공기의 시간별 위치를 예측하고 그 각각을 시간별로 비교하여 특정 시각에서의 항공기의 특정 미래위치에 대한 위험 여부를 판단하는 과정을 개략적으로 나타내는 흐름도이다.
도 2를 참조하면, 서버(100)의 프로세서(120)는 소정의 고도범위에 대하여 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터를 기상정보예측주체로부터 획득(S200)할 수 있다. 이 때, 소정의 고도범위는 라디오존데 및 항공기가 위치할 수 있는 고도범위로서, 일반적으로 라디오존데는 헬륨 등의 가스가 주입된 풍선 기구에 매달려 고도 약 30km 정도까지 상승할 수 있으며, 항공기는 이보다 낮은 고도에서 운행하므로 상기 고도범위는 라디오존데의 상승 가능 고도까지의 범위를 의미할 수 있으나, 이에 한정되는 것은 아니며 발명의 실시 조건에 따라 고도범위가 다르게 설정되고 그에 해당되는 바람장 예측데이터가 획득되어 사용될 수 있다. 또한, 기상정보예측주체는 라디오존데 및 항공기가 위치할 수 있는 영역(예를 들어, 한반도 전역 등)을 포함하는 예측대상영역에 대한 고도별 바람장을 예측하고 해당 예측데이터를 제공할 수 있는 주체로서 기상청 등이 이에 해당될 수 있다.
그런 다음, 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 과거시점 t-m 부터 현재시점 t 까지에 대한 라디오존데의 과거궤적정보를 제1 과거궤적정보로서 서버(100)의 프로세서(120)가 라디오존데로부터 획득(S211)할 수 있다. 이 때, 상기 제1 과거궤적정보는 과거시점 t-m 부터 현재시점 t 까지에 대한 라디오존데의 위치, 속도 및 라디오존데의 식별정보를 포함하는 정보일 수 있다.
참고로, 상기 제1 과거궤적정보는 현재시점 t의 정보까지 포함하는 개념이나 편의상 과거궤적정보라고 표현하였으며, 이는 아래에서 설명할 항공기의 제2 과거궤적정보에서도 동일하게 적용됨을 밝혀둔다.
그리고 나서, 서버(100)의 프로세서(120)는 라디오존데 위치 획득부로 하여금 라디오존데의 제1 과거궤적정보 및 바람장 예측데이터를 참조하여 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측(S212)하도록 할 수 있다. 이 때, 발명의 일 예로서, 라디오존데 위치 예측부는 시간별 제1 미래위치 후보군 각각을 예측하기 위한 예측모델일 수 있고, 해당 예측모델의 학습이 머신러닝의 방법으로 이루어질 수 있는데 이에 대한 자세한 내용은 아래에서 별도의 도면(도 5a)를 참조하여 다시 설명할 것이다. 또한, 상기 제1 미래위치 후보군 각각은 시간별로 예측될 수 있는데, 이는 특정 시간 단위로 한정되는 것은 아니며, 발명의 실시 조건에 따라 다른 시간 단위로 예측될 수 있다. 예를 들어, 라디오존데의 제1 미래위치 후보군 각각을 1분 단위로 예측하는 경우, 현재시점 t 부터 미래시점 t+k 까지 제1 미래위치 후보군 각각이 분 단위로 예측될 수 있다.
또한, 발명의 다른 예로서, 서버(100)의 프로세서(120)는 예측되는 복수개의 시간 단위 각각에 대응되는 특정 제1 미래위치 각각을 시간순서대로 선택하고 연결하여 이를 라디오존데의 진행 가능 미래경로 중 하나로서 결정할 수도 있으며, 그 결과를 예측된 특정 제1 미래위치 각각에 대한 정보와 함께 제공하거나 표시되도록 할 수 있다.
그리고, 발명의 또 다른 예로서, 서버(100)의 프로세서(120)는 별도의 라디오존데정보예측주체로부터 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각의 정보를 획득할 수도 있는데, 이러한 경우 라디오존데 위치 획득부는 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측을 수행하는 프로세스를 생략하고, 상기 라디오존데정보예측주체로부터 획득된 시간별 제1 미래위치 후보군 각각의 정보를 관리하고 서버(100)의 프로세서(120)에 제공하는 프로세스를 바로 수행할 수 있다.
다음으로, 라디오존데 관련 정보의 획득 및 예측 과정(S211, S212)과 함께 또는 독립적으로, 항공기와 관련된 정보의 획득 및 예측 과정(S221, S222)도 아래와 같이 이루어질 수 있다.
소정의 고도범위에 대하여 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터를 기상정보예측주체로부터 획득(S200)한 상태에서, 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 과거시점 t-n 부터 현재시점 t 까지에 대한 항공기의 과거궤적정보를 제2 과거궤적정보로서 서버(100)의 프로세서(120)가 라디오존데로부터 획득(S221)할 수 있다. 이 때, 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함하는 정보일 수 있다.
그리고 나서, 서버(100)의 프로세서(120)는 항공기 위치 획득부로 하여금 항공기의 제2 과거궤적정보 및 바람장 예측데이터를 참조하여 미래시점 t+k 까지에 대한 항공기의 시간별 제2 미래위치 후보군 각각을 예측(S222)하도록 할 수 있다. 이 때, 발명의 일 예로서, 항공기 위치 예측부는 시간별 제2 미래위치 후보군 각각을 예측하기 위한 예측모델일 수 있고, 해당 예측모델의 학습이 머신러닝의 방법으로 이루어질 수 있는데 이에 대한 자세한 내용은 아래에서 별도의 도면(도 5b)를 참조하여 다시 설명할 것이다. 또한, 상기 제2 미래위치 후보군 각각은 시간별로 예측될 수 있는데, 이는 특정 시간 단위로 한정되는 것은 아니며, 발명의 실시 조건에 따라 다른 시간 단위로 예측될 수 있다. 예를 들어, 항공기의 제2 미래위치 후보군 각각을 1초 단위로 예측하는 경우, 현재시점 t 부터 미래시점 t+k 까지 제2 미래위치 후보군 각각이 초 단위로 예측될 수 있다.
또한, 발명의 다른 예로서, 서버(100)의 프로세서(120)는 예측되는 복수개의 시간 단위 각각에 대응되는 특정 제2 미래위치 각각을 시간순서대로 선택하고 연결하여 이를 항공기의 진행 가능 미래경로 중 하나로서 결정할 수도 있으며, 그 결과를 예측된 특정 제2 미래위치 각각에 대한 정보와 함께 제공하거나 표시되도록 할 수 있다.
그리고, 발명의 또 다른 예로서, 서버(100)의 프로세서(120)는 별도의 항공정보예측주체로부터 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각의 정보를 획득할 수도 있는데, 이러한 경우 항공기 위치 획득부는 항공기의 시간별 제2 미래위치 후보군 각각을 예측을 수행하는 프로세스를 생략하고, 상기 항공정보예측주체로부터 획득된 시간별 제1 미래위치 후보군 각각의 정보를 관리하고 서버(100)의 프로세서(120)에 제공하는 프로세스를 바로 수행할 수 있다.
상술한 바와 같은 과정을 거쳐 라디오존데의 시간별 제1 미래위치 후보군 각각의 정보와, 항공기의 시간별 제2 미래위치 후보군 각각의 정보를 획득되면 서버(100)의 프로세서(120)가, (i) 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각의 정보와, (ii) 미래시점 t+k 까지에 대한 항공기의 시간별 제2 미래위치 후보군 각각의 정보를 시간별로 비교(S230)할 수 있다. 이 때, 라디오존데의 제1 미래위치 후보군 각각이 예측된 시간단위와, 항공기의 제2 미래위치 후보군 각각이 예측된 시간단위는 다를 수도 있는데, 이러한 경우 제1 미래위치 후보군 각각과 제2 미래위치 후보군 각각이 동시에 대응될 수 있는 특정 시간단위의 시간별로 비교가 이루어질 수 있다. 예를 들어, 라디오존데의 제1 미래위치 후보군 각각은 1분 단위로 예측되고, 항공기의 제2 미래위치 후보군은 1초 단위로 예측된 경우, 항공기의 제2 미래위치 후보군 각각 중 1분 단위에 해당되는 특정 제2 미래위치 후보군이 제1 미래위치 후보군과 비교될 수 있을 것이다.
그리고 나서, 서버(100)의 프로세서(120)는 항공기의 시간별 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 라디오존데의 시간별 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 항공기의 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원할 수 있다. 예를 들어, 현재시점 t로부터 1시간 후의 특정 시각에 대응되는 항공기의 특정 제2 미래위치와, 같은 시각에 대응되는 라디오존데의 특정 제1 미래위치를 비교하여, 항공기의 특정 제2 미래위치로부터 소정의 제1 임계치에 해당되는 반경 500m 이내의 범위 안에 라디오존데의 특정 제1 미래위치가 포함되어 있다면, 서버(100)의 프로세서(120)는 현재시점 t로부터 1시간 이후에 항공기가 위치할 수 있는 특정 제2 미래위치가 라디오존데로 인한 위험이 존재하는 것으로 판단하거나, 해당 정보를 별도의 장치 등에 제공하여 위험 여부를 판단할 수 있도록 지원하는 프로세스를 수행할 수 있다.
그리고, 발명의 일 예로서, (i) 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보는, 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 라디오존데의 제1 과거궤적정보를 참조로 하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각에 대하여 서버(100)의 프로세서(120)가 예측한 제1 확률값에 대한 정보를 포함할 수 있고, (ii) 항공기의 시간별 제2 미래위치 후보군 각각에 대한 정보는, 과거시점 t-n 부터 현재시점 t 까지에 대한 항공기의 제2 과거궤적정보를 참조로 하여, 현재시점 t부터 미래시점 t+k 까지에 대한 항공기의 시간별 제2 미래위치 후보군 각각에 대하여 서버(100)의 프로세서(120)가 예측한 제2 확률값에 대한 정보를 포함할 수 있다.
그리고, 서버(100)의 프로세서(120)는, 라디오존데의 시간별 제1 미래위치 후보군 각각에 대한 제1 확률값 및 항공기의 시간별 제2 미래위치 후보군 각각에 대한 제2 확률값에 대한 정보를 참조하여, 항공기가 미래시점 t+k 까지에 대하여 시간별로 라디오존데와 충돌할 수 있는 위험 정도를 충돌위험도로서의 제3 확률값으로 산출할 수 있다. 이 때, 제3 확률값을 계산하는 방법은 특정 방법으로 한정되는 것은 아니며, 발명의 실시 조건에 따라 다르게 변형되어 적용될 수 있다.
또한, 발명의 다른 예로서, 산출된 충돌위험도로서의 제3 확률값이 소정의 제2 임계치 이상의 확률값에 해당되는 경우, 서버(100)의 프로세서(120)는 항공기와 교신할 수 있는 항공관제주체에 대하여 상기 충돌위험도로서의 제3 확률값에 대한 정보를 제공하여, 항공기에 대하여 사전경고가 이루어질 수 있도록 지원할 수 있다. 예를 들어, 소정의 제2 임계치가 25%인 경우, 30%의 확률값이 제3 확률값으로 산출된다면, 서버(100)의 프로세서(120)는, 해당 제3 확률값을 계산함에 있어 사용된 제2 확률값에 대응되는 특정 항공기와 교신할 수 있는 항공관제주체, 예를 들어 공항의 관제소 등에 제3 확률값에 대한 정보를 제공하여 해당 항공기에 대하여 라디오존데와 충돌위험이 있다는 사전경고가 이루어질 수 있도록 지원할 수 있다. 또한, 발명의 실시 조건에 따라, 제3 확률값에 대한 정보 이외에도 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대한 제1 확률값, 항공기의 시간별 제2 미래위치 후보군 각각에 대한 제2 확률값 중 적어도 일부의 정보가 함께 제공될 수도 있다.
도 3은 본 발명의 일 실시예에 따른, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 항공기의 과거궤적정보를 획득하는 전체 구성을 개략적으로 나타내는 도면이다.
도 3을 참조하면, ADS-B 시스템은 운행중인 제1 항공기(301)로부터 신호를 송수신할 수 있는 지상 송수신 장비(220)와, 수신된 신호에 포함된 제1 항공기(301)의 위치, 속도, 식별정보, 출발지 및 목적지 등에 대한 정보를 처리하고 관리하는 ADS-B 관리 시스템(210)을 포함하여 구성될 수 있다. 또한, 상기 지상 수신 장비(220)가 설치되지 못하는 바다 등의 상공에서 운행중인 제2 항공기(302)로부터 신호를 송수신할 수 있는 위성(231) 및 상기 위성(231)과 신호를 송수신 할 수 있는 위성 송수신 장비(232)를 추가로 포함하여, 상기 ADS-B 관리 시스템(210)이 위성 송수신 장비(232)로부터 제2 항공기(302)의 정보를 획득하여 관리할 수도 있다. 이 때, 운행중인 제1 항공기(301) 및 제2 항공기(302) 간에도 신호가 송수신될 수 있다.
그리고, 도 3에 도시된 바와 같이 서버(100)는 상기 ADS-B 관리 시스템(210)과 연동되어, 운행중인 제1 항공기(301) 및 제2 항공기(302) 각각으로부터 브로드캐스트되는 신호에 포함된 제1 항공기(301) 및 제2 항공기(302) 각각의 위치, 속도, 식별정보, 출발지 및 목적지 등에 대한 정보를 해당 제1 항공기(301) 및 제2 항공기(302) 각각의 제2 과거궤적정보로서 획득할 수 있다. 또한, 발명의 다른 예로서, 서버(100)가 상기 ADS-B 관리 시스템(210)으로서 구성되고, 서버(100)와 지상 송수신 장비(220)가 직접 연결되어 운행중인 제1 항공기(301)로부터 신호를 수신하여 이를 해당 제1 항공기(301)의 제2 과거궤적정보로서 누적하여 획득할 수도 있고, 발명의 실시 조건에 따라 상기 위성(231) 및 위성 수신 장비(232)는 해당 실시 과정에서 포함되지 않을 수도 있다.
또한, 발명의 다른 예로서, 서버(100)의 프로세서(120)는 별도의 항공정보예측주체가 상기 제1 항공기(301) 및 제2 항공기(302) 각각으로부터 수신한 신호를 분석한 데이터를 상기 항공기의 상기 제2 과거궤적정보로서 획득할 수도 있는데, 이러한 경우에는 상기 항공정보예측주체가 상기 ADS-B 시스템과 연동되어 있을 수 있다.
도 4는 본 발명의 일 실시예에 따른, 라디오존데의 고도별 특성이 반영된 시간별 라디오존데의 위치 변화를 개략적으로 나타내는 도면이다.
도 4를 참조하면, 상기 라디오존데는 최초 위치(401)에서 부양되어 바람장 등에 의해 그 위치가 변화할 수 있는데, 도 4에서는 그 일 예로서 가령 동쪽 방향에 해당되는 x축 방향 (예를 들어, 서울에서 부양된 경우 동해안 방향) 및 상공 방향에 해당되는 y축 방향을 기준으로 시간의 흐름에 따라 라디오존데의 위치가 변화하는 상태가 도시되어 있다. 참고로, 도 4에서는 설명의 편의를 위하여 x축 및 y축만 도시하였으나, 실제로는 z축의 방향으로도 라디오존데의 위치가 변화할 수 있을 것이다. 다만, 설명의 편의 상 z 축 방향으로의 위치 변화는 생각하지 않기로 한다.
그리고, 라디오존데는 최대 상승 위치(402)까지 상승하는 제1 페이즈(410) 상태에서의 위치 각각 및 최대 상승 위치(402)까지 상승한 이후 하강을 시작하여 제2 페이즈(420) 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재할 수 있으며, 신호가 소멸하는 최종 위치(403)까지 시간별로 라디오존데의 위치 정보가 획득될 수 있다. 이 때, 서버(100)의 프로세서(120)가, 현재시점 t부터 미래시점 t+k까지에 대하여 시간별로 라디오존데가 제1 페이즈 상태에서의 위치에 해당하는지 또는 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 그 판단 결과와 함께 제1 페이즈 상태에서의 위치 각각에서의 라디오존데의 제1 고도특성 및 제2 페이즈 상태에서의 위치 각각에서의 라디오존데의 제2 고도특성 각각을 라디오존데 위치 획득부로 하여금 추가로 입력받아 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 할 수 있다. 이 때, 라디오존데의 제1 고도특성은, 해당 라디오존데가 헬륨 등의 가스가 주입된 풍선 기구에 매달려 상승하는 과정에서 고도가 높아질수록 기압이 낮아짐에 따라 풍선 기구가 팽창하고, 성층권에 가까워질수록 공기가 희박해져 상기 풍선 기구 및 라디오존데에 대한 바람장의 영향이 약해지는 등과 같이 라디오존데가 상승하는 과정에서 고도변화에 따라 라디오존데의 미래위치에 영향을 미칠 수 있는 특성들이 될 수 있으며, 서버(100)의 프로세서(120)는 위와 같이 라디오존데가 상승하는 제1 페이즈 상태에서의 라디오존데의 제1 고도특성에 대한 정보를 라디오존데 위치 예측부가 추가로 입력받아 라디오존데의 시간별 제1 미래위치 후보군을 예측함에 있어 추가로 고려하도록 할 수 있다. 이와 마찬가지로, 라디오존데의 제2 고도특성은, 라디오존데가 최대 상승 위치(402)에 도달하면 라디오존데에 연결된 풍선 기구가 터지면서 낙하산과 같은 낙하 기구가 전개되고, 라디오존데가 해당 낙하 기구를 사용하여 하강하는 과정에서 고도변화에 따라 라디오존데의 미래위치에 영향을 미칠 수 있는 특성들이 될 수 있는데, 이 때 해당 특성들은 라디오존데가 상승할 때와 비교하여 다른 특성일 수 있다. 예를 들어, 성층권에서는 낙하 기구가 있더라도 공기가 희박하고 바람장의 영향이 적음에 따라 자유낙하와 비슷하게 수직으로 하강하는 특성을 보이고, 고도가 낮아지면서 대류권에 진입하면 바람장의 영향이 강해짐에 따라 위치가 수평 방향으로도 변화하는 특성 등을 보일 수 있으며, 서버(100)의 프로세서(120)는 해당 특성들에 대한 정보를 라디오존데가 하강하는 제2 페이즈(420) 상태에서의 고도변화에 따른 제2 고도특성으로서 라디오존데 위치 예측부가 추가로 입력받아 라디오존데의 시간별 제1 미래위치 후보군을 예측함에 있어 추가로 고려하도록 할 수 있다.
도 5a는 본 발명의 일 실시예에 따른, 라디오존데 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
도 5a를 참조하면, 라디오존데 위치 획득부에 대한 머신러닝은 다음과 같은 과정으로 사전에 수행될 수 있다.
소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 기상정보예측주체로부터 획득(S511)한 상태에서, 서버(100)의 프로세서(120)가, 과거시점 t-x부터 상기 과거시점 t-y까지에 대한 라디오존데의 학습용 제1-1 과거궤적정보를 획득(S512)할 수 있는데, 이 때 학습용 제1-1 과거궤적정보는 과거시점 t-x 부터 과거시점 t-y 까지에 대한 라디오존데의 위치, 속도 및 라디오존데의 식별정보를 포함할 수 있다. 또한, 상기 기상정보예측주체는 과거시점 t-y 부터 과거시점 t-z 까지에 대하여 라디오존데 및 항공기가 위치할 수 있는 영역(예를 들어, 한반도 전역 등)을 포함하는 예측대상영역에 대한 바람장의 실제 데이터를 바람장 획득데이터로서 제공할 수 있는 주체로서, 이 역시 기상청 등이 될 수 있다.
참고로, 상기 과거시점 각각은, 과거시점 t-x 가 가장 과거의 시점이고, 과거시점 t-y, 과거시점 t-z 순서로 현재시점 t 에 가까워지게 된다. 또한, 이는 아래에서도 동일하게 적용되는 개념임을 밝혀둔다.
그리고 나서, 서버(100)의 프로세서(120)는, 라디오존데 위치 획득부로 하여금 바람장 획득데이터 및 라디오존데의 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y부터 상기 과거시점 t-z까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측(S513)하도록 하는 프로세스를 수행할 수 있다. 이 때, 상기 소정의 연산은 해당 학습이 어떤 알고리즘을 사용하는가에 따라 달라질 수 있는데, 예를 들어 신경망(Neural Network) 알고리즘을 학습에 사용한다면 입력되는 학습데이터에 대하여 복수개의 파라미터가 반영되어 최종 결과값을 산출하기 위한 연산이 학습 과정에서 이루어질 수 있다.
그런 다음, 서버(100)의 프로세서(120)는 과거시점 t-y부터 과거시점 t-z까지에 대한 라디오존데의 학습용 제1-2 과거궤적정보를 추가로 획득(S514)할 수 있는데, 이 때 학습용 제1-2 학습용 과거궤적정보는 과거시점 t-y 부터 과거시점 t-z 까지에 대한 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함할 수 있다.
그리고 나서, 서버(100)의 프로세서(120)는 라디오존데 위치 획득부로 하여금 학습용 제1-1 과거궤적정보를 제1 GT(Ground Truth)로서 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각과 비교하여, 라디오존데 위치 획득부에 대한 학습을 수행(S515)하도록 하는 프로세스를 수행할 수 있다.
그리고, 발명의 일 예로서, 상술한 바와 같은 라디오존데 위치 예측부의 학습 과정에 있어, 서버(100)의 프로세서(120)는 상기 라디오존데 위치 예측부로 하여금 과거시점 t-y 부터 과거시점 t-z 까지에 대한 라디오존데의 시간별 학습용 제1 미래위치 후보군을 예측할 때에도 도 4를 참조하여 설명한 바와 같이 라디오존데의 고도특성을 추가로 반영하도록 할 수 있다. 구체적으로, 서버(100)의 프로세서(120)가, 과거시점 t-y부터 과거시점 t-z까지에 대하여 시간별로 라디오존데가 제1 페이즈 상태에서의 위치에 해당하는지 또는 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 해당 판단 결과와 함께 제1 페이즈 상태에서의 위치 각각에서의 라디오존데의 제1 고도특성 및 제2 페이즈 상태에서의 위치 각각에서의 라디오존데의 제2 고도특성 각각을 라디오존데 위치 획득부로 하여금 추가로 입력받아 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 할 수 있다.
도 5b는 본 발명의 일 실시예에 따른, 항공기 위치 획득부에 대한 머신러닝이 이루어지는 과정을 개략적으로 나타내는 흐름도이다.
도 5b를 참조하면, 항공기 위치 획득부에 대한 머신러닝은 다음과 같은 과정으로 사전에 수행될 수 있다.
소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 기상정보예측주체로부터 획득(S521)한 상태에서, 서버(100)의 프로세서(120)가, 과거시점 t-x 부터 과거시점 t-y 까지에 대한 항공기의 학습용 제2-1 과거궤적정보를 획득(S522)할 수 있는데, 이 때 학습용 제2-1 과거궤적정보는 과거시점 t-x 부터 과거시점 t-y 까지에 대한 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함할 수 있다. 이 때, 상기 기상정보예측주체 및 상기 과거시점 각각에 대한 내용은, 도 5a를 참조하여 라디오존데 위치 예측부에 대해 설명했던 내용과 같으므로 생략한다.
그리고 나서, 서버(100)의 프로세서(120)는, 항공기 위치 획득부로 하여금 바람장 획득데이터 및 항공기의 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 과거시점 t-y 부터 과거시점 t-z 까지에 대한 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측(S523)하도록 하는 프로세스를 수행할 수 있다. 이 때, 상기 소정의 연산 역시 도 5a를 참조하여 라디오존데 위치 예측부에 대해 설명했던 내용과 같으므로 생략한다.
그런 다음, 서버(100)의 프로세서(120)는 과거시점 t-y 부터 과거시점 t-z 까지에 대한 항공기의 학습용 제2-2 과거궤적정보를 추가로 획득(S524)할 수 있는데, 이 때 학습용 제2-2 과거궤적정보는 과거시점 t-y 부터 과거시점 t-z 까지에 대한 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함할 수 있다.
그리고 나서, 서버(100)의 프로세서(120)는 항공기 위치 획득부로 하여금 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 항공기 위치 획득부에 대한 학습을 수행(S525)하도록 하는 프로세스를 수행할 수 있다.
또한, 발명의 일 예로서, 라디오존데 위치 획득부 및 항공기 위치 획득부 각각은 백프로퍼게이션이 적용될 수 있는 머신러닝 알고리즘이 적용되어, (i) 서버(100)의 프로세서(120)가, 라디오존데 위치 획득부로 하여금 과거시점 t-y 부터 과거시점 t-z 까지에 대한 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각과 제1 GT(Ground Truth)로서의 라디오존데의 제1-2 학습용 과거궤적정보를 비교하여 그 차이가 최소화되도록 라디오존데 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스, 및 (ii) 서버(100)의 프로세서(120)가, 항공기 위치 획득부로 하여금 과거시점 t-y부터 과거시점 t-z까지에 대한 항공기의 시간별 학습용 제2 미래위치 후보군 각각과 제2 GT(Ground Truth)로서의 항공기의 상기 제2-2 과거궤적정보를 비교하여 그 차이가 최소화되도록 항공기 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스를 포함하여 라디오존데 위치 획득부 및 항공기 위치 획득부 각각에 대한 학습이 이루어질 수 있다.
그리고, 발명의 다른 예로서, 미래시점 t+k 까지에 대한 라디오존데의 시간별 제1 미래위치 후보군 각각 중 적어도 일부가 특정 공항에 대하여 사전에 설정되어 있는 안전 공역에 포함되는 경우, 서버(100)의 프로세서(120)가 상기 특정 공항의 항공관제주체에 대하여 해당 정보를 제공하여 상기 특정 공항에 이착륙하는 항공기에 대하여 사전경고가 이루어질 수 있도록 지원할 수 있다.
이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.
100 : 서버 110 : 메모리
120 : 프로세서 210 : ADS-B 관리 시스템
220 : 지상 송수신 장비 231 : 위성
232 : 위성 송수신 장비 301, 302 : 운행중인 항공기
401 : 라디오존데 최초 위치 402 : 라디오존데 최고 상승 위치
403 : 라디오존데 최종 위치
410 : 라디오존데가 상승하는 제1 페이즈
420 : 라디오존데가 하강하는 제2 페이즈
120 : 프로세서 210 : ADS-B 관리 시스템
220 : 지상 송수신 장비 231 : 위성
232 : 위성 송수신 장비 301, 302 : 운행중인 항공기
401 : 라디오존데 최초 위치 402 : 라디오존데 최고 상승 위치
403 : 라디오존데 최종 위치
410 : 라디오존데가 상승하는 제1 페이즈
420 : 라디오존데가 하강하는 제2 페이즈
Claims (20)
- 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법으로서,
(a) 소정의 고도범위에 대하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터가 기상정보예측주체로부터 획득된 상태에서, 서버가, (i) 상기 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 제1 과거궤적정보 - 상기 제1 과거궤적정보는 상기 과거시점 t-m 부터 현재시점 t 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 상기 라디오존데로부터 획득하여, 라디오존데 위치 획득부로 하여금 상기 라디오존데의 상기 제1 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 하거나, 별도의 라디오존데정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스, 및 (ii) 상기 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 제2 과거궤적정보 - 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 상기 항공기로부터 획득하여, 항공기 위치 획득부로 하여금 상기 항공기의 상기 제2 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 제2 미래위치 후보군 각각을 예측하도록 하거나, 별도의 항공정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 획득하도록 하는 프로세스를 수행하는 단계; 및
(b) 상기 서버가, (i) 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보와, (ii) 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 시간별로 비교하여, 상기 항공기의 시간별 상기 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 상기 항공기의 상기 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원하는 단계;
를 포함하고,
상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고,
상기 (a) 단계 이전에,
(a0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 것을 특징으로 하며,
상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고,
상기 (a) 단계 이전에,
(a00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 서버가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 프로세스를 수행하는 단계; 를 추가로 포함하는 것을 특징으로 하며,
상기 라디오존데 위치 획득부 및 상기 항공기 위치 획득부에 대한 상기 학습은, (i) 상기 서버가, 상기 라디오존데 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 상기 제1 GT(Ground Truth)로서의 상기 라디오존데의 상기 제1-2 학습용 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 라디오존데 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스, 및 (ii) 상기 서버가, 상기 항공기 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 상기 제2 GT(Ground Truth)로서의 상기 항공기의 상기 제2-2 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 항공기 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스를 포함하는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보는, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 상기 제1 과거궤적정보를 참조로 하여, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대하여 상기 서버가 예측한 제1 확률값에 대한 정보를 포함하는 것을 특징으로 하고,
상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 정보는, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 상기 제2 과거궤적정보를 참조로 하여, 상기 현재시점 t부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대하여 상기 서버가 예측한 제2 확률값에 대한 정보를 포함하는 것을 특징으로 하며,
상기 서버가, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대한 상기 제1 확률값 및 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 상기 제2 확률값에 대한 정보를 참조하여, 상기 항공기가 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데와 충돌할 수 있는 위험 정도를 충돌위험도로서의 제3 확률값으로 산출하는 것을 특징으로 하는 방법. - 제2항에 있어서,
상기 충돌위험도로서의 상기 제3 확률값이 소정의 제2 임계치 이상의 확률값에 해당되는 경우, 상기 서버가, 상기 항공기와 교신할 수 있는 항공관제주체에 대하여 상기 충돌위험도로서의 상기 제3 확률값에 대한 정보를 제공하여, 상기 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 (a) 단계에서,
상기 서버가, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 상기 항공기로부터 브로드캐스트되는 신호를 (i) 별도의 수신 장비를 통하여 수신하고, 상기 항공기 위치 획득부로 하여금 상기 수신된 신호를 입력받아 분석하도록 하여 상기 항공기의 상기 제2 과거궤적정보를 획득하거나, (ii) 상기 항공정보예측주체에 의하여 상기 신호가 분석된 데이터를 상기 항공기의 상기 제2 과거궤적정보로서 획득하는 것을 특징으로 하는 방법. - 제1항에 있어서,
상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며,
상기 서버가, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 그 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 방법. - 삭제
- 제1항에 있어서,
상기 라디오존데는, (i) 부양을 시작하여 최대높이까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대높이까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며,
상기 서버가, 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 해당 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 방법. - 삭제
- 삭제
- 제1항에 있어서,
상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각 중 적어도 일부가 특정 공항에 대하여 사전에 설정되어 있는 안전 공역에 포함되는 경우, 상기 서버가 상기 특정 공항의 항공관제주체에 대하여 해당 정보를 제공하여 상기 특정 공항에 이착륙하는 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 방법. - 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 서버로서,
인스트럭션들을 저장하는 적어도 하나의 메모리; 및
상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서; 를 포함하고,
상기 프로세서가,
(I) 소정의 고도범위에 대하여, 현재시점 t 부터 미래시점 t+k 까지에 대한 바람장 예측데이터가 기상정보예측주체로부터 획득된 상태에서, (i) 상기 라디오존데가 공중에 부양되어 있는 소정의 과거시점을 과거시점 t-m 이라고 할 때, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 제1 과거궤적정보 - 상기 제1 과거궤적정보는 상기 과거시점 t-m 부터 현재시점 t 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 상기 라디오존데로부터 획득하여, 라디오존데 위치 획득부로 하여금 상기 라디오존데의 상기 제1 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각을 예측하도록 하거나, 별도의 라디오존데정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보를 획득하도록 하는 서브프로세스, 및 (ii) 상기 항공기가 운행하는 소정의 과거시점을 과거시점 t-n이라고 할 때, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 제2 과거궤적정보 - 상기 제2 과거궤적정보는 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 상기 항공기로부터 획득하여, 항공기 위치 획득부로 하여금 상기 항공기의 상기 제2 과거궤적정보 및 상기 바람장 예측데이터를 참조하여 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 제2 미래위치 후보군 각각을 예측하도록 하거나, 별도의 항공정보예측주체로부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 획득하도록 하는 서브프로세스를 수행하는 프로세스; 및 (II) (i) 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보와, (ii) 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각의 정보를 시간별로 비교하여, 상기 항공기의 시간별 상기 제2 미래위치 후보군 중 특정 시각에서의 특정 제2 미래위치를 기준으로 소정의 제1 임계치 이내의 범위 안에 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 중 상기 특정 시각에서의 특정 제1 미래위치가 포함되는 경우 상기 특정 시각에서의 상기 항공기의 상기 특정 제2 미래위치가 위험한 것으로 판단하거나 판단할 수 있도록 지원하는 프로세스; 를 수행하고,
상기 라디오존데 위치 획득부는, 상기 라디오존데의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고,
상기 (I) 프로세스 이전에,
(I-0) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 학습용 제1-1 과거궤적정보 - 상기 학습용 제1-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 을 획득하여, 상기 라디오존데 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 라디오존데의 상기 학습용 제1-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행함으로써 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 학습용 제1-2 과거궤적정보 - 상기 학습용 제1-2 학습용 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 위치, 속도 및 상기 라디오존데의 식별정보를 포함함 - 를 추가로 획득하고, 상기 라디오존데 위치 획득부로 하여금 상기 학습용 제1-2 과거궤적정보를 제1 GT(Ground Truth)로서 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 비교하여, 상기 라디오존데 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 것을 특징으로 하며,
상기 항공기 위치 획득부는, 상기 항공기의 위치를 예측하기 위한 머신러닝이 수행되는 것을 특징으로 하고,
상기 (I) 프로세스 이전에,
(a00) 상기 소정의 고도범위에 대하여 과거시점 t-y 부터 과거시점 t-z 까지에 대한 바람장 획득데이터를 상기 기상정보예측주체로부터 획득한 상태에서, 상기 프로세서가, (i) 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 학습용 제2-1 과거궤적정보 - 상기 학습용 제2-1 과거궤적정보는 상기 과거시점 t-x 부터 상기 과거시점 t-y 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 을 획득하여, 상기 항공기 위치 획득부로 하여금 상기 바람장 획득데이터 및 상기 항공기의 상기 학습용 제2-1 과거궤적정보를 학습데이터로서 입력받아 소정의 연산을 수행한 결과로서 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 학습용 제2 미래위치 후보군 각각을 예측하도록 하는 서브프로세스, 및 (ii) 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 학습용 제2-2 과거궤적정보 - 상기 학습용 제2-2 과거궤적정보는 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 위치, 속도 및 상기 항공기의 식별정보, 출발지 정보 및 목적지 정보를 포함함 - 를 추가로 획득하고, 상기 항공기 위치 획득부로 하여금 상기 학습용 제2-2 과거궤적정보를 제2 GT(Ground Truth)로서 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 비교하여 상기 항공기 위치 획득부에 대한 학습을 수행하도록 하는 서브프로세스를 수행하는 프로세스; 를 추가로 수행하는 것을 특징으로 하며,
상기 라디오존데 위치 획득부 및 상기 항공기 위치 획득부에 대한 상기 학습은, (i) 상기 프로세서가, 상기 라디오존데 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각과 상기 제1 GT(Ground Truth)로서의 상기 라디오존데의 상기 제1-2 학습용 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 라디오존데 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스, 및 (ii) 상기 프로세서가, 상기 항공기 위치 획득부로 하여금 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대한 상기 항공기의 시간별 상기 학습용 제2 미래위치 후보군 각각과 상기 제2 GT(Ground Truth)로서의 상기 항공기의 상기 제2-2 과거궤적정보를 비교하여 그 차이가 최소화되도록 상기 항공기 위치 획득부에 포함된 복수의 파라미터 중 적어도 일부를 조정하는 백프로퍼게이션을 수행하도록 하는 프로세스를 포함하는 것을 특징으로 하는 서버. - 제11항에 있어서,
상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각의 정보는, 상기 과거시점 t-m 부터 상기 현재시점 t 까지에 대한 상기 라디오존데의 상기 제1 과거궤적정보를 참조로 하여, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대하여 상기 프로세서가 예측한 제1 확률값에 대한 정보를 포함하는 것을 특징으로 하고,
상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 정보는, 상기 과거시점 t-n 부터 상기 현재시점 t 까지에 대한 상기 항공기의 상기 제2 과거궤적정보를 참조로 하여, 상기 현재시점 t부터 상기 미래시점 t+k 까지에 대한 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대하여 상기 프로세서가 예측한 제2 확률값에 대한 정보를 포함하는 것을 특징으로 하며,
상기 프로세서가, 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각에 대한 상기 제1 확률값 및 상기 항공기의 시간별 상기 제2 미래위치 후보군 각각에 대한 상기 제2 확률값에 대한 정보를 참조하여, 상기 항공기가 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데와 충돌할 수 있는 위험 정도를 충돌위험도로서의 제3 확률값으로 산출하는 것을 특징으로 하는 서버. - 제12항에 있어서,
상기 충돌위험도로서의 상기 제3 확률값이 소정의 제2 임계치 이상의 확률값에 해당되는 경우, 상기 프로세서가, 상기 항공기와 교신할 수 있는 항공관제주체에 대하여 상기 충돌위험도로서의 상기 제3 확률값에 대한 정보를 제공하여, 상기 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 서버. - 제11항에 있어서,
상기 (I) 프로세스에서,
상기 프로세서가, 소정의 항공기 감시 체계인 ADS-B(Automatic Dependent Surveillance-Broadcast) 시스템에 기반하여 상기 항공기로부터 브로드캐스트되는 신호를 (i) 별도의 수신 장비를 통하여 수신하고, 상기 항공기 위치 획득부로 하여금 상기 수신된 신호를 입력받아 분석하도록 하여 상기 항공기의 상기 제2 과거궤적정보를 획득하거나, (ii) 상기 항공정보예측주체에 의하여 상기 신호가 분석된 데이터를 상기 항공기의 상기 제2 과거궤적정보로서 획득하는 것을 특징으로 하는 서버. - 제11항에 있어서,
상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며,
상기 프로세서가, 상기 현재시점 t 부터 상기 미래시점 t+k 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 그 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 서버. - 삭제
- 제11항에 있어서,
상기 라디오존데는, (i) 부양을 시작하여 최대 상승 위치까지 상승하는 제1 페이즈 상태에서의 위치 각각, 및 (ii) 최대 상승 위치까지 상승한 이후 하강을 시작하는 제2 페이즈 상태에서의 위치 각각을 포함하는 전체 위치 중 특정 위치에 존재하는 것을 특징으로 하며,
상기 프로세서가, 상기 과거시점 t-y 부터 상기 과거시점 t-z 까지에 대하여 시간별로 상기 라디오존데가 상기 제1 페이즈 상태에서의 위치에 해당하는지 또는 상기 제2 페이즈 상태에서의 위치에 해당하는지를 판단하고, 해당 판단 결과와 함께 상기 제1 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제1 고도특성 및 상기 제2 페이즈 상태에서의 위치 각각에서의 상기 라디오존데의 제2 고도특성 각각을 상기 라디오존데 위치 획득부로 하여금 추가로 입력받아 상기 라디오존데의 시간별 상기 학습용 제1 미래위치 후보군 각각을 예측하도록 하는 것을 특징으로 하는 서버. - 삭제
- 삭제
- 제11항에 있어서,
상기 미래시점 t+k 까지에 대한 상기 라디오존데의 시간별 제1 미래위치 후보군 각각 중 적어도 일부가 특정 공항에 대하여 사전에 설정되어 있는 안전 공역에 포함되는 경우, 상기 프로세서가 상기 특정 공항의 항공관제주체에 대하여 해당 정보를 제공하여 상기 특정 공항에 이착륙하는 항공기에 대하여 사전경고가 이루어질 수 있도록 지원하는 것을 특징으로 하는 서버.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200011811A KR102149892B1 (ko) | 2020-01-31 | 2020-01-31 | 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 |
| EP20213757.6A EP3859711B1 (en) | 2020-01-31 | 2020-12-14 | Method for determining degree of danger of aircraft and server using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200011811A KR102149892B1 (ko) | 2020-01-31 | 2020-01-31 | 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102149892B1 true KR102149892B1 (ko) | 2020-08-31 |
Family
ID=72234397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200011811A KR102149892B1 (ko) | 2020-01-31 | 2020-01-31 | 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 |
Country Status (2)
| Country | Link |
|---|---|
| EP (1) | EP3859711B1 (ko) |
| KR (1) | KR102149892B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101441422B1 (ko) * | 2013-05-09 | 2014-09-24 | 인하대학교 산학협력단 | 온톨로지 기법을 이용한 항공기 이착륙시 장애물과의 충돌을 예측하는 의사결정장치 및 방법 |
| KR20150064820A (ko) * | 2013-12-04 | 2015-06-12 | 전자부품연구원 | 라디오존데 실시간 위치 표현 방법 및 시스템 |
| US20160196757A1 (en) * | 2014-12-24 | 2016-07-07 | Space Data Corporation | Techniques for intelligent balloon/airship launch and recovery window location |
| KR20170136762A (ko) * | 2016-06-02 | 2017-12-12 | 경희대학교 산학협력단 | 자율 비행체를 이용한 환경 평가 측정 시스템 및 그 방법 |
-
2020
- 2020-01-31 KR KR1020200011811A patent/KR102149892B1/ko active IP Right Grant
- 2020-12-14 EP EP20213757.6A patent/EP3859711B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101441422B1 (ko) * | 2013-05-09 | 2014-09-24 | 인하대학교 산학협력단 | 온톨로지 기법을 이용한 항공기 이착륙시 장애물과의 충돌을 예측하는 의사결정장치 및 방법 |
| KR20150064820A (ko) * | 2013-12-04 | 2015-06-12 | 전자부품연구원 | 라디오존데 실시간 위치 표현 방법 및 시스템 |
| US20160196757A1 (en) * | 2014-12-24 | 2016-07-07 | Space Data Corporation | Techniques for intelligent balloon/airship launch and recovery window location |
| KR20170136762A (ko) * | 2016-06-02 | 2017-12-12 | 경희대학교 산학협력단 | 자율 비행체를 이용한 환경 평가 측정 시스템 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3859711B1 (en) | 2023-11-15 |
| EP3859711A1 (en) | 2021-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8731810B2 (en) | Aircraft path conformance monitoring | |
| US10777086B2 (en) | Method for detecting conflicts between aircraft | |
| US8200377B2 (en) | System for securing an aircraft flight plan | |
| US7292178B1 (en) | Aircraft hazard detection and alerting in terminal areas | |
| US11231521B2 (en) | Method and server for supporting aviation safety | |
| US8005583B2 (en) | Method and device for determining the air turbulence likely to be encountered by an aircraft | |
| EP1438603A2 (en) | Multi-sensor information fusion technique | |
| US8306677B2 (en) | Automatic turbulence detection method | |
| US20080319671A1 (en) | Method For Predicting Collisions With Obstacles on the Ground and Generating Warnings, Notably on Board an Aircraft | |
| US20190251852A1 (en) | Decision Aid Method And System For A Landing On A Landing Runway | |
| Wolfson et al. | Automated microburst wind-shear prediction | |
| CN115064009B (zh) | 一种终端区无人机与有人机冲突风险等级划分方法 | |
| KR20220137607A (ko) | Ads-b 데이터 기반의 항로 기상 예측 엔진 업데이트 방법, 장치 및 시스템 | |
| US11203438B1 (en) | System and method for deicing | |
| KR102149892B1 (ko) | 라디오존데의 미래위치를 예측하여 항공기의 미래위치에 대한 위험 여부를 판단하는 방법 및 이를 사용한 장치 | |
| US20180079495A1 (en) | Systems and methods for forecasting and reducing the occurrence of tire overspeed events during aircraft takeoff and landing | |
| CN112330982A (zh) | 一种应用于终端区的中期冲突预警方法、设备、存储介质 | |
| Ortega et al. | Improve decision-making process in Air Command and Control Systems with meteorological data fusion | |
| Marlton | On the development, characterisation and applications of a balloon-borne atmospheric turbulence sensor | |
| CN104751501B (zh) | 一种基于地形数据库的地形显示方法 | |
| US20240101272A1 (en) | System and method for detecting aircraft energy anomaly using neural network model | |
| Stratton et al. | Real-time decision aiding: Aircraft guidance for wind shear avoidance | |
| Stratton et al. | Robust Kalman filter design for predictive wind shear detection | |
| Stratton et al. | Stochastic prediction techniques for wind shear hazard assessment | |
| CN110702362B (zh) | 基于飞行器位置的空气湍流检测系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |