WO2018225986A1 - 항공 안전 지원 방법 및 서버 - Google Patents

항공 안전 지원 방법 및 서버 Download PDF

Info

Publication number
WO2018225986A1
WO2018225986A1 PCT/KR2018/006250 KR2018006250W WO2018225986A1 WO 2018225986 A1 WO2018225986 A1 WO 2018225986A1 KR 2018006250 W KR2018006250 W KR 2018006250W WO 2018225986 A1 WO2018225986 A1 WO 2018225986A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
zone
sensor
sensor group
observation
Prior art date
Application number
PCT/KR2018/006250
Other languages
English (en)
French (fr)
Inventor
임효혁
Original Assignee
(주)한국해양기상기술
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)한국해양기상기술 filed Critical (주)한국해양기상기술
Priority to US16/620,218 priority Critical patent/US11231521B2/en
Priority to EP18813567.7A priority patent/EP3637387A4/en
Publication of WO2018225986A1 publication Critical patent/WO2018225986A1/ko

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G01W1/04—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed giving only separate indications of the variables measured
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/18—Testing or calibrating meteorological apparatus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • G08G5/0091—Surveillance aids for monitoring atmospheric conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • 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
    • G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Definitions

  • the present invention relates to a method and a server for supporting aviation safety, and more particularly, to a plurality of meteorological observation devices located in a predetermined area (the plurality of meteorological observation devices form a relative positional relationship with each other at a predetermined interval from each other, Arranged to obtain each observation data measured periodically or aperiodically, and create and manage the observation data as a map with reference to the information on the relative positional relationship, and manage the created map as a machine learning database.
  • the present invention relates to a method of predicting a weather condition of the zone after a predetermined time from a current time point by analyzing and a server using the same.
  • Wind shear refers to a phenomenon in which wind changes rapidly, and aircraft entering the runway when wind shear occurs are initially affected by an abnormal increase in lift due to wind, and then suddenly loses lift by a strong downflow. Done.
  • the risk of aviation accidents can be greatly reduced by providing forecasts to aircraft pilots only 10 minutes prior to takeoff and landing.
  • the current aviation weather observation equipment such as LLWAS, TDWR, AMOS, etc. for forecasting weather risk situation is expensive, so it is expensive to equip many equipments in terms of airport operation.
  • the prediction system is constructed with a small number of devices, there is a limit that it is difficult to increase the reliability of the prediction system.
  • an object of the present invention is to solve all the above-mentioned problems.
  • Another object of the present invention is to prevent an air accident by transmitting weather forecast information at the time of scheduled landing and landing to an aircraft scheduled to take off and landing at an airport.
  • Another object of the present invention is to improve reliability while using low-cost weather observation equipment.
  • the aviation safety support method in the aviation safety support method, (a) a plurality of meteorological observation devices located in a predetermined area, the aviation safety support server, the plurality of meteorological observation devices having a predetermined interval from each other Acquiring, periodically or non-periodically, each observation data measured from-arranged in a relative positional relationship; And (b) the aviation safety support server creates and manages the observation data as a map with reference to the information on the relative positional relationship, and manages the created map in a machine learning database-the machine learning database in the zone. Generated by learning the observation data that has been observed in the past—analyzing with reference to predicting a meteorological condition of the zone after a predetermined time from the current time point.
  • a plurality of meteorological observation devices located in a predetermined area the plurality of meteorological observation devices are arranged by forming a relative positional relationship with a predetermined distance from each other.
  • Produced by learning-a processor for predicting the meteorological condition of the zone after a predetermined time from the current time point by analyzing with reference to a server is provided.
  • a computer readable recording medium for recording another method, apparatus, system for implementing the present invention and a computer program for executing the method.
  • the present invention by transmitting the weather risk situation prediction information at the time of the scheduled landing and landing to the aircraft scheduled to take off and landing at the airport, it is possible to prevent the air accident.
  • FIG. 1 is a block diagram of an entire system including a aviation safety support server according to an embodiment of the present invention
  • FIG. 2 is an exemplary diagram showing data managed in a map for each meteorological observation device arranged in a predetermined zone according to an embodiment of the present invention
  • FIG. 3 is a detailed block diagram of a meteorological observation device according to an embodiment of the present invention.
  • FIG. 1 is a block diagram of the entire system 1000 including the aviation safety support server 100 according to an embodiment of the present invention.
  • the entire system 1000 may include an aviation safety support server 100, a meteorological observation device 200, an aircraft 300, and the like.
  • the aviation safety support server 100 may include a processor 110 and a communication unit 120.
  • the aviation safety support server 100 of the present invention can prevent the air accident by transmitting the weather risk situation prediction information at the scheduled time of takeoff and landing to the aircraft 300 scheduled to take off and landing at the airport.
  • the communication unit 120 performs a function of periodically or aperiodically acquiring observation data measured from a plurality of meteorological observation devices 200 located in a predetermined area.
  • the observation data may include barometric pressure data, temperature data, humidity data.
  • the plurality of meteorological observation devices 200 to be described later may be arranged by forming a relative positional relationship with each other at a predetermined interval, and as an example, as shown in FIG. 2, a grid is provided in a predetermined area such as an airport. It may be arranged in the form, but is not limited to this may be arranged in an irregular pattern according to the topographical characteristics and weather characteristics.
  • the meteorological observation device 200 may be attached to a fixed or movable object by a predetermined non-movable support, and in some cases, at least a part of the meteorological observation device 200 may be a user terminal installed with a sensor and an application program. It may be. Detailed configurations and functions of the meteorological observation device 200 will be described later with reference to FIG. 3.
  • the processor 110 may perform a function of creating and managing the acquired observation data as a map with reference to the information on the relative positional relationship.
  • the map means time information (that is, information on the time at which the observation data was obtained) and position information (for observation data obtained from the plurality of meteorological observation apparatuses 200 arranged in a predetermined relative position relationship).
  • it may mean a data set to which the information on the absolute or relative position of the meteorological observation device that acquired the observation data.
  • the processor 110 may include barometric pressure data, air temperature data, humidity data, and each meteorological observation device (obtained from the plurality of meteorological observation devices 200 forming respective relative positional relationships through the communication unit 120). Sea level air pressure data can be calculated with reference to the height data of 200).
  • the altitude data may include the DEM altitude data of the latitude and longitude of each meteorological observation device 200 is located.
  • the reason for calculating the barometric pressure data is that the value of air pressure varies depending on the altitude measured. Therefore, the sea level correction process using the following formula is required, where P 0 is the barometric pressure (hPa), P is the atmospheric pressure (hPa), h is the altitude (m), T is the temperature (° C).
  • the information on the barometric pressure data the amount of change in the barometric pressure obtained by dividing the difference between the first barometric pressure data value at t1 and the second barometric pressure data value at t2 by the time interval (t2-t1) Reference).
  • the entire system 1000 according to the present invention measures air pressure, air temperature, and humidity by using a meteorological observation device 200 having a relatively inexpensive and simple configuration, and uses the measured data to determine the sea level air pressure for a predetermined time.
  • a meteorological observation device 200 having a relatively inexpensive and simple configuration, and uses the measured data to determine the sea level air pressure for a predetermined time.
  • comparable reliability can be obtained without using conventional expensive equipment.
  • the meteorological observation device 200 according to the present invention has a low cost burden, it is possible to install a large number of equipments compared to existing equipment, thereby reducing the construction cost of the meteorological prediction system and increasing reliability.
  • the air pressure data, the air temperature data, the humidity data, the sea level air pressure data, and the information on the amount of change in the sea level air pressure may be managed at respective positions of the plurality of meteorological observation devices 200.
  • Sea level air pressure data P 0t1 (1,1) the amount of change in sea level air pressure ⁇ P 0 (t1-t0) (1,1) (where t0 means a specific point before t1 ) ,.
  • the processor 110 may perform a function of predicting a weather condition of a corresponding area after a predetermined time from the current time point by analyzing the map thus created with reference to the machine learning database. For example, the pattern of change in the area data managed on the map created from 10 minutes ago to the present point of time is similar to the pattern learned from the past weather risk situation or weather risk situation stored in the machine learning database. If so, it can be predicted that a meteorological hazard is likely to occur after 10 minutes in the area.
  • the plurality of weather observation apparatuses 200 predict the future weather conditions.
  • the present invention is not limited thereto, and only one weather observation apparatus 200 may predict the future weather conditions.
  • the machine learning database can be generated by learning observation data that has been observed in the past within the area, including weather observation device 200, low level windshear alert system (LLWAS), terminal doppler weather radar (TDWR), and AMOS.
  • Each observation data observed from at least one of Aerodrome Meteorological Observation System (AWS) and Automated Weather Station (AWS) may be referred to, but the present invention is not limited thereto.
  • the machine learning database may be constructed using only the meteorological observation device 200. could be.
  • the machine learning database may be generated by learning the observed data and the airflow data of the corresponding zone corresponding to the observed data in the past.
  • deep weather learning combines various weather observation information to predict large-scale fluid motion, and improves the error level in contrast to the machine learning prediction value and the actual measurement value to solve the weather risk situation that was previously unpredictable. It will be able to analyze automatically and provide real-time short-term forecast information in conjunction with numerical model.
  • the processor 110 through the communication unit 120 the weather forecast to the predetermined terminal 300 scheduled to take off or land in the zone after the predetermined time or to enter or exit the zone, Status can be sent.
  • the processor 110 of the server 100 located in the control center transmits the contents to the aircraft 300 that is scheduled to land on the runway after 10 minutes. 300. Pilots can be prepared to prevent accidents.
  • the corresponding content is also transmitted to the terminal 300 of the worker working on the runway or the terminal 300 of the working vehicle may be able to support to detect and prepare for the risk in advance.
  • the processor 110 may visualize and provide a real-time atmospheric stream line of the corresponding area and the atmospheric stream line after a predetermined time as a 3D model, as well as weather hazard situation prediction information.
  • the weather conditions of the airport and the runway are predicted, but the present invention is not limited thereto, and when a tsunami is expected to come to the coast, the user of the terminal 300 in the corresponding area is notified of the danger situation or the golf course. If a gust or storm is expected to occur, it may be implemented to predict and alert weather conditions of various places, such as informing a user of a dangerous situation in the terminal 300 in the field.
  • each of the meteorological observation devices 200 includes a machine learning database or interlocks with a machine learning database.
  • the meteorological observation apparatus 200 may predict the future meteorological condition by analyzing the observation data measured by the meteorological observation apparatus 200 by referring to the machine learning database without going through the processor 110.
  • the aircraft 300 or the surrounding people may be notified of the dangerous situation through a loud alarm or a display device such as an LED light.
  • the machine learning database further includes reference data generated by learning observation data previously observed in each zone for a plurality of zones.
  • the processor 110 is obtained from the first zone.
  • the observation data may be created and managed as a map, and the generated map may be analyzed with reference data of the machine learning database to predict the weather state of the second zone after a predetermined time from the present time.
  • the machine learning database generated by learning the past weather observation data of the plurality of zones.
  • the positional relationship between the first zone and the second zone may be adjacent to each other with a predetermined interface therebetween, or the second zone may be included in a portion of the first zone.
  • the processor 110 with reference to the reference data of the machine learning database, to support each weather observation device 200 is disposed at a position where the error rate is analyzed to be less than a predetermined range for predicting the weather conditions of a predetermined area.
  • the processor 110 with reference to the reference data of the machine learning database, to support each weather observation device 200 is disposed at a position where the error rate is analyzed to be less than a predetermined range for predicting the weather conditions of a predetermined area.
  • the processor 110 with reference to the reference data of the machine learning database, to support each weather observation device 200 is disposed at a position where the error rate is analyzed to be less than a predetermined range for predicting the weather conditions of a predetermined area.
  • the error rate may be calculated by comparing the predicted weather information of the weather condition that has been predicted in the past with the actual weather information actually observed at a time corresponding to the predicted weather information.
  • the processor 110 refers to reference data of the machine learning database when the error rate exceeds a preset range in a state where a weather condition is predicted in a corresponding area after each weather observation device 200 is disposed. By supporting the newly adjusted position of each meteorological observation device 200 disposed in the area, it will be possible to further increase the accuracy.
  • Meteorological observation apparatus 200 corresponds to the meteorological equipment disposed in each region of the region in order to measure the meteorological environment of a particular area, and measures the weather environment at the present time and provides it to the server 100 To perform the function.
  • the meteorological observation device 200 may include a sensor unit (not shown) and a measurement value determiner (not shown). For reference, each meteorological observation device 200 may further include a control device.
  • the sensor unit may include a plurality of types of sensors that generate measurement values for each measurement item for a weather environment such as wind direction, wind speed, temperature, humidity, barometric pressure, illuminance, and the like, and at least some of the plurality of types of sensors.
  • Each of the sensors may be configured to include a plurality of sensors of the same type.
  • the sensor unit at least three or more to measure the measurement item E1
  • Sensor group G1 comprising sensors, sensor group G2 comprising at least three sensors for measuring measurement E2, sensor group Gk comprising at least three sensors for measuring measurement Ek, measuring item En It may consist of a sensor group Gn comprising at least three sensors for measuring.
  • the sensor group G1 includes S11, S12, and S13 as sensors
  • the sensor group G2 includes S21, S22, and S23 as sensors
  • the sensor group Gk includes Sk1, Sk2, and Sk3 as sensors
  • the sensor group Gn is configured to include Sn1, Sn2, and Sn3 as sensors.
  • each sensor group is referred to as a sensor group when three or more sensors for the same measurement item are configured. It is not necessary that all of the numbers of sensors be identical.
  • the measured values generated by the sensors included in the specific sensor group at a specific time point or near the specific time point may be compared with each other by the measurement value determiner.
  • the measured value determiner compares the measured values of the sensors included in the specific sensor group with each other, and removes the measured values outside the predetermined error range in consideration of the average or standard deviation of the measured values and uses only the measured values within the error range.
  • the measured value is acquired and transmitted to the server 100 to be used for statistical processing. At this time, if all the measured values are within the error range with respect to the average, all of them are acquired. If the standard deviation of all the measured values is large, all of them may be removed.
  • the measurement value determiner may compare the measured values of the sensors included in a specific sensor group absolutely. In this case, when the temporal trend of the measured values satisfies a predetermined condition (for example, If it is discontinuously changed above the preset value or the value does not change during the preset time interval, etc.), it is determined that it is out of the error range, the corresponding measurement value is removed, and the measurement value is obtained only through the remaining measurement values. Can also be used for statistical processing.
  • a predetermined condition for example, If it is discontinuously changed above the preset value or the value does not change during the preset time interval, etc.
  • the measured value for the measurement item E1 is obtained with reference to the measured value except this. If there is a measurement value by at least three sensors S21, S22, and S23 included in the sensor group G2, which is out of the error range, the measurement value for the measurement item E2 is obtained by referring to the measurement value except this.
  • the measurement value for the measurement item Ek is obtained by referring to the measured value except for this. And, if there is a measured value by a sensor that is out of the error range of at least three sensors included in the sensor group Gn, Sn1, Sn2, Sn3 to obtain a measurement value for the measurement item En with reference to the measured value.
  • the sensor may be determined to be a faulty sensor and replaced with a new sensor.
  • the determination unit compares the measured values obtained by the new sensor with those of the existing sensor, and when the measured values differ from each other, the determined value obtained by the new sensor is determined by a predetermined value based on the measured values of the existing sensor. You can correct it.
  • the measurement value determination unit compares the measured values of the sensors belonging to a specific sensor group Gk with each other and the measurement is different when the measured values of the predetermined sensors are continuously different from the measured values of the other sensors by more than a predetermined value or a predetermined ratio.
  • the sensor generating the value may be determined as a replacement sensor, and after the sensor is replaced with a new sensor, the measured value of the new sensor is corrected based on the measured value of the existing sensor belonging to the specific sensor group Gk as reference data.
  • the measurement unit may be configured to acquire a measured value.
  • a notification unit (not shown) which generates a notification signal so that a sensor detected as a failure may be replaced. It may further include.
  • the notification unit For the sensor group Gk, a notification signal for inducing a replacement of a sensor generating a measurement value out of an error range is generated and provided to the user.
  • the meteorological observation device 200 may further include a GPS module unit (not shown) for receiving coordinate information of the current point where the present invention is located from the GPS.
  • the GPS module unit transmits the generated position information and corresponding time information to the measurement value determination unit, and the measurement value determination unit synchronizes the time information at the time when the acquired measurement value is generated to match the time information transmitted from the GPS module unit.
  • the interpolation method is used to refer to the acquired time of the surroundings. Various modifications may be envisioned, such as matching the time.
  • the measured value acquired by the measured value determiner, location information corresponding thereto, and synchronized time information may be transmitted to the server 100 by a communication unit (not shown). That is, the communication unit may provide the server 100 with the respective measured values for the measurement items E1, E2, ..., En acquired by the measured value determiner, position information and time information corresponding thereto.
  • Embodiments according to the present invention described above may be implemented in the form of program instructions that may be executed by various computer components, and may be recorded in a computer-readable recording medium.
  • the computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on the computer-readable recording medium may be those specially designed and configured for the present invention, or may be known and available to those skilled in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROMs, DVDs, and magneto-optical media such as floptical disks. media), and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device may be configured to operate as one or more software modules to perform the process according to the invention, and vice versa.

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

본 발명은, 항공 안전 지원 방법 및 서버에 있어서, (a) 항공 안전 지원 서버가, 소정의 구역에 위치한 복수의 기상관측 장치로부터 측정되는 각각의 관측 데이터를 획득하는 단계; 및 (b) 상기 항공 안전 지원 서버가, 작성된 맵을 기계학습 데이터베이스를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 단계;를 포함하는 방법 및 이를 위한 서버를 개시한다.

Description

항공 안전 지원 방법 및 서버
본 발명은 항공 안전 지원 방법 및 서버에 관한 것으로, 보다 상세하게는, 소정의 구역에 위치한 복수의 기상관측 장치(상기 복수의 기상관측 장치는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치되어 있음)로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하고, 상기 관측 데이터를 상기 상대적인 위치 관계에 대한 정보를 참조로 하여 맵으로서 작성하여 관리하고, 상기 작성된 맵을 기계학습 데이터베이스를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 방법 및 이를 이용한 서버에 관한 것이다.
항공기가 이착륙을 할 때 발생하는 항공 사고의 대부분은 윈드시어(Wind Shear)가 원인이다. 윈드시어는 바람이 급격하게 변하는 현상을 의미하며, 윈드시어 발생 시 활주로에 진입하는 항공기는, 초반에는 맞바람에 의한 비정상적인 양력 증가로 인해 영향을 받게 되고, 이어서 강한 하강류에 의해 급격하게 양력을 상실하게 된다. 이와 같이 안전에 치명적인 영향을 미치는 기상 위험상황에 대하여, 이착륙 예정 시점에 기상 위험상황이 일어날 수 있다는 예측 정보를 이착륙하기 10분 전에만 항공기 조종사들에게 전달하여도 항공 사고 위험을 크게 줄일 수 있다. 그러나, 기상 위험상황 예측을 위한 LLWAS, TDWR, AMOS 등과 같은 현재의 항공 기상 관측 장비들은 가격이 비싸기 때문에 공항 운영 측면에서 많은 장비를 구비하기에는 비용적으로 부담이 되는 실정이다. 또한, 이 경우 적은 수의 장비로 예측 시스템을 구축하게 되기 때문에, 예측 시스템의 신뢰도를 높이기 어렵다는 한계가 있다.
따라서, 본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 공항에 이착륙 예정인 항공기에 이착륙 예정 시점의 기상 위험상황 예측 정보를 전송함으로써, 항공 사고를 방지하는 것을 다른 목적으로 한다.
또한, 본 발명은 비용 부담이 적은 기상관측 장비를 이용하면서도 신뢰도를 높이는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 항공 안전 지원 방법에 있어서, (a) 항공 안전 지원 서버가, 소정의 구역에 위치한 복수의 기상관측 장치 - 상기 복수의 기상관측 장치는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치되어 있음 - 로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하는 단계; 및 (b) 상기 항공 안전 지원 서버가, 상기 관측 데이터를 상기 상대적인 위치 관계에 대한 정보를 참조로 하여 맵으로서 작성하여 관리하고, 상기 작성된 맵을 기계학습 데이터베이스 - 상기 기계학습 데이터베이스는 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터를 학습함으로써 생성됨 - 를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 단계;를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 항공 안전 지원 서버에 있어서, 소정의 구역에 위치한 복수의 기상관측 장치 - 상기 복수의 기상관측 장치는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치되어 있음 - 로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하는 통신부; 및 획득된 상기 관측 데이터를 상기 상대적인 위치 관계에 대한 정보를 참조로 하여 맵으로서 작성하여 관리하고, 상기 작성된 맵을 기계학습 데이터베이스 - 상기 기계학습 데이터베이스는 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터를 학습함으로써 생성됨 - 를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 프로세서;를 포함하는 서버가 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 장치, 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하기 위한 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 따르면, 공항에 이착륙 예정인 항공기에 이착륙 예정 시점의 기상 위험상황 예측 정보를 전송함으로써, 항공 사고를 방지할 수 있다.
또한, 비용 부담이 적은 기상관측 장비를 이용하면서도 신뢰도를 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 항공 안전 지원 서버가 포함된 전체 시스템의 구성도,
도 2는 본 발명의 일 실시예에 따른 소정의 구역에 배치된 각 기상관측 장치마다 맵에서 관리되는 데이터를 나타내는 예시도,
도 3은 본 발명의 일 실시예에 따른 기상관측 장치의 세부 구성도.
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.
이하에서는, 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 항공 안전 지원 서버(100)가 포함된 전체 시스템(1000)의 구성도를 도시하고 있다.
도 1을 참조하면, 본 발명에 따른 전체 시스템(1000)은 항공 안전 지원 서버(100), 기상관측 장치(200), 항공기(300) 등을 포함할 수 있다.
또한, 항공 안전 지원 서버(100)는 프로세서(110) 및 통신부(120)를 포함할 수 있다.
본 발명의 항공 안전 지원 서버(100)는 공항에 이착륙 예정인 항공기(300)에 이착륙 예정 시점의 기상 위험상황 예측 정보를 전송함으로써, 항공 사고를 방지할 수 있다.
구체적으로, 통신부(120)는 소정의 구역에 위치한 복수의 기상관측 장치(200)로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하는 역할을 수행한다. 여기서, 관측 데이터는 기압 데이터, 기온 데이터, 습도 데이터 등을 포함할 수 있다.
한편, 후술할 복수의 기상관측 장치(200)는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치될 수 있는데, 예시적으로 도 2에 도시된 바와 같이 공항과 같은 소정의 구역에 그리드 형태로 배치될 수 있으나, 이에 한정되지 않고 지형적 특성 및 기상 특성 등에 따라 불규칙한 패턴으로 배치될 수도 있을 것이다.
또한, 기상관측 장치(200)는 소정의 이동 불가능한 지지대에 의해 고정되거나 이동 가능한 사물에 부착될 수 있으며, 경우에 따라 기상관측 장치(200)의 적어도 일부는 센서 및 응용프로그램이 설치된 사용자 단말 자체일 수도 있다. 기상관측 장치(200)의 세부 구성 및 기능에 대해서는 도 3을 참조로 하여 후술하도록 한다.
다음으로, 프로세서(110)는 획득된 관측 데이터를 상대적인 위치 관계에 대한 정보를 참조로 하여 맵(map)으로서 작성하여 관리하는 기능을 수행할 수 있다. 여기서, 맵이란, 소정의 상대적인 위치 관계를 가진 상태로 배치된 복수의 기상관측 장치(200)로부터 획득되는 관측 데이터에 대해 시간 정보(즉, 관측 데이터가 획득된 시간에 대한 정보)와 위치 정보(즉, 관측 데이터를 획득한 해당 기상관측 장치의 절대적 또는 상대적 위치에 대한 정보)를 대응시킨 데이터 집합을 의미할 수 있다.
구체적으로, 프로세서(110)는, 각각의 상대적인 위치 관계를 형성하고 있는 복수의 기상관측 장치(200)로부터 통신부(120)를 통해 획득된 기압 데이터, 기온 데이터, 습도 데이터 및 각각의 기상관측 장치(200)의 고도(height) 데이터를 참조로 하여 해면기압 데이터를 산출할 수 있다. 여기서, 고도 데이터는 각 기상관측 장치(200)가 위치한 위경도의 DEM 고도 자료 등을 포함할 수 있을 것이다.
해면기압 데이터를 산출하는 이유는, 기압의 경우 측정된 고도에 따라 값에 차이가 있기 때문이다. 따라서, 다음 수식을 이용한 해면 경정 처리가 필요하며, 여기서, P0는 해면기압(hPa), P는 관측기압(hPa), h는 고도(m), T는 온도(℃)를 의미한다.
Figure PCTKR2018006250-appb-I000001
한편, 해면기압 데이터에 대한 정보는, t1 에서의 제1 해면기압 데이터 값과 t2 에서의 제2 해면기압 데이터 값의 차이를 시간 간격(t2-t1)으로 나누어 획득되는 해면기압의 변화량(다음 수식 참조)을 포함할 수 있다.
Figure PCTKR2018006250-appb-I000002
여기서, 기압과 같은 관측 요소를 측정함에 있어서, 어떠한 순간의 정확한 절대값을 얻고자 할수록 측정 장비의 가격이 높아지기 마련이다. 이에 반해, 본 발명에 따른 전체 시스템(1000)은, 상대적으로 저렴하고 간단한 구성을 가지는 기상관측 장치(200)를 이용하여 기압, 기온 및 습도를 측정하고, 측정된 데이터로 소정 시간 동안의 해면기압 변화량을 산출하여 관리함으로써(즉, 기압의 절대값보다는 상대값을 산출하여 관리함으로써), 종래의 비싼 장비들을 이용하지 않고서도 그에 필적할 수 있는 신뢰도를 얻을 수 있다. 또한, 본 발명에 따른 기상관측 장치(200)는 비용 부담이 적기 때문에 기존 장비 대비 많은 수의 장비를 설치할 수 있으며, 이로 인해 기상 예측 시스템의 구축 비용을 줄이고 신뢰도를 더욱 높일 수 있다.
다음으로, 도 2를 참조로 하여 소정의 구역에 배치된 각 기상관측 장치마다 획득되고 관리되는 데이터의 예시를 설명하도록 한다. 구체적으로, 복수의 기상관측 장치(200) 각각의 해당 위치에서의 기압 데이터, 기온 데이터, 습도 데이터, 해면기압 데이터 및 해면기압의 변화량에 대한 정보 등이 관리될 수 있다.
도 2의 2a를 참조하면, 시점 t1에 기상관측 장치(200-1)로부터 측정된 기압 데이터 Pt1 (1,1), 기온 데이터 Tt1 (1,1), 습도 데이터 Ht1 (1,1), 해면기압 데이터 P0t1 (1,1), 해면기압의 변화량 ΔP0 (t1-t0)(1,1) (여기서, t0은 t1 이전의 특정 시점을 의미함), …, 기상관측 장치(200-9)로부터 측정된 기압 데이터 Pt1 (3,3), 기온 데이터 Tt1 (3,3), 습도 데이터 Ht1 (3,3), 해면기압 데이터 P0t1 (3,3), 해면기압의 변화량 ΔP0 (t1-t0)(3,3), … 등이 관리되고 있음을 알 수 있다.
또한, 도 2의 2b를 참조하면, 시점 t1로부터 소정의 시간이 지난 후의 시점 t2에 기상관측 장치(200-1)로부터 측정된 기압 데이터 Pt2 (1,1), 기온 데이터 Tt2 (1,1), 습도 데이터 Ht2 (1,1), 해면기압 데이터 P0t2 (1,1), 해면기압의 변화량 ΔP0 (t2-t1)(1,1), …, 기상관측 장치(200-9)로부터 측정된 기압 데이터 Pt2 (3,3), 기온 데이터 Tt2 (3,3), 습도 데이터 Ht2 (3,3), 해면기압 데이터 P0t2 (3,3), 해면기압의 변화량 ΔP0 (t2-t1)(3,3), … 등이 관리되고 있음을 알 수 있다.
프로세서(110)는, 이와 같이 작성된 맵을 기계학습 데이터베이스를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 해당 구역의 기상 상태를 예측하는 기능을 수행할 수 있다. 가령, 10분 전부터 현재 시점까지 작성된 맵에서 관리되고 있는 해당 구역 데이터의 변화 양상이, 기계학습 데이터베이스에 저장되어있는 과거 기상 위험상황의 양상 또는 기상 위험상황이 일어날 가능성이 높을 것으로 학습된 양상과 유사하다면, 해당 구역에서 10분 후에 기상 위험상황이 발생할 가능성이 있다고 예측할 수 있을 것이다.
여기서, 본 설명에서는 복수의 기상관측 장치(200)를 이용하여 미래의 기상 상태를 예측하는 것으로 상정하였지만, 이에 한정되지 않고 하나의 기상관측 장치(200)만으로도 미래의 기상 상태를 예측할 수도 있을 것이다.
다음으로, 기계학습 데이터베이스는 해당 구역 내에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성될 수 있는데, 기상관측 장치(200), LLWAS(Low Level Windshear Alert System), TDWR(Terminal Doppler Weather Radar), AMOS(Aerodrome Meteorological Observation System), AWS(Automated Weather Station) 중 어느 하나 이상으로부터 관측되었던 각각의 관측 데이터를 참조로 할 수 있으나, 이에 한정되는 것은 아니며, 기상관측 장치(200)만으로도 기계학습 데이터베이스가 구축될 수 있을 것이다.
또한, 기계학습 데이터베이스는 해당 구역 내에서 과거에 관측되었던 관측 데이터 및 관측 데이터에 대응되는 해당 구역의 기류 데이터를 학습하여 생성될 수 있을 것이다. 여기서, 기류 데이터를 학습함에 있어서, 딥러닝을 통해 다양한 기상관측정보를 조합하여 대규모 유체운동을 예측하고, 기계학습 예측값과 실측값을 대비하여 오차수준을 개선함으로써 과거 예측이 불가능했던 기상 위험상황을 자동 분석할 수 있을 것이며, 수치모델과 연계하여 실시간급 단기 예측정보를 제공할 수 있을 것이다.
한편, 프로세서(110)는 통신부(120)를 통해 소정의 시간 후에 해당 구역에서 이륙하거나 구역에 착륙할 예정인 항공기(300) 또는 구역에 진입하거나 구역으로부터 벗어날 예정인 소정의 단말(300)로 예측된 기상 상태를 전송할 수 있다.
가령, 10분 후 활주로에 윈드시어가 발생할 것으로 예측되면, 관제센터에 위치한 서버(100)의 프로세서(110)가 10분 후 활주로에 착륙할 예정인 항공기(300)에 해당 내용을 전송함으로써, 항공기(300) 조종사들이 미리 대비하여 사고를 방지할 수 있도록 지원할 수 있을 것이다. 또한 항공기(300)가 아니더라도, 활주로에서 작업 중인 작업자의 단말(300) 또는 작업 차량의 단말(300)에도 해당 내용이 전송되어 위험을 미리 감지하고 대비할 수 있도록 지원할 수 있을 것이다.
여기서, 프로세서(110)는 기상 위험상황 예측 정보뿐만 아니라, 해당 구역의 실시간 대기 스트림라인 및 소정 시간 후의 대기 스트림라인을 3차원 모델로 가시화하여 제공할 수도 있을 것이다.
한편, 본 설명에서는 공항 및 활주로의 기상 상태를 예측하는 것으로 상정하였지만, 이에 한정되지 않고, 연안에 쓰나미가 올 것으로 예상되는 경우 해당 지역의 단말(300) 이용자들에게 위험상황을 알리거나, 골프장에 돌풍 또는 폭풍이 발생할 것으로 예상되는 경우 필드의 단말(300) 이용자들에게 위험상황을 알리는 등 다양한 장소의 기상 상태를 예측하고 경보를 할 수 있도록 구현될 수 있을 것이다.
한편, 기상관측 장치(200) 각각이 기계학습 데이터베이스를 구비하거나 기계학습 데이터베이스와 연동하는 경우를 상정할 수 있다. 이 경우, 프로세서(110)를 거치지 않고 기상관측 장치(200) 스스로가 기계학습 데이터베이스를 참조하여 자신이 측정한 관측 데이터를 분석함으로써 미래의 기상 상태를 예측할 수 있을 것이다. 여기서, 기상 위험상황이 예측되는 경우 큰 소리의 알람이나 LED 조명 등의 표시 장치를 통해 항공기(300) 또는 주변의 사람들에게 위험상황임을 알릴 수도 있을 것이다.
본 발명의 일 실시예로서, 기계학습 데이터베이스가 복수의 구역을 대상으로 각 구역에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성되는 참조 데이터를 더 포함하는 경우를 상정할 수 있다.
여기서, 복수의 기상관측 장치(200)가 배치되어 있는 소정의 구역을 제1 구역이라고 하고, 제1 구역에 인접한 구역을 제2 구역이라고 할 때, 프로세서(110)는, 제1 구역으로부터 획득되는 관측 데이터를 맵으로서 작성하여 관리하고, 작성된 맵을 기계학습 데이터베이스의 참조 데이터를 참조로 하여 분석함으로써, 현재 시점으로부터 소정 시간 후의 제2 구역의 기상 상태를 예측할 수도 있을 것이다.
가령, 공항에 인접한 지역을 제1 구역, 공항을 제2 구역이라고 하면, 공항에 기상관측 장치(200)를 설치하지 못하는 상황이더라도, 복수의 구역의 과거 기상 관측 데이터를 학습함으로써 생성된 기계학습 데이터베이스를 참조로 하여 공항에 인접한 제1 구역의 기상 상태를 분석함으로써, 제1 구역에 인접한 제2 구역(공항)의 기상 상태도 예측할 수 있을 것이다.
여기서, 제1 구역 및 제2 구역의 위치 관계는, 소정의 경계면을 사이에 두고 인접하거나, 제1 구역의 일부분에 제2 구역이 포함되는 형태일 수도 있을 것이다.
한편, 프로세서(110)는, 기계학습 데이터베이스의 참조 데이터를 참조로 하여, 소정 구역의 기상 상태를 예측하기에 오차율이 기설정된 범위 이하일 것으로 분석되는 위치에 각 기상관측 장치(200)가 배치되도록 지원할 수 있을 것이다. 즉, 기상 상태를 예측하기에 적합할 것으로 분석되는 위치에 기상관측 장치(200)를 배치함으로써, 해당 구역의 기상 상태를 예측함에 있어 정확도를 더욱 높이도록 할 수 있을 것이다.
여기서 오차율은 과거에 예측되었던 기상 상태의 예측 기상 정보와, 예측 기상 정보에 대응되는 시점에 실제로 관측되었던 실제 기상 정보를 비교함으로써 산출될 수 있다.
또한, 프로세서(110)는, 각 기상관측 장치(200)가 배치된 후 해당 구역에서 기상 상태의 예측이 이루어지고 있는 상태에서, 오차율이 기설정된 범위를 초과하면, 기계학습 데이터베이스의 참조 데이터를 참조로 하여 해당 구역에 배치되어 있던 각 기상관측 장치(200)의 위치가 새롭게 조정되도록 지원함으로써, 정확도를 더욱 더 높일 수 있을 것이다.
다음으로, 도 3을 참조로 하여 본 발명의 일 실시예에 따른 기상관측 장치(200)의 세부 구성을 설명하도록 한다.
본 발명에 따른 기상관측 장치(200)는 특정 지역의 기상 환경을 측정하기 위해 해당 지역의 각 구역 곳곳에 배치되는 기상 장비에 해당하며, 현재 시점의 기상 환경을 측정하고 이를 서버(100)에 제공하는 기능을 수행할 수 있다.
기상관측 장치(200)는 센서부(미도시) 및 측정값 결정부(미도시)를 포함할 수 있다. 참고로 각각의 기상관측 장치(200)는 제어 장치를 더 포함할 수 있다.
센서부는 풍향, 풍속, 온도, 습도, 기압, 조도 등과 같은 기상 환경에 대한 각 측정 항목별로 측정값을 생성하는 복수의 종류들의 센서들을 포함할 수 있으며, 이들 복수의 종류들의 센서들 중 적어도 일부 종류의 센서들은 각각 동일한 종류의 센서들을 복수 개씩 포함하여 구성될 수 있다.
구체적으로, 도 3에 도시된 바와 같이, 기상 환경에 대한 측정 항목이 E1, E2, ..., Ek, ..., En이라고 할 때, 센서부는 측정 항목 E1을 측정하기 위해 적어도 3개 이상의 센서들을 포함하는 센서 그룹 G1, 측정 항목 E2를 측정하기 위해 적어도 3개 이상의 센서들을 포함하는 센서 그룹 G2, 측정 항목 Ek을 측정하기 위해 적어도 3개 이상의 센서들을 포함하는 센서 그룹 Gk, 측정 항목 En을 측정하기 위해 적어도 3개 이상의 센서들을 포함하는 센서 그룹 Gn으로 구성될 수 있다.
본 설명에서는 예시적으로, 센서 그룹 G1은 S11, S12, S13를 센서로 구성하고, 센서 그룹 G2는 S21, S22, S23를 센서로 구성하며, 센서 그룹 Gk는 Sk1, Sk2, Sk3를 센서로 구성하고, 센서 그룹 Gn은 Sn1, Sn2, Sn3를 센서로 구성하도록 하고 있으나, 이에 한정하지 않고 각 센서 그룹들은 동일 측정 항목에 대한 3개 이상의 센서들로 구성되면 센서 그룹으로 지칭하며, 센서 그룹별로 구성되는 센서들의 개수가 모두 일치해야 할 필요는 없다.
특정 센서 그룹에 포함되어 있는 센서들이 특정 시점 또는 특정 시점과 가까운 시각에 생성하는 측정값들은 측정값 결정부에 의해 서로 비교될 수 있다.
측정값 결정부는 특정 센서 그룹에 포함된 센서들의 측정값을 서로 상대적으로 비교하여, 측정값들의 평균 또는 표준편차를 고려하여 소정의 오차 범위를 벗어나는 측정값은 제거하고 오차 범위 내의 측정값들만을 통해 측정값을 획득하여 서버(100)로 전송함으로써 통계 처리에 사용되도록 한다. 이때 모든 측정값들이 평균에 대한 오차 범위 내의 값이면 모두 획득하고, 모든 측정값들의 표준편차 값이 크게 나타나면 모두 제거할 수도 있을 것이다.
한편, 측정값 결정부는 특정 센서 그룹에 포함된 센서들의 측정값을 절대적으로 비교할 수도 있으며, 이 경우, 측정값들의 시간적인 추이가 기설정된 조건을 만족할 경우(가령, 시간의 흐름에 따른 측정값이 기설정된 수치 이상으로 불연속적으로 변하거나 값이 기설정된 시간 구간 동안 변하지 않는 경우 등) 오차 범위를 벗어나는 것으로 판단하여 해당 측정값은 제거하고 나머지 측정값들만을 통해 측정값을 획득하여 서버(100)로 전송함으로써 통계 처리에 사용되도록 할 수도 있다.
한편, 센서 그룹 G1에 포함된 적어도 3개의 센서인 S11, S12, S13 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 경우 이를 제외한 측정값을 참조로 하여 측정 항목 E1에 대한 측정값을 획득하고, 센서 그룹 G2에 포함된 적어도 3개의 센서인 S21, S22, S23 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 경우 이를 제외한 측정값을 참조로 하여 측정 항목 E2에 대한 측정값을 획득한다.
이와 마찬가지로, 센서 그룹 Gk에 포함된 적어도 3개의 센서인 Sk1, Sk2, Sk3 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 경우 이를 제외한 측정값을 참조로 하여 상기 측정 항목 Ek에 대한 측정값을 획득하고, 센서 그룹 Gn에 포함된 적어도 3개의 센서인 Sn1, Sn2, Sn3 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 경우 이를 제외한 측정값을 참조로 하여 측정 항목 En에 대한 측정값을 획득한다.
이에 대해, 일정 기간 동안 오차 범위를 벗어나는 측정값이 계속해서 발생하게 되거나 소정 비율 이상 발생하게 되면 해당 센서는 고장 센서로 판단되어 신규 센서로 교체되도록 할 수 있는데, 신규 센서로 교체된 후, 측정값 결정부는 신규 센서에 의해 획득되는 측정값과 기존 센서의 측정값을 서로 비교하여 이들 측정값들이 서로 차이가 날 경우 신규 센서에 의해 획득되는 측정값을 기존 센서의 측정값을 기준으로 하여 소정 값만큼 보정할 수 있다.
즉, 측정값 결정부는 특정 센서 그룹 Gk에 속한 센서들의 측정값들을 서로 비교하여 소정 센서의 측정값이 나머지 센서의 측정값과 소정의 수치 또는 소정의 비율 이상 계속적으로 차이가 날 경우 차이가 나는 측정값을 생성하는 해당 센서를 교체 센서로 판단할 수 있고, 해당 센서가 신규 센서로 교체된 후에는, 상기 특정 센서 그룹 Gk에 속한 기존 센서의 측정값을 기준 데이터로 하여 신규 센서의 측정값을 보정한 후 측정값을 획득하도록 할 수 있다.여기서, 고장 센서로 판단된 센서가 신규 센서로 교체되는 과정에서, 고장으로 감지된 센서가 교체될 수 있도록 알림 신호를 생성하는 알림부(미도시)를 더 포함할 수도 있다.
구체적으로, 특정 센서 그룹 Gk에 포함된 적어도 3개의 센서인 Sk1, Sk2, Sk3의 측정값 중 오차 범위를 벗어나는 측정값이 소정 시간 계속하여 발생하거나 소정 구간 내에서 기설정된 비율 이상이 될 경우 알림부는 센서 그룹 Gk에 대하여 오차 범위를 벗어나는 측정값을 생성하는 센서의 교체를 유도하기 위한 알림신호를 생성하여 사용자에게 제공하게 된다.
한편, 상기와 같이 측정값 결정부가 측정값들을 획득하는 동안, 획득된 측정값에 해당하는 위치 정보도 함께 대응시켜 관리하거나 서버(100)가 관리할 수 있도록 전송할 수 있다. 이를 위하여, 본 발명에 따른 기상관측 장치(200)는 GPS로부터 본 발명이 위치하는 현재 지점의 좌표 정보를 전달받기 위한 GPS 모듈부(미도시)를 더 포함할 수도 있다.
GPS 모듈부는 생성된 위치 정보와 그에 대응하는 시간 정보를 측정값 결정부에 전달하고, 측정값 결정부는 획득한 측정값이 생성된 시점의 시간 정보를 GPS 모듈부로부터 전달된 시간 정보에 일치되도록 동기화시킬 수 있다. 가령, 측정값 결정부에 의해 측정값이 획득된 시각과 GPS 모듈부에 의해 위치 정보가 획득된 시각이 차이가 나는 경우, 주변의 획득 시각을 참조로 하여, 보간법(interpolation) 등의 방법을 통해 시각을 일치화시키는 등의 다양한 변형예를 상정할 수 있을 것이다.
한편, 측정값 결정부에 의해 획득된 측정값과 그에 대응하는 위치 정보 및 동기화된 시간 정보가 통신부(미도시)에 의해 서버(100)로 전달될 수 있다. 즉, 통신부는 측정값 결정부에 의해 획득된 측정 항목 E1, E2, ..., En에 대한 각 측정값과 이에 대응되는 위치 정보 및 시간 정보를 서버(100)에 제공할 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, 하드 디스크, 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.

Claims (28)

  1. 항공 안전 지원 방법에 있어서,
    (a) 항공 안전 지원 서버가, 소정의 구역에 위치한 복수의 기상관측 장치 - 상기 복수의 기상관측 장치는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치되어 있음 - 로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하는 단계; 및
    (b) 상기 항공 안전 지원 서버가, 상기 관측 데이터를 상기 상대적인 위치 관계에 대한 정보를 참조로 하여 맵으로서 작성하여 관리하고, 상기 작성된 맵을 기계학습 데이터베이스 - 상기 기계학습 데이터베이스는 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터를 학습함으로써 생성됨 - 를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 단계;
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 (b) 단계 이후에,
    (c) 상기 서버가, 상기 소정의 시간 후에 상기 구역에서 이륙하거나 상기 구역에 착륙할 예정인 항공기 또는 상기 구역에 진입하거나 상기 구역으로부터 벗어날 예정인 소정의 단말로 상기 예측된 기상 상태를 전송하는 단계;를 포함하는 것을 특징으로 하는 방법.
  3. 제1항에 있어서,
    상기 관측 데이터는, 기압 데이터, 기온 데이터, 습도 데이터를 포함하는 것을 특징으로 하는 방법.
  4. 제3항에 있어서,
    상기 각각의 상대적인 위치 관계를 형성하고 있는 상기 복수의 기상관측 장치로부터 획득된 상기 기압 데이터, 상기 기온 데이터, 상기 습도 데이터 및 상기 각각의 기상관측 장치의 고도(height) 데이터를 참조로 하여 해면기압 데이터를 산출하되,
    상기 맵은, 상기 복수의 기상관측 장치의 각각의 해당 위치에서의 상기 기압 데이터, 상기 기온 데이터, 상기 습도 데이터 및 상기 해면기압 데이터에 대한 정보를 관리하는 것을 특징으로 하는 방법.
  5. 제4항에 있어서,
    상기 해면기압 데이터에 대한 정보는, t1 에서의 제1 해면기압 데이터 값과 t2 에서의 제2 해면기압 데이터 값의 차이를 시간 간격(t2-t1)으로 나누어 획득되는 해면기압의 변화량을 포함하고, 상기 맵은 상기 해면기압의 변화량을 관리하는 것을 특징으로 하는 방법.
  6. 제1항에 있어서,
    상기 기계학습 데이터베이스는, 상기 기상관측 장치, LLWAS(Low Level Windshear Alert System), TDWR(Terminal Doppler Weather Radar), AMOS(Aerodrome Meteorological Observation System), AWS(Automated Weather Station) 중 어느 하나 이상으로부터 관측되었던 각각의 상기 관측 데이터를 참조로 하는 것을 특징으로 하는 방법.
  7. 제1항에 있어서,
    상기 기계학습 데이터베이스는, 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터 및 상기 관측 데이터에 대응되는 상기 구역의 기류 데이터를 학습하여 생성되는 것을 특징으로 하는 방법.
  8. 제1항에 있어서,
    상기 복수의 기상관측 장치 중 적어도 일부는 적어도 하나 이상의 센서 및 응용프로그램이 설치된 사용자 단말인 것을 특징으로 하는 방법.
  9. 제1항에 있어서,
    상기 기상관측 장치는,
    전체 측정 항목 중 적어도 하나의 측정 항목이 E1, E2, ..., En이고, 측정 항목 E1을 측정하기 위한 센서 그룹이 G1, 측정 항목 E2을 측정하기 위한 센서 그룹이 G2, 측정 항목 En을 측정하기 위한 센서 그룹이 Gn 이라고 할 때, 상기 센서 그룹 G1 은 적어도 3개의 센서인 S11, S12, S13을 포함하고 상기 센서 그룹 G2 는 적어도 3개의 센서인 S21, S22, S23을 포함하며 상기 센서 그룹 Gn 은 적어도 3개의 센서인 Sn1, Sn2, Sn3을 포함하는 것을 특징으로 하는 센서부, 및
    상기 센서 그룹 G1에 포함된 적어도 3개의 센서인 S11, S12, S13 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 E1에 대한 측정값을 획득하고, 상기 센서 그룹 G2에 포함된 적어도 3개의 센서인 S21, S22, S23 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 E2에 대한 측정값을 획득하며, 상기 센서 그룹 Gn에 포함된 적어도 3개의 센서인 Sn1, Sn2, Sn3 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 En에 대한 측정값을 획득하는 측정값 결정부를 포함하는 것을 특징으로 하는 방법.
  10. 제9항에 있어서,
    상기 측정값 결정부는,
    k 가 1 이상 n 이하의 정수일 때, 상기 센서 그룹 Gk에 대하여 상기 오차 범위를 벗어나는 센서가 신규 센서로 교체된 후, 상기 신규 센서에 의해 획득되는 측정값이 상기 센서 그룹 Gk에 속한 기존 센서의 측정값과 소정의 수치 또는 소정의 비율 이상 차이가 날 경우, 상기 센서 그룹 Gk에 속한 기존 센서의 측정값을 기준 데이터로 하여 상기 신규 센서를 보정하여 측정값을 획득하는 것을 특징으로 하는 방법.
  11. 제9항에 있어서,
    k 가 1 이상 n 이하의 정수일 때, 상기 센서 그룹 Gk에 포함된 적어도 3개의 센서인 Sk1, Sk2, Sk3 중 오차 범위를 벗어나는 센서에 의한 측정값이 소정 시간 이상 지속되거나 소정 시간 구간 내에서 기설정된 비율 이상 지속될 경우 상기 센서 그룹 Gk에 대하여 상기 오차 범위를 벗어나는 센서의 교체를 유도하기 위한 정보를 제공하는 알림부를 더 포함하는 방법.
  12. 제1항에 있어서,
    상기 기계학습 데이터베이스는, 복수의 구역을 대상으로 상기 각 구역에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성되는 참조 데이터를 더 포함하되,
    복수의 기상관측 장치가 배치되어 있는 소정의 구역을 제1 구역이라고 하고, 상기 제1 구역에 인접한 구역을 제2 구역이라고 할 때,
    상기 서버는, 상기 제1 구역으로부터 획득되는 관측 데이터를 맵으로서 작성하여 관리하고, 상기 작성된 맵을 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여 분석함으로써, 현재 시점으로부터 소정의 시간 후의 상기 제2 구역의 기상 상태를 예측하는 단계;
    를 포함하는 방법.
  13. 제1항에 있어서,
    상기 기계학습 데이터베이스는, 복수의 구역을 대상으로 상기 각 구역에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성되는 참조 데이터를 더 포함하되,
    상기 서버는, 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여, 상기 구역의 기상 상태를 예측하기에 오차율 - 상기 오차율은 과거에 예측되었던 기상 상태의 예측 기상 정보 및 상기 예측 기상 정보에 대응되는 시점에 실제로 관측되었던 실제 기상 정보를 비교함으로써 산출됨 - 이 기설정된 범위 이하일 것으로 분석되는 위치에 각 기상관측 장치가 배치되도록 지원하는 것을 특징으로 하는 방법.
  14. 제13항에 있어서,
    상기 서버는, 각 기상관측 장치가 배치된 후 상기 구역에서 기상 상태의 예측이 이루어지고 있는 상태에서, 상기 오차율이 기설정된 범위를 초과하면, 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여 상기 구역의 상기 각 기상관측 장치의 위치가 조정되도록 지원하는 것을 특징으로 하는 방법.
  15. 항공 안전 지원 서버에 있어서,
    소정의 구역에 위치한 복수의 기상관측 장치 - 상기 복수의 기상관측 장치는 서로 소정의 간격을 가지고 각각의 상대적인 위치 관계를 형성하여 배치되어 있음 - 로부터 측정되는 각각의 관측 데이터를 주기적 또는 비주기적으로 획득하는 통신부; 및
    획득된 상기 관측 데이터를 상기 상대적인 위치 관계에 대한 정보를 참조로 하여 맵으로서 작성하여 관리하고, 상기 작성된 맵을 기계학습 데이터베이스 - 상기 기계학습 데이터베이스는 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터를 학습함으로써 생성됨 - 를 참조로 하여 분석함으로써 현재 시점으로부터 소정의 시간 후의 상기 구역의 기상 상태를 예측하는 프로세서;
    를 포함하는 서버.
  16. 제15항에 있어서,
    상기 프로세서는, 상기 통신부를 통해, 상기 소정의 시간 후에 상기 구역에서 이륙하거나 상기 구역에 착륙할 예정인 항공기 또는 상기 구역에 진입하거나 상기 구역으로부터 벗어날 예정인 소정의 단말로 상기 예측된 기상 상태를 전송하는 것을 특징으로 하는 서버.
  17. 제15항에 있어서,
    상기 관측 데이터는, 기압 데이터, 기온 데이터, 습도 데이터를 포함하는 것을 특징으로 하는 서버.
  18. 제17항에 있어서,
    상기 프로세서는, 상기 각각의 상대적인 위치 관계를 형성하고 있는 상기 복수의 기상관측 장치로부터 상기 통신부를 통해 획득된 상기 기압 데이터, 상기 기온 데이터, 상기 습도 데이터 및 상기 각각의 기상관측 장치의 고도(height) 데이터를 참조로 하여 해면기압 데이터를 산출하되,
    상기 맵은, 상기 복수의 기상관측 장치의 각각의 해당 위치에서의 상기 기압 데이터, 상기 기온 데이터, 상기 습도 데이터 및 상기 해면기압 데이터에 대한 정보를 관리하는 것을 특징으로 하는 서버.
  19. 제18항에 있어서,
    상기 해면기압 데이터에 대한 정보는, t1 에서의 제1 해면기압 데이터 값과 t2 에서의 제2 해면기압 데이터 값의 차이를 시간 간격(t2-t1)으로 나누어 획득되는 해면기압의 변화량을 포함하고, 상기 맵은 상기 해면기압의 변화량을 관리하는 것을 특징으로 하는 서버.
  20. 제15항에 있어서,
    상기 기계학습 데이터베이스는, 상기 기상관측 장치, LLWAS(Low Level Windshear Alert System), TDWR(Terminal Doppler Weather Radar), AMOS(Aerodrome Meteorological Observation System), AWS(Automated Weather Station) 중 어느 하나 이상으로부터 관측되었던 각각의 상기 관측 데이터를 참조로 하는 것을 특징으로 하는 서버.
  21. 제15항에 있어서,
    상기 기계학습 데이터베이스는, 상기 구역 내에서 과거에 관측되었던 상기 관측 데이터 및 상기 관측 데이터에 대응되는 상기 구역의 기류 데이터를 학습하여 생성되는 것을 특징으로 하는 서버.
  22. 제15항에 있어서,
    상기 복수의 기상관측 장치 중 적어도 일부는 적어도 하나 이상의 센서 및 응용프로그램이 설치된 사용자 단말인 것을 특징으로 하는 서버.
  23. 제15항에 있어서,
    상기 기상관측 장치는,
    전체 측정 항목 중 적어도 하나의 측정 항목이 E1, E2, ..., En이고, 측정 항목 E1을 측정하기 위한 센서 그룹이 G1, 측정 항목 E2을 측정하기 위한 센서 그룹이 G2, 측정 항목 En을 측정하기 위한 센서 그룹이 Gn 이라고 할 때, 상기 센서 그룹 G1 은 적어도 3개의 센서인 S11, S12, S13을 포함하고 상기 센서 그룹 G2 는 적어도 3개의 센서인 S21, S22, S23을 포함하며 상기 센서 그룹 Gn 은 적어도 3개의 센서인 Sn1, Sn2, Sn3을 포함하는 것을 특징으로 하는 센서부, 및
    상기 센서 그룹 G1에 포함된 적어도 3개의 센서인 S11, S12, S13 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 E1에 대한 측정값을 획득하고, 상기 센서 그룹 G2에 포함된 적어도 3개의 센서인 S21, S22, S23 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 E2에 대한 측정값을 획득하며, 상기 센서 그룹 Gn에 포함된 적어도 3개의 센서인 Sn1, Sn2, Sn3 중 오차 범위를 벗어나는 센서에 의한 측정값이 있을 시 이를 제외한 측정값을 참조로 하여 상기 측정 항목 En에 대한 측정값을 획득하는 측정값 결정부를 포함하는 것을 특징으로 하는 서버.
  24. 제23항에 있어서,
    상기 측정값 결정부는,
    k 가 1 이상 n 이하의 정수일 때, 상기 센서 그룹 Gk에 대하여 상기 오차 범위를 벗어나는 센서가 신규 센서로 교체된 후, 상기 신규 센서에 의해 획득되는 측정값이 상기 센서 그룹 Gk에 속한 기존 센서의 측정값과 소정의 수치 또는 소정의 비율 이상 차이가 날 경우, 상기 센서 그룹 Gk에 속한 기존 센서의 측정값을 기준 데이터로 하여 상기 신규 센서를 보정하여 측정값을 획득하는 것을 특징으로 하는 서버.
  25. 제23항에 있어서,
    k 가 1 이상 n 이하의 정수일 때, 상기 센서 그룹 Gk에 포함된 적어도 3개의 센서인 Sk1, Sk2, Sk3 중 오차 범위를 벗어나는 센서에 의한 측정값이 소정 시간 이상 지속되거나 소정 시간 구간 내에서 기설정된 비율 이상 지속될 경우 상기 센서 그룹 Gk에 대하여 상기 오차 범위를 벗어나는 센서의 교체를 유도하기 위한 정보를 제공하는 알림부를 더 포함하는 서버.
  26. 제15항에 있어서,
    상기 기계학습 데이터베이스는, 복수의 구역을 대상으로 상기 각 구역에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성되는 참조 데이터를 더 포함하되,
    복수의 기상관측 장치가 배치되어 있는 소정의 구역을 제1 구역이라고 하고, 상기 제1 구역에 인접한 구역을 제2 구역이라고 할 때,
    상기 프로세서는, 상기 제1 구역으로부터 획득되는 관측 데이터를 맵으로서 작성하여 관리하고, 상기 작성된 맵을 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여 분석함으로써, 현재 시점으로부터 소정의 시간 후의 상기 제2 구역의 기상 상태를 예측하는 단계;
    를 포함하는 서버.
  27. 제15항에 있어서,
    상기 기계학습 데이터베이스는, 복수의 구역을 대상으로 상기 각 구역에서 과거에 관측되었던 관측 데이터를 학습함으로써 생성되는 참조 데이터를 더 포함하되,
    상기 프로세서는, 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여, 상기 구역의 기상 상태를 예측하기에 오차율 - 상기 오차율은 과거에 예측되었던 기상 상태의 예측 기상 정보 및 상기 예측 기상 정보에 대응되는 시점에 실제로 관측되었던 실제 기상 정보를 비교함으로써 산출됨 - 이 기설정된 범위 이하일 것으로 분석되는 위치에 각 기상관측 장치가 배치되도록 지원하는 것을 특징으로 하는 서버.
  28. 제27항에 있어서,
    상기 프로세서는, 각 기상관측 장치가 배치된 후 상기 구역에서 기상 상태의 예측이 이루어지고 있는 상태에서, 상기 오차율이 기설정된 범위를 초과하면, 상기 기계학습 데이터베이스의 상기 참조 데이터를 참조로 하여 상기 구역의 상기 각 기상관측 장치의 위치가 조정되도록 지원하는 것을 특징으로 하는 서버.
PCT/KR2018/006250 2017-06-08 2018-05-31 항공 안전 지원 방법 및 서버 WO2018225986A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US16/620,218 US11231521B2 (en) 2017-06-08 2018-05-31 Method and server for supporting aviation safety
EP18813567.7A EP3637387A4 (en) 2017-06-08 2018-05-31 AVIATION SAFETY SUPPORT PROCESS AND SERVER

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170071396A KR101823992B1 (ko) 2017-06-08 2017-06-08 항공 안전 지원 방법 및 서버
KR10-2017-0071396 2017-06-08

Publications (1)

Publication Number Publication Date
WO2018225986A1 true WO2018225986A1 (ko) 2018-12-13

Family

ID=61232108

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/006250 WO2018225986A1 (ko) 2017-06-08 2018-05-31 항공 안전 지원 방법 및 서버

Country Status (4)

Country Link
US (1) US11231521B2 (ko)
EP (1) EP3637387A4 (ko)
KR (1) KR101823992B1 (ko)
WO (1) WO2018225986A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200101941A1 (en) * 2018-09-28 2020-04-02 Asahi Kasei Kabushiki Kaisha Humidity measuring device and dew point temperature measuring device

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200142094A1 (en) * 2018-11-05 2020-05-07 Loon Llc Measuring atmospheric conditions using machine learning
KR102002158B1 (ko) * 2018-11-15 2019-07-19 주식회사 포디솔루션 시정 예측 시스템
KR102366602B1 (ko) 2020-03-02 2022-02-23 대한민국 제주 국제공항 계기착륙시설을 활용한 윈드시어 예측방법
KR102339133B1 (ko) 2020-04-21 2021-12-15 대한민국 항공기 이륙경로에서 저고도 윈드시어 예측방법
KR102348917B1 (ko) 2020-05-12 2022-01-10 대한민국 제주국제공항 저층 수평윈드시어 예측방법
KR102451780B1 (ko) * 2020-06-30 2022-10-07 (주)한국해양기상기술 Ads-b 데이터 기반의 항로 기상 예측 방법, 장치 및 시스템
US20220051543A1 (en) * 2020-08-17 2022-02-17 Viet Nguyen Autonomous Monitoring System

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054005A (ja) * 2011-09-06 2013-03-21 Seiko Epson Corp 気象変動情報提供システム、気象変動情報提供方法、気象変動情報提供プログラム及び記録媒体
JP2015056055A (ja) * 2013-09-12 2015-03-23 独立行政法人 宇宙航空研究開発機構 着陸判断支援システム、着陸判断支援方法、及び着陸判断支援プログラム
KR20150054584A (ko) * 2013-11-12 2015-05-20 한국공항공사 항공 관제 정보 표시 장치 및 방법
KR20160072432A (ko) * 2014-12-15 2016-06-23 (주)라이온플러스 해양환경 관측자료 제공시스템
KR20160134107A (ko) * 2015-05-14 2016-11-23 에스케이텔레콤 주식회사 공기질 측정 데이터를 이용한 정보 처리 방법 및 이를 위한 장치, 이를 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7081834B2 (en) * 2003-03-21 2006-07-25 Rockwell Scientific Licensing Llc Aviation weather awareness and reporting enhancements (AWARE) system using a temporal-spatial weather database and a Bayesian network model
US8395541B2 (en) * 2008-10-29 2013-03-12 Honeywell International Inc. Enhanced alerting of characteristic weather hazards
KR101655776B1 (ko) 2015-03-04 2016-09-08 (주)한국해양기상기술 소형 자동기상관측 장치 및 이를 사용한 관측 방법
US10989838B2 (en) * 2015-04-14 2021-04-27 Utopus Insights, Inc. Weather-driven multi-category infrastructure impact forecasting

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054005A (ja) * 2011-09-06 2013-03-21 Seiko Epson Corp 気象変動情報提供システム、気象変動情報提供方法、気象変動情報提供プログラム及び記録媒体
JP2015056055A (ja) * 2013-09-12 2015-03-23 独立行政法人 宇宙航空研究開発機構 着陸判断支援システム、着陸判断支援方法、及び着陸判断支援プログラム
KR20150054584A (ko) * 2013-11-12 2015-05-20 한국공항공사 항공 관제 정보 표시 장치 및 방법
KR20160072432A (ko) * 2014-12-15 2016-06-23 (주)라이온플러스 해양환경 관측자료 제공시스템
KR20160134107A (ko) * 2015-05-14 2016-11-23 에스케이텔레콤 주식회사 공기질 측정 데이터를 이용한 정보 처리 방법 및 이를 위한 장치, 이를 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200101941A1 (en) * 2018-09-28 2020-04-02 Asahi Kasei Kabushiki Kaisha Humidity measuring device and dew point temperature measuring device
US11820333B2 (en) * 2018-09-28 2023-11-21 Asahi Kasei Kabushiki Kaisha Humidity measuring device and dew point temperature measuring device

Also Published As

Publication number Publication date
US11231521B2 (en) 2022-01-25
EP3637387A1 (en) 2020-04-15
EP3637387A4 (en) 2021-03-17
US20200142096A1 (en) 2020-05-07
KR101823992B1 (ko) 2018-02-01

Similar Documents

Publication Publication Date Title
WO2018225986A1 (ko) 항공 안전 지원 방법 및 서버
CN110770610B (zh) 模拟、记录和预测对流气象的自学习即时预报系统
US10386542B2 (en) Predicting ice coating status on transmission lines
CN105894862B (zh) 一种空中交通管制智能化指挥系统
US20150097706A1 (en) Customized aural method and system for managing threats in an aircraft cockpit
US11989625B2 (en) Method and system for detecting and avoiding loss of separation between vehicles and updating the same
EP3716246A1 (en) Method and system for detecting and avoiding loss of separation between vehicles
US12027057B2 (en) Systems and methods for predicting flight data
CN111343287B (zh) 一种输电线路巡检的直升机激光雷达远程监控系统与方法
CN111204467B (zh) 识别和显示可疑飞行器的方法和系统
CN107351867B (zh) 便携式列车接近预警方法及设备
US10497269B2 (en) Integrated management for airport terminal airspace
CN107765703B (zh) 一种基于惯性/卫星相对导航的机载编队飞行指示系统
US9650158B2 (en) Centralized maintenance device for aircraft
CN111477036B (zh) 一种空管自动化系统航空器高度异常检测方法
WO2007115359A1 (en) Display system for controlling aircraft traffic and method
CN114913717B (zh) 一种基于智能终端的便携式低空飞行防撞系统及方法
Xu et al. Aircraft go-around detection employing open source ADS-B data
JP6368600B2 (ja) 管制警報装置、航空管制システム、管制警報方法、及びプログラム
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
RU2682031C1 (ru) Система формирования координат воздушного судна в условиях неполной и неточной навигационной информации
WO2020045744A1 (ko) 비행체를 이용한 항행안전시설 점검 장치 및 방법
CN115482688B (zh) 基于多机群的飞机交通冲突解脱方法及系统
CN117311396B (zh) 飞行监控方法、装置、设备及介质
CN116704804B (zh) 机场低能见度情况下的引导车路径引导及预警方法和系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18813567

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018813567

Country of ref document: EP

Effective date: 20200108