공군 비행단 지원을 위한 AI 기반 급변풍 예측 모델 개발

Abstract

항공분야에서 급변풍은 안전에 위협을 주는 가장 큰 이슈 중 하나이다. 급변풍은 급격한 바람의 변화로, 항공기 안전에 보이지 않는 큰 위협을 준다. 현재 급변풍에 대한 정보는 민간공항에만 제공되고 있고, 공군 비행단에는 급변풍 탐지 장비조차 설치되어 있지 않은 실정이다. 군용기는 임무 특성에 따라 기상 악조건 하에도 이착륙을 강행해야 하기 때문에, 군 공항에 대한 급변풍 정보의 확보가 시급하다. 이에 본 연구는 민간공항에서 제공되는 급변풍 정보를 토대로 전국에 두루 적용할 수 있는 급변풍 예측 AI 모델(Artificial Intelligence, 인공지능)을 개발하여, 급변풍 관측 장비가 없는 군 공항에서도 급변풍 정보를 확보하고자 하였다. 과거 데이터를 축적하고, 전국 6개의 민간공항을 통합 분석하기 위해 conv2D(convolution 2D, 2차원 합성곱) 기계학습 방법을 사용했고, 기계학습에는 LDAPS(Local Data Assimilation and Prediction System, 기상청 국지예보시스템) 수치모델자료로부터 풍향속, 연직속도 등 기상 데이터뿐 아니라 MODIS(Moderate Resolution Imaging Spectroradiometer) 위성으로부터 지형 환경 데이터도 추가하여 장기적으로 적용할 수 있도록 하였다. 6개 민간공항 데이터를 무작위로 4:1로 나누어 학습/테스트 데이터로 구분하고, 모델 수행 결과 학습 데이터로 생성한 모델이 테스트 데이터에 대해 분류 모델 평가 지표(Confusion Matrix) 중 정확도(accuracy)에 70~80%의 성능을 보였다. 본 연구를 통하여 개발된 급변풍 예측 시스템은 항공안전에 위협이 되는 급변풍 예측 정보를 제공할 수 있을 것이며, 이를 통해 공군 예보관이 항공작전에 미칠 영향과 위험을 조기에 판단하고 그로 인한 피해를 예방하는데 큰 기여를 할 수 있을 것이다.

Windshear is one of the biggest threats in aviation. Windshear indicates the rapid changes of wind, so it threatens aviation safety significantly, while the information of windshear is provided only to civil aviation currently. As Air Force aircrafts must run the flights for the national security, even under hazardous weather conditions, therefore it is urgent to obtain windshear information of military airbase. Even there are no observation devices for windshear in military runways, this study developed windshear predicting AI model based on civil aviation windshear data to secure the information for the military runways as well. To accumulate and to integrate the past data from 6 civil airports, this study decided to use convolution-2D machine learning. Input data is composed of weather data and non-weather data; weather data is composed of low level wind direction/velocity, vertical velocity, and geopotential height from LDAPS numerical model, while non-weather data is composed of land-cover type from MODIS satellite. The input data is randomly split into 4:1 ratio for train/test data respectively. As a result of the study, the model performed 70~80% accuracy by Confusion Matrix. In accordance with this performance, Air Force forecasters would be able to plan the flights avoiding dangerous timings by windshear predicting model result