[논문 리뷰] Trajectory Clustering and an Application to Airspace Monitoring

Maxime Gariel, Ashok N. Srivastava외 1명|arXiv (Cornell University)|2010. 01. 27.

Air Traffic Management and OptimizationEngineering참고 문헌 33인용 수 17

한 줄 요약

이 논문은 레이더 데이터 기반의 궤적 군집화를 통해 정상 비행 패턴을 식별하고 이탈 여부를 감지함으로써 실시간 공역 모니터링을 위한 데이터 기반 프레임워크를 제안한다. 공역 통제사의 작업 부담을 정량화하기 위해 샤논 엔트로피 기반의 복잡도 지표를 도입하여, 터미널 공역에서 비준수 항공기의 조기 탐지로 사전적 유량 관리를 가능하게 한다.

ABSTRACT

This paper presents a framework aimed at monitoring the behavior of aircraft in a given airspace. Nominal trajectories are determined and learned using data driven methods. Standard procedures are used by air traffic controllers (ATC) to guide aircraft, ensure the safety of the airspace, and to maximize the runway occupancy. Even though standard procedures are used by ATC, the control of the aircraft remains with the pilots, leading to a large variability in the flight patterns observed. Two methods to identify typical operations and their variability from recorded radar tracks are presented. This knowledge base is then used to monitor the conformance of current operations against operations previously identified as standard. A tool called AirTrajectoryMiner is presented, aiming at monitoring the instantaneous health of the airspace, in real time. The airspace is "healthy" when all aircraft are flying according to the nominal procedures. A measure of complexity is introduced, measuring the conformance of current flight to nominal flight patterns. When an aircraft does not conform, the complexity increases as more attention from ATC is required to ensure a safe separation between aircraft.

연구 동기 및 목표

• 비행 계획이나 ATC 의도 정보 없이도 실시간으로 비정상적인 비행 운영을 자동으로 탐지함으로써 터미널 공역 내 증가하는 항공 교통 복잡성 문제를 해결한다.
• 비행 계획이나 통제사의 의도에 의존하지 않고 레이더 데이터로부터 정상 비행 절차를 학습할 수 있는 비지도 군집화 방법을 개발한다.
• 학습된 정상 비행 절차에 대한 현재 비행의 준수 여부를 평가할 수 있는 실시간 모니터링 도구인 AirTrajectoryMiner를 구현한다.
• 공역 통제사의 작업 부담을 정량화하고 유량 관리 의사결정을 지원하기 위해 엔트로피 기반의 새로운 복잡도 측정법을 제안한다.
• 이 프레임워크를 다양한 공역 구성 및 민간 항공, 지상 차량 펌프 추적 등 다른 분야로도 적용 가능하도록 한다.

제안 방법

• 터미널 지역의 레이더 트랙에서 공통된 항로를 탐지하기 위해 웨이포인트 식별 기반 비지도 군집화를 사용한다.
• 재샘플링된 궤적에 주성분 분석(PCA)을 적용하여 주요 비행 패턴 형태를 추출한다.
• 역사적 레이더 데이터에서 유사한 비행 경로 군집을 기반으로 정상 궤적을 정의하며, 시각항행규칙(VFR) 항공기의 데이터는 제외한다.
• 샤논 엔트로피를 사용한 복잡도 지표를 계산한다: $ C = I_{SFO} + I_{ar{SFO}} $, 여기서 $ I_{SFO} $ 및 $ I_{ar{SFO}} $ 는 SFO에서 정상 비행을 하는 항공기와 이탈한 항공기의 엔트로피를 나타낸다.
• 확률을 추정한다: $ p(OK|SFO) = \frac{n_{OK,SFO}}{n_{SFO}} $, 그리고 각 이질적 항공기의 $ p(\bar{OK}_i|SFO) = \frac{1}{n_{SFO}} $ 를 가정하며, 독립성을 전제로 한다.
• AirTrajectoryMiner를 실시간 도구로 구현하여 매 15초마다 복잡도를 갱신하며, 즉각적인 항공기 수와 준수 상태를 사용한다.

실험 결과

연구 질문

• RQ1 비행 계획이나 의도 정보 없이도 레이더 데이터에서 정상 비행 절차를 자동으로 학습할 수 있는가?
• RQ2 고도의 변동성이 있는 터미널 공역에서 표준 착륙 패턴을 식별하는 데 효과적인 궤적 군집화 기법은 무엇인가?
• RQ3 정상 비행 절차 준수 정도에서 유도된 실시간 공역 복잡도 측정법은 어떻게 도출할 수 있는가?
• RQ4 제안된 복잡도 지표는 통제사의 작업 부담과 교통 관리 수요와 얼마나 상관이 있는가?
• RQ5 이 프레임워크는 항공 외의 다른 공역 구성이나 이동 수단 분야로 일반화될 수 있는가?

주요 결과

• 궤적 군집화 방법은 비행 계획이나 통제사의 지시 정보 없이도 레이더 데이터만으로 SFO에서 표준 착륙 패턴을 성공적으로 식별했다.
• PCA 기반 군집화 방법은 궤적 길이와 샘플링 레이트의 변동에도 불구하고 주요 비행 경로 형태를 잘 포착하는 데에 뛰어난 강건성을 보였다.
• 제안된 복잡도 지표 $ C $ 는 비준수 항공기 수와 총 항공기 수가 증가할수록 증가하며, 이는 통제사의 작업 부담 증가를 반영한다.
• 이상치 항공기가 감지되지 않았을 경우 복잡도 지표는 0이 되었으며, 이는 정상 운영에서의 이탈에 대한 민감도를 확인한다.
• 도구의 실시간 갱신 기능(매 15초 갱신) 덕분에 복잡도 증가를 조기에 탐지할 수 있으며, 사전적 유량 관리 지원이 가능하다.
• 비지도 및 데이터 기반의 특성 덕분에 이 프레임워크는 다른 공항이나 GPS 장착 트럭 펌프 등 다양한 이동 수단 시스템으로도 적용 가능하다.