비행 궤적 기반 항공기 연료소모 추정 통합 프레임워크

초록

본 논문은 ADS‑B와 ACARS 데이터를 활용해 비행 궤적과 연료소모 사이의 물리·통계적 관계를 수학적으로 모델링한다. 스펙트럼 변환으로 핵심 비행 특성을 추출하고, 다변량 딥 뉴럴 네트워크로 구간 연료소모 함수를 학습한 뒤, 2차 매끄러운 단조 보간을 통해 순간 연료소모를 추정한다. 2023년 실제 데이터 실험에서 구간 연료소모 평균 오차 3.31 %, 순간 연료소모 적분 오차 8.86 %를 달성하였다.

상세 분석

이 연구는 항공 연료소모 추정에 있어 데이터·모델·수학적 해석을 일관되게 결합한 점이 가장 큰 강점이다. 먼저 저비용의 ADS‑B 메시지(위치·속도·고도 등)를 고해상도 시계열로 변환하기 위해 푸리에·웨이블릿 기반 스펙트럴 변환을 적용하였다. 이를 통해 가속·감속, 상승·하강, 순항 등 비행 단계별 특징 주파수를 추출하고, 각 주파수 성분과 연료소모 사이의 이론적 관계식을 도출하였다.

다음 단계에서는 제한된 ACARS의 구간 연료소모 데이터를 레이블로 사용해, 앞서 정의한 다변량 함수 f(ξ₁,…,ξ_d) 를 딥 뉴럴 네트워크(DNN)로 근사하였다. 네트워크는 3개의 은닉층(각 128·64·32 뉴런)과 ReLU 활성화를 갖고, 파라미터 튜닝을 위해 베이지안 최적화와 교차 검증을 병행했다. 학습 과정에서 과적합을 방지하기 위해 L2 정규화와 드롭아웃(0.2)을 적용했으며, 손실 함수는 평균제곱오차(MSE)와 물리적 제약(단조성) 항을 가중합한 형태였다.

구간 연료소모 모델이 충분히 학습된 후, 순간 연료소모를 추정하기 위해 2차 매끄러운 단조 보간(smooth monotonic interpolation)을 설계했다. 이 보간은 구간 연료소모 곡선의 미분값이 비행 속도·고도 변화율과 일관되도록 제약을 두어, 급격한 변동이 물리적으로 불가능한 구간에서는 부드러운 곡선을 유지한다. 보간 과정에서 사용된 라그랑주 다항식은 최소 3개의 인접 구간을 이용해 2차 연속성을 보장한다.

실험에서는 2023년 한 해 동안 수집된 12,000여 편의 상용 항공편(보잉 737, 에어버스 A320 등) 데이터를 대상으로 검증하였다. 구간 연료소모는 평균 절대오차(MAE) 3.31 %를 기록했으며, 이는 기존 SAR·EB 모델 대비 40 % 이상 개선된 수치이다. 순간 연료소모는 적분 형태(시간에 대한 누적 연료량)로 비교했을 때 8.86 %의 평균 오차를 보였는데, 이는 동일 데이터셋을 이용한 최신 딥러닝 기반 방법(오차 12 %~15 %)보다 현저히 낮은 수준이다.

또한 저자들은 11종 주요 항공기 모델에 대한 연료소모 데이터베이스를 구축했으며, 이는 중국 내 전체 항공편의 90 % 이상을 커버한다. 데이터베이스는 공개된 ADS‑B 레코드와 항공기 사양(엔진 종류·추력·무게 등)을 매핑해, 연구자와 실무자가 별도 ACARS 접근 없이도 연료소모를 추정할 수 있게 설계되었다.

한계점으로는 ACARS 데이터의 불규칙적 업로드와 일부 고도·속도 구간에서의 샘플 부족이 있다. 저자는 향후 위성 기반 실시간 연료계측 데이터와 기상·공역 혼잡 정보를 통합해 모델의 일반화 능력을 강화할 계획이라고 밝혔다.