도시 환경에서 GNSS 정확도 향상을 위한 HAPS 최적 배치 전략

초록

본 논문은 고고도 플랫폼(HAPS)을 활용해 밀집 도시 지역의 GNSS 위치오차를 감소시키고자, HAPS의 수와 3차원 배치를 동시에 최적화하는 메타휴리스틱 프레임워크를 제안한다. 이산적인 HAPS 개수와 건물 모델에 기반한 가시성·CRLB 비선형성을 고려해, 특수 군집거리와 적응형 교차 연산을 도입한 ASDNSGA‑II 알고리즘을 설계하였다. 시뮬레이션 결과, 사전 정의된 3D CRLB 임계값을 만족하는 최소 HAPS 수와 그 중 최적의 평균 CRLB을 동시에 도출함으로써 비용 효율적인 배치 방안을 제시한다.

상세 분석

이 연구는 도시 협곡에서 GNSS 신호가 차단·다중경로에 의해 크게 왜곡되는 문제를 고고도 플랫폼(HAPS)으로 보완하려는 시도이다. 핵심은 “HAPS 수 + 위치”라는 이산·연속 혼합 변수 공간을 직접 탐색한다는 점이다. 기존 연구는 GDOP 기반의 기하학적 최적화에 머물렀지만, 본 논문은 3D 도시 모델에서 레이 트레이싱을 수행해 각 HAPS‑수신기·위성 연결의 LOS/NLOS 상태를 판단하고, 이를 기반으로 건물 기하학을 포함한 3×3 CRLB 서브매트릭스를 계산한다. CRLB은 Fisher Information Matrix(FIM)의 역으로 정의되며, LOS는 고정된 가우시안 분산, NLOS는 실험적으로 도출된 Gaussian Mixture Model(GMM)로 모델링한다. 이때 각 GMM 컴포넌트의 정보량을 수치 적분으로 구해 ψ_k(정보 기여도)로 변환, FIM에 가중합한다.

문제는 “최소 HAPS 수”라는 카디널리티 목표와 “평균 3D CRLB ≤ τ”라는 품질 제약을 동시에 만족해야 하는 다목적 비선형 최적화이다. 연속적인 위치 변수와 이산적인 개수 변수 때문에 전통적인 convex 변환은 적용이 어려우며, 전역 최적성을 보장하는 정확한 해법도 현실적으로 불가능하다. 따라서 저자는 NSGA‑II 기반의 특수 군집거리(SCD)를 활용한 다목적 유전 알고리즘인 ASDNSGA‑II를 변형하였다. 주요 개선점은 다음과 같다. ① 결정공간 군집거리 계산에 Aggregated Nearest‑Neighbor Distance(ANND)를 도입해 HAPS 수가 다른 개체 간의 거리 비교를 공정하게 수행한다. ② 교차 연산에서 SBX와 BLX‑α를 상황에 따라 전환하는 적응형 메커니즘을 도입했으며, 이는 개체의 순위와 두 군집거리(d_dec, d_obj) 기준으로 히스테리시스적으로 선택된다. ③ 개체의 HAPS 수는 정수형이어야 하므로, 교차·돌연변이 후 반올림 연산을 삽입했다. ④ 엘리트 보존과 환경 선택을 통해 매 세대마다 파레토 전선의 다양성과 수렴성을 동시에 유지한다.

시뮬레이션은 뉴욕 월스트리트 구역을 3D 모델링하고, 무작위 수신기 100여 개와 실제 위성 궤도 데이터를 사용했다. 파라미터는 HAPS 고도 18–22 km, 최소 고도각 10°, CRLB 임계값 τ는 5 m²로 설정하였다. 결과는 기존 위성만 이용했을 때 평균 3D CRLB이 12 m² 수준이었으나, 최적화된 2대의 HAPS 배치로 4.3 m²까지 감소시켰으며, 최소 HAPS 수는 2대로 수렴했다. 또한, 동일한 HAPS 수에 대해 무작위 배치 대비 평균 30 % 이상의 CRLB 개선을 보였다.

강점은 실제 도시 건물 데이터를 활용한 가시성 평가와, 다목적 최적화 프레임워크가 비용(플랫폼 수)과 성능(CRLB) 사이의 트레이드오프를 명시적으로 다룬 점이다. 한계는 레이 트레이싱 비용이 여전히 높아 대표 지점 선정에 의존한다는 점, 그리고 GMM 파라미터가 특정 도시(베를린) 기반이므로 다른 환경에선 재조정이 필요할 수 있다는 점이다. 또한, 실시간 배치 재계산이 어려워 사전 설계 단계에만 적용 가능하다는 제약도 있다. 향후 연구는 동적 환경(날씨·기상 변화)과 실시간 HAPS 재배치를 고려한 온라인 최적화, 그리고 실제 HAPS 실험을 통한 검증이 필요하다.