LSTM Auto Encoder 이용한 접근 이상 항적 탐지 모형

초록

항공 수요가 글로벌화와 함께 지속적으로 증가하고 있으며, Urban Air Mobility(UAM)의 도래로 도시 지역에서의 항공 이동이 중요한 이슈로 부상하고 있다. 이러한 배경 속에서 안전한 항공 시스템의 구축은 더욱 중요해지고 있다. 이상 징후 또는 비정상 작동을 탐지하기 위해 Auto Encoder(AE) 기반 이상 항적 탐지 연구가 이루어지고 있다. 항적은 환경에 영향을 받기 때문에 이상 항적 탐지 모형에 환경을 반영해야 한다는 어려움이 있다. 이를 해결하기 위해 본 연구는 환경 데이터와 궤적 데이터를 입력으로 사용하면서, 궤적 데이터만을 출력하는 Long Short Term Memory-Auto Encoder(LSTM-AE) 모형을 새롭게 제안한다. 일부 항적에 대한 Mean Absolute Error를 산출하여 모델의 재구성 능력을 확인하였다. 또한 전형적인 이상 항적인 착륙 복행 항적에 대한 Area under the ROC curve(AUC)를 비교하여 이상 항적 탐지 능력을 확인하였다. 이를 통해 일반적인 AE 모형, LSTM-AE 모형보다 제안 모형이 환경 변수에 대한 궤적의 패턴을 성공적으로 학습하며 이상 패턴 탐지 능력이 우수하다는 것을 확인하였다. 본 연구의 결과를 바탕으로 향후 더욱 다양한 환경 변수의 적용과 함께 더욱 정교한 모형 개발이 기대된다.

키워드