딥러닝 모델 기반의 도심 저고도 무인 항공기 실시간 경로 예측 연구 = Real-Time Trajectory Prediction for Urban Low-Altitude Unmanned Aerial Vehicles Based on Deep Learning Model

국문 초록 (Abstract)

전 세계 항공 교통량의 증가와 자율 주행 항공기 개발로 인해, 무인 항공기의 활용 범위가 넓어지고 있다. 이로 인해 안전한 항공 교통 관리를 위해서 무인 항공기의 경로를 예측하는 기술의 필요성이 더욱 높아지고 있다.
본 연구는 딥러닝 모델을 기반으로 무인 항공기의 경로를 예측하는 방법을 제시한다. 시계열 예측에 적합한 딥러닝 모델인 GRU(Gated Recurrent Unit) 구조 기반의 예측 모델을 제안한다. 모델 학습에 있어서 look_back, forward_length 개념을 적용하여 다양한 예측 거리에서의 성능을 분석한다. 또한, 본 모델의 성능을 입증하기 위해RNN(Recurrent Neural Network) 및 LSTM(Long Short-Term Memory) 모델과의 비교 실험을 진행하였다. 실험결과, 본 모델이 RMSE 0.0037로 가장 우수한 예측 성능을 보였으며, 실시간 예측 가능성도 입증하였다.

다국어 초록 (Multilingual Abstract)

The continuous increase in global air traffic and autonomous aircraft development have made accurate trajectory prediction crucial for safe air traffic management. This study proposes a method for predicting UAV trajectories based on a deep learning model. Specifically, we propose a prediction model based on the GRU (Gated Recurrent Unit) architecture, which is well-suited for time series prediction. We applied look_back and forward_length to assess model performance across different ranges. Furthermore, to validate the performance of the proposed model, we conducted comparative experiments with RNN (Recurrent Neural Network) and LSTM (Long Short-Term Memory) models. The experimental results showed that our model achieved the best prediction performance with an RMSE of 0.0037 and demonstrated real-time prediction capability.