최근 발표된 연구에 따르면, 항공 교통 관제(ATC)에서 관제사의 의사결정을 지원하는 새로운 AI 기반 경로 계획 알고리즘이 개발되었습니다. 이 알고리즘은 기존의 많은 경로 계획 알고리즘들이 현장 관제에 실제로 적용되지 못했던 한계를 극복하기 위해, ‘해석 가능성(interpretability)’과 ‘효율성’에 중점을 두고 설계되었습니다. 이는 AI가 제안하는 경로를 관제사가 쉽게 이해하고 신뢰할 수 있도록 돕는 것이 핵심입니다.
이 연구는 관제사가 실제 운영에서 적용하는 의사결정 논리, 즉 분리 표준, 기동 한계, 경유지 최소화, 경로 실용성 등을 알고리즘 설계에 반영했습니다. 특히, 충돌 없는 경로를 효율적으로 찾기 위해 거리 기반, 시간 간격 기반, 구역 기반의 세 가지 충돌 감지 방법을 통합한 ‘솔루션 공간(solution space)’ 프레임워크를 활용했습니다. 이를 통해 모든 실행 가능한 안전한 행동을 노출하고, 최적화 목표가 변경될 때도 유연하게 대응할 수 있도록 했습니다. 실험 결과, 구역 기반 충돌 감지 방식과 결합된 SSPPV(Solution Space Path Planning with Vertex-based search nodes) 모델이 평균 3.69밀리초(ms) 만에 경로를 계산하며 가장 뛰어난 성능을 보였습니다.
이러한 해석 가능하고 효율적인 AI 경로 계획 알고리즘의 개발은 항공 교통 관제 시스템의 미래에 중요한 의미를 가집니다. AI가 단순히 최적의 경로를 제시하는 것을 넘어, 왜 그 경로가 최적인지 관제사가 납득할 수 있도록 설명함으로써 AI에 대한 신뢰를 높이고 실제 운영 환경에서의 채택률을 높일 수 있습니다. 이는 궁극적으로 항공 교통의 안전성과 효율성을 동시에 향상시키며, 복잡한 항공 교통 관제 환경에서 인간과 AI의 효과적인 협업 모델을 제시하는 중요한 발걸음이 될 것입니다.