Various planning tools for air traffic control support require a model that can predict an aircraft taxi time for optimized scheduling under limited resources. However, because the existing aircraft taxi time prediction models were not developed for use in these planning tools, there are several limitations in directly applying the existing models to the planning tools. In addition, accurate aircraft taxi time prediction is required in various fields related to air traffic management, such as flight delay estimation. Therefore, this dissertation discusses how to develop an aircraft taxi time prediction model that can be directly applied to various fields related to air traffic management such as planning tools and flight delay estimation.
First, a method was proposed to develop a model for predicting the unimpeded taxi time, which is the time required when an aircraft moves at a nominal speed under no congestion on the airport surface. The unimpeded taxi time is used in the planning tools to calculate the earliest possible time for an aircraft to arrive at a specific location. The factor that has the greatest influence on the unimpeded taxi time is the ground travel distance. A model is proposed that can predict the unimpeded taxi time by accurately modeling the ground travel distance using the node-link model and classification tree.
In addition, in this dissertation, a model development method is proposed to predict the taxi-out time of the departure flights in the presence of congestion on the airport surface. Existing taxi-out time prediction models that consider congestion could predict the taxi-out time just before or near the departure time of the aircraft. However, planning tools require the predicted taxi-out time to consider congestion from a point much earlier than the departure time of the individual flight. Therefore, to solve this problem, the proposed model was implemented so that a taxi-out time that considers congestion could be predicted from 2 hours before the departure time using Long Short-Term Memory, a time series prediction technique based on deep learning.
항공 교통량 증가에 따른 출도착 지연 증가 및 교통 효율성 감소 문제를 개선하고자 개발되고 있는 항공교통관제 지원을 위한 다양한 계획 도구들은 한정된 자원 하에서 항공편들의 최적화된 스케줄을 계산하기 위해 개별 항공편의 항공기 지상이동시간을 예측할 수 있는 모델을 필요로 한다. 그러나 기존 항공기 지상이동시간 예측 모델들은 이러한 계획 도구들에 사용하는 것을 목적으로 개발된 것이 아니기 때문에 기존 모델을 계획도구들에 직접 적용함에 있어 여러 제약 사항이 존재한다. 또한 비행 지연 추정을 포함한 항공교통관리와 관련된 다양한 분야에서도 정확한 항공기 지상이동시간 정보를 필요로 하고 있다. 이에 본 논문에서는 계획도구 및 비행지연 추정을 비롯한 항공교통관리와 관련된 다양한 연구분야에 적용 가능한 항공기 지상이동시간 예측 모델을 개발하는 방법에 대해 다루고자 한다.
먼저 공항 지상에 혼잡이 없는 조건 하에서 항공기가 공칭속도로 이동하였을 때 소요되는 시간인 항공기의 지연없는 지상이동시간을 예측하는 모델을 개발하는 방법을 제안하였다. 항공기의 지연없는 지상이동시간은 계획 도구들에서 항공기가 특정 위치에 가장 빨리 도착할 수 있는 시각을 계산하기 위해 많이 이용되고 있다. 항공기의 지연없는 지상이동시간에 있어 가장 큰 영향을 미치는 요소는 지상이동거리인데, 본 논문에서는 노드-링크 모델 및 분류트리를 이용하여 지상이동거리를 정밀하게 모델링함으로써 지연없는 지상이동시간을 예측할 수 있는 모델을 제안하였다.
또한 본 논문에서는 공항 지상에 혼잡이 존재하는 상황에서 출발 항공편의 지상이동시간을 예측하는 모델 개발 방법을 제안하였다. 기존 지상 혼잡을 고려한 출발 항공편의 지상이동시간 예측 모델들은 항공기 출발 직전 또는 출발 근접한 시점에서 지상이동시간을 예측 할 수 있었다. 그러나 항공교통관제 지원 계획도구들은 개별 항공편의 출발 시각보다 훨씬 이른 시점에서부터 혼잡을 고려하여 예측된 지상이동시간을 필요로 한다. 따라서 이러한 문제를 해결하기 위해 제안된 모델은 딥러닝 기반의 시계열 예측 기법인 장단기 기억 신경망을 이용하여 출발 항공편의 출발 2시간 전부터 지상 혼잡을 고려한 지상이동시간을 예측할 수 있도록 모델을 구현하였다.
