본문 바로가기
AI 에이전트/AI가 작성한 심층리포트

UAM 교통관제 시스템

by 깊은대학 2025. 6. 30.

I. 서론

A. 연구 배경 및 목적

현대 도시는 지속적인 인구 증가와 도시화로 인해 심각한 지상 교통 혼잡 문제에 직면해 있다. 이러한 문제에 대한 혁신적인 해결책으로 도심 항공 모빌리티(Urban Air Mobility, UAM)가 전 세계적으로 주목받고 있다.

 

UAM은 전기 수직 이착륙(eVTOL) 항공기를 활용하여 승객 및 화물 운송 서비스를 제공하는 차세대 교통 시스템으로, 도심 내 이동성을 혁신하고 지상 교통 혼잡을 완화할 잠재력을 가진다.1 UAM은 기존 교통수단 대비 이동 시간을 획기적으로 단축하고, 환경 친화적인 운영을 통해 도시의 삶의 질을 향상시킬 것으로 기대된다.2

 

그러나 UAM의 성공적인 도입을 위해서는 기존 항공교통관제(Air Traffic Control, ATC) 시스템으로는 감당하기 어려운 고밀도, 저고도, 고도로 자동화된 운영 환경을 관리할 새로운 교통관제 패러다임이 필수적이다. 기존 ATC 시스템은 주로 고고도 및 광역 공역에서 소수의 대형 항공기를 인간 관제사가 직접 통제하는 방식에 최적화되어 있어, 도시 저고도에서 수백 대에서 수천 대의 UAM 항공기가 동시에 운항하는 환경에는 적합하지 않다.2 따라서 UAM의 안전하고 효율적인 운영을 위한 새로운 교통관제 시스템, 즉 UAM 교통관제(Urban Air Traffic Management, UATM) 시스템의 개발이 시급하다.

 

본 보고서는 이러한 배경 아래, UAM 교통관제 시스템의 개념, 구성 요소, 운영 원리를 기존 항공교통관제 시스템과 비교 분석한다. 또한, UAM의 특성과 기존 시스템의 한계점을 고려하여 AI 기술이 UAM 교통관제 시스템에 어떻게 적용될 수 있는지 심층적으로 탐구하고, 그 잠재적 이점과 함께 고려해야 할 도전 과제를 제시한다. 궁극적으로 AI 기반 UAM 교통관제 시스템의 성공적인 구현을 위한 통찰과 제언을 제공하는 것을 목표로 한다.

 

B. 보고서 구성

본 보고서는 서론에 이어 기존 항공교통관제 시스템의 정의, 주요 기능, 핵심 인프라 및 기술, 운영 절차 및 한계점을 분석한다. 다음으로 UAM 교통관제 시스템의 정의, 목표, 주요 구성 요소 및 운영 개념, 특징, 그리고 주요 도전 과제를 다룬다. 이어서 AI 기술이 UAM 교통관제 시스템에 적용될 수 있는 구체적인 방안과 그에 따른 잠재적 이점을 제시하고, AI 적용 시 고려해야 할 안전성, 신뢰성, 데이터 프라이버시, 보안, 규제 및 인증 문제, 그리고 인간-AI 협업의 중요성을 논한다. 마지막으로 주요 비교 분석 내용을 요약하고 AI 기반 UAM 교통관제 시스템의 발전을 위한 제언으로 마무리한다.

 

 

II. 기존 항공교통관제(ATC) 시스템 분석

A. 정의 및 주요 기능

항공교통관제(ATC)는 지상 기반의 항공 교통 관제사들이 통제 공역 내에서 항공기의 이착륙 및 비행을 지시하고, 비통제 공역에서는 조종사에게 자문 서비스를 제공하는 핵심적인 서비스이다.9 ATC의 주된 목적은 항공기 간의 충돌을 방지하고, 항공 교통 흐름을 조직화하여 신속하게 처리하며, 조종사에게 필요한 정보와 지원을 제공함으로써 전반적인 항공 안전과 효율성을 확보하는 것이다.9 이를 위해 관제사들은 레이더 시스템을 통해 할당된 공역 내 항공기의 위치를 지속적으로 모니터링하고, 무선 통신을 통해 조종사와 실시간으로 교신한다. 항공기 간의 안전한 간격을 유지하기 위해 최소 분리 규칙을 엄격하게 적용하는 것이 관제사의 중요한 임무 중 하나이다.9

 

기존 ATC 시스템은 고도로 훈련된 전문가인 인간 관제사에 의해 운영되는 복잡한 시스템으로 설명된다.10 관제사는 항공기 위치를 레이더로 감시하고 무전으로 조종사와 통신하며, 최소 분리 규칙을 적용하여 항공기 간의 안전한 간격을 유지한다.9 이러한 방식은 현재의 항공 교통량에는 효과적이지만, 동시에 관리할 수 있는 항공기의 수에 근본적인 제약을 가한다. 관제사 한 명당 높은 업무량이 요구되며, 이는 교통량 증가에 비례하여 인력을 확장하거나 기술적 보강 없이는 시스템의 확장성을 확보하기 어렵다는 한계를 내포한다. 이러한 지상 기반의 인간 중심적이고 음성 기반의 관제 모델은 미래의 고밀도 UAM 운영 환경에 적용될 경우 본질적으로 확장성 부족 문제를 야기할 수 있다.

 

B. 핵심 인프라 및 기술 (CNS 중심)

기존 항공교통관리(ATM) 인프라의 주요 기능은 통신(Communication), 항법(Navigation), 감시(Surveillance), 즉 CNS로 구성되어 항공 교통의 안전과 효율성을 보장한다.11

 

1. 통신 (Communication)

항공 통신은 두 대 이상의 항공기 간, 또는 항공기와 ATC 간의 데이터 및 음성 정보 교환을 의미하며, ATM 네트워크의 지상 통신 인프라를 포함한다.11 대륙 공역에서는 주로 VHF(Very High Frequency) 시스템이 민간 항공기에 사용되고 UHF(Ultra High Frequency) 시스템이 군용 항공기에 사용된다. 반면, 해양 공역과 같이 장거리 통신이 필요한 지역에서는 고주파(HF) 시스템과 위성 통신(SATCOM)이 활용된다.11

 

음성 통신은 실시간 상호작용에 필수적이지만, 무선 주파수 혼잡, 잡음, 오해 가능성, 그리고 기록의 어려움과 같은 내재적인 한계를 가진다. 이러한 한계를 극복하고 정확성을 높이기 위해 ACARS(Aircraft Communications Addressing and Reporting System)와 CPDLC(Controller Pilot Data Link Communications)와 같은 디지털 데이터 링크 통신 시스템이 도입되었다.12 CPDLC는 관제사와 조종사 간의 ATC 관련 메시지를 데이터 채널을 통해 송수신함으로써 음성 통신의 혼잡을 줄이고 즉각적이고 정확한 데이터 전송을 가능하게 하여 관제 업무 처리 능력을 증대시킨다.13 미국 NextGen 프로그램의 DataComm은 지상 자동화 시스템과 조종실 항공전자 장비 간의 디지털 링크를 제공하여 음성 통신을 보완하는 역할을 한다.14 이는 유사한 호출 부호를 가진 다른 항공기에 대한 오해를 방지하고, 무선 대역폭을 보존하며, 이륙 대기 시간을 단축하고 연료 소모 및 배출가스를 줄이는 데 기여한다.15

 

기존 ATC 시스템에서 음성 중심 통신에서 데이터 링크 통신(ACARS, CPDLC, DataComm)으로의 진화는 항공 교통 관리의 디지털화 및 자동화를 향한 명확한 경향을 보여준다. 이러한 발전은 기존 ATC조차 순수 음성 기반 시스템의 한계(혼잡, 오해)를 인식하고 있으며, 더 자동화된 데이터 중심 통신으로 적극적으로 전환하고 있음을 의미한다. 이러한 경향은 자율 또는 원격 조종 항공기의 엄청난 수로 인해 본질적으로 대량의 자동화된 데이터 교환을 필요로 하는 UAM에게 필수적인 전제 조건을 제공한다. 그러나 기존 데이터 링크 기술은 UAM이 요구하는 실시간성, 고신뢰성, 그리고 대규모 데이터 처리 능력에 미치지 못하므로, UAM을 위한 더욱 진보된 통신 인프라가 필요하다.

 

2. 항법 (Navigation)

항공 항법은 항공기의 정확하고 신뢰할 수 있으며 끊김 없는 위치 결정 능력을 제공하여 한 지점에서 다른 지점으로의 이동을 계획, 기록, 제어하는 과정이다.11 과거에는 VOR(Very High Frequency Omnidirectional Range) 및 DME(Distance Measuring Equipment)와 같은 지상 기반 항법 시설이 주로 사용되어 고정된 항로를 정의하고 항공기를 유도했다.13 그러나 현재는 GPS, GLONASS, Galileo, BeiDou 등 위성 항법 시스템(GNSS)이 전 세계적으로 광범위하게 활용되며, 항공기의 위치를 정밀하게 파악하는 데 기여한다.13

 

미국 NextGen 시스템은 항공 교통 관리를 지상 기반 레이더 시스템에서 위성 기반 항법 시스템으로 전환하는 것을 핵심 목표로 한다.14 이 전환의 주요 기술 중 하나인 ADS-B(Automatic Dependent Surveillance-Broadcast)는 항공기가 위성 항법을 통해 자신의 위치를 결정하고 이를 주변 항공기 및 ATC 지상국에 방송하여 실시간으로 추적될 수 있도록 한다.14 또한, 기내 보강 시스템(ABAS), 광역 보강 시스템(SBAS), 지상 기반 보강 시스템(GBAS)과 같은 보강 시스템들은 위성 항법 신호의 정밀도와 무결성을 향상시켜 더욱 정확한 위치 정보를 제공한다.13

 

기존 ATC 시스템에서 지상 기반 항법 보조 장치(VOR, DME)에서 위성 기반 시스템(GNSS, ADS-B)으로의 전환은 항법의 정밀도와 효율성을 향상시키는 근본적인 현대화를 나타낸다. 이는 고정된 지상 인프라에 대한 의존성에서 벗어나 더 유연하고 정밀하며 잠재적으로 전 세계적인 커버리지를 제공하는 기술적 궤적을 명확히 보여준다. UAM은 고밀도, 저고도 운영과 고도로 자동화된 비행을 위해 센티미터 수준의 위치 정밀도(RTK-GNSS)를 필요로 한다. 기존 시스템이 위성 항법을 채택한 것은 UAM이 요구하는 정밀도 수준에는 미치지 못하더라도, 그 이점을 인식하고 있다는 것을 의미하며, 이는 UAM으로의 전환을 더 실현 가능하게 만드는 기술적 기반을 제공한다.

 

3. 감시 (Surveillance)

감시 시스템은 ATC가 항공기의 위치를 파악하고 항공 교통 흐름을 모니터링하는 데 사용된다.11 이러한 시스템은 크게 두 가지 유형으로 나뉜다.

 

첫째, 협력 시스템은 지상 시스템(예: 2차 감시 레이더, SSR)이 항공기 탑재 장비(예: 트랜스폰더)와 통신하여 항공기 위치 및 기타 세부 정보를 파악하는 방식이다.11 항공기는 트랜스폰더를 통해 지상국의 질의에 응답하여 위치, 식별 코드, 고도 등의 정보를 전송한다.18 ADS-B(Automatic Dependent Surveillance-Broadcast)와 같은 다른 협력 시스템은 항공기가 지상국의 질의 없이 자체적으로 GNSS를 통해 결정된 위치 및 기타 정보를 주기적으로 방송하는 방식에 의존한다.11 이는 레이더 커버리지가 제한적인 지역에서도 감시를 가능하게 한다.14

 

둘째, 비협력 시스템은 지상 시스템(예: 1차 감시 레이더, PSR)이 전파 펄스를 전송하고 항공기 기체에서 반사되는 전파를 감지함으로써 항공기 위치를 파악하는 방식이다.11 이 방식은 항공기에 별도의 장비가 없어도 탐지가 가능하지만, 반사 신호의 강도와 지형, 기상 조건에 영향을 받을 수 있다.18

주요 감시 레이더에는 공항 주변의 단거리 감시 및 터미널 지역 교통 처리를 위한 ASR(Airport Surveillance Radar), 광역 공역 내 항공기 위치 감시를 위한 ARSR(Air Route Surveillance Radar), 그리고 정밀 접근을 위한 PAR(Precision Approach Radar) 등이 있다.18 또한, 공항 지상 및 저고도 공역의 항공기와 차량 움직임을 감시하기 위해 ASDE-X(Airport Surface Detection Equipment) / ASSC(Airport Surface Surveillance Capability)와 같은 다중 센서 시스템이 활용된다. 이 시스템은 1차 레이더, 자동화 인터페이스, 다중 센서 데이터 프로세서, 그리고 고해상도 관제탑 디스플레이로 구성되어 지상 운영에 대한 포괄적인 시야를 제공한다.18

 

기존 ATC 시스템이 ADS-B와 같은 협력적 감시 기술을 통합하고 있지만, 1차 및 2차 레이더에 대한 지속적인 의존은 UAM이 구상하는 완전 자동화된 데이터 중심 및 잠재적으로 V2V(Vehicle-to-Vehicle) 기반 감시와 근본적인 차이를 보여준다. 기존 레이더 시스템은 고밀도 저고도 UAM 운영에서 발생할 수 있는 대규모 동시 비행체를 효과적으로 감시하고 분리하는 데 한계가 있으며, 특히 도시 환경의 복잡한 지형과 장애물로 인해 레이더 사각지대가 발생할 수 있다.18 이는 UAM의 안전한 운영을 위해 보다 정밀하고 분산된 감시 기술이 필요함을 시사한다.

 

C. 운영 절차 및 공역 관리

기존 ATC 시스템의 운영 절차는 주로 인간 관제사의 지시와 조종사의 응답에 기반하며, 공역은 고정된 구조로 관리된다. 관제사들은 항공기의 이착륙 허가를 내리고, 비행 중 경로 및 고도 변경 지시를 하며, 날씨 정보, 활주로 폐쇄 등 중요한 정보를 조종사에게 전달하고, 비상 상황 발생 시 공항 대응 인력에게 알리는 역할을 수행한다.19 이들의 주된 관심사는 안전이지만, 지연을 최소화하기 위해 항공기 흐름을 효율적으로 지시하는 것도 중요하다.19

 

공역은 일반적으로 기능과 고도에 따라 여러 구역으로 나뉜다. 관제탑 관제사는 공항 활주로와 유도로에서의 항공기 및 차량 이동을 지시하며, 공항 주변 3~30마일 반경의 공역을 관리한다.19

 

접근 및 출발 관제사는 TRACON(Terminal Radar Approach Control Centers)에서 근무하며, 공항 공역 내 항공기 간 최소 분리를 유지한다. 이들은 항공기가 통제 공역에 진입하는 것을 허가하고, 항로 관제사에게 항공기 통제권을 인계한다. 이들의 관할 구역은 일반적으로 공항에서 20~50마일, 고도 17,000피트까지이다.19

항로 관제사는 ARTCC(Air Route Traffic Control Centers)에서 근무하며, 공항 공역을 벗어난 항공기를 모니터링하고 경로를 따라 유도한다. 이들은 비행 안전을 위해 필요에 따라 비행 경로를 조정할 수 있으며, 비행의 대부분을 담당한 후 터미널 접근 관제사에게 통제권을 인계한다.19

 

운영 절차는 비행 계획 제출, 관제 허가(Clearance) 획득, 그리고 관제사의 지시에 따른 교통 분리(수직 및 수평)를 포함한다.9 관제사는 관찰된 교통량, 조종사 보고, 예상되는 항공기 기동을 기반으로 적절한 간격을 유지하기 위해 비행을 조정한다.21

 

기존 ATC 시스템은 주로 중앙 집중식 관제 방식을 채택한다. ARTCC는 주로 계기 비행 규칙(IFR) 비행 계획에 따라 운항하는 항공기에 항공 교통 서비스를 제공한다.21 최근에는 원격 관제 시스템의 도입으로 중앙 위치에서 여러 공항을 동시에 관리하고, 항공 교통 상황 디스플레이 및 전자 비행 스트립과 같은 자동화된 시스템을 제공하여 운영 효율성을 향상시키고 인력 감축 및 비용 절감 효과를 기대한다.22

 

기존 ATC의 중앙 집중식, 인간 개입 중심 관제 모델은 UAM의 대규모, 자율 운영 요구사항과 근본적인 불일치를 보인다. 현재 시스템은 교통량 증가, 주파수 혼잡, 관제사 업무량 등의 요인으로 인해 서비스 제공에 제약을 받을 수 있다.21 UAM은 수백 대에서 수천 대의 항공기가 동시에 저고도에서 운항할 것으로 예상되므로, 기존의 1:1 음성 통신 및 수동적 분리 방식으로는 확장성이 크게 부족하다. 이는 실시간 대응 능력과 효율성 측면에서 한계를 드러내며, UAM의 안전하고 유연한 운영을 위해서는 새로운 패러다임의 관제 시스템이 필요함을 시사한다.

 

D. 한계점 및 도전 과제

기존 항공교통관제 시스템은 수십 년간 항공 안전을 보장해왔지만, UAM과 같은 새로운 항공 교통 시스템의 등장은 여러 한계점과 도전 과제를 드러내고 있다.

 

첫째, 교통량 증가에 따른 부담이다. UAM은 도심 내에서 수백 대에서 수천 대의 항공기가 동시에 운항하는 온디맨드 서비스를 목표로 한다.2 기존 ATC 시스템은 이러한 대규모의 동시 운영을 감당하도록 설계되지 않았으며, 현재의 인프라와 관제 인력으로는 예상되는 UAM 교통량을 효과적으로 관리하기 어렵다.2

 

둘째, 자동화 수준 및 조종사 역할의 불일치이다. UAM 항공기는 고도로 자동화되거나 심지어 완전 자율 비행을 목표로 개발되고 있다.2 그러나 기존 ATC는 조종사와 관제사 간의 음성 통신에 크게 의존하며, 조종사가 '보고 피하기(see and avoid)' 규칙을 준수하는 것을 전제로 한다.2 UAM 항공기에 훈련된 인간 조종사가 탑승하지 않을 경우, 기존의 시계 비행 규칙(VFR) 또는 계기 비행 규칙(IFR)을 준수하기 어렵고, ATC의 음성 지시에 안정적으로 응답하지 못할 수 있다.2

 

셋째, 분리 간격 문제이다. 기존 ATC는 항공기 간의 안전을 위해 일반적으로 3해리(약 5.5km)의 표준 분리 간격을 제공한다.2 UAM의 고밀도 운영 환경에서 이러한 넓은 분리 간격은 공역 활용의 비효율성을 초래하여, UAM 서비스의 경제성과 실현 가능성을 저해할 수 있다.2

 

넷째, 저고도 공역 관리의 복잡성이다. UAM은 주로 400피트에서 5,000피트 사이의 도시 저고도 공역에서 운항할 것으로 예상된다.6 이 공역은 기존 항공기(헬리콥터, 소형 항공기)뿐만 아니라 다양한 종류의 드론이 혼재되어 있어 매우 복잡하다.6 또한, 도시의 건물, 지형, 기상 조건 등 다양한 장애물과 제약 요소들이 존재하여 항공 교통 흐름을 예측하고 관리하는 데 큰 어려움이 따른다.6 서로 다른 비행 성능을 가진 eVTOL 항공기들의 종류가 다양하다는 점도 관제를 더욱 어렵게 만든다.6

 

마지막으로, 규제 및 정책의 미비이다. UAM은 새로운 항공기 설계, 시스템 기술, 공역 관리 구조 및 운영 절차를 포함하는 혁신적인 개념이다.2 기존의 항공 규제, 정책, 구조는 UAM이 구상하는 운영을 반드시 수용하지 못할 수 있다.2 따라서 UAM의 안전하고 효율적인 통합을 위한 새로운 규제 프레임워크와 국제적인 표준화 노력이 시급히 요구된다.26

 

 

III. UAM 교통관제 시스템(UATM) 분석

A. 정의 및 목표

UAM 교통관제(Urban Air Traffic Management, UATM)는 도시 환경 내에서 발생하는 항공 교통, 특히 eVTOL(Electric Vertical Takeoff and Landing) 항공기와 같은 도심 항공 모빌리티(UAM) 비행체를 관리하는 시스템과 프로세스를 의미한다.1 UATM의 핵심 목표는 UAM 운영을 기존 항공 교통과 안전하고 효율적으로 통합하여 모든 공역 사용자에게 원활하고 예측 가능한 공역을 보장하는 것이다.1

 

UATM은 단순한 교통 분리를 넘어선 포괄적인 성능 영역을 목표로 한다. 국제민간항공기구(ICAO)의 핵심 성과 영역(Key Performance Areas)을 기반으로, UATM은 안전(Safety), 보안(Security), 환경(Environment), 비용 효율성(Cost Effectiveness), 용량(Capacity), 비행 효율성(Flight Efficiency), 유연성(Flexibility), 예측 가능성(Predictability), 접근성 및 형평성(Access & Equity), 참여 및 협업(Participation & Collaboration), 그리고 글로벌 상호 운용성(Global Interoperability)을 모두 고려한다.1 초기 UATM 서비스는 비행 효율성, 유연성, 예측 가능성, 참여 및 협업과 같은 성능 영역에 더 중점을 둘 수 있으며, 안전은 기존 ATM 방식과 조종사의 시계 비행 규칙(VFR) 준수를 통해 확보될 것으로 예상된다.1

 

UATM은 규제, 조직, 공역 구조 및 절차, 기술, 그리고 환경을 포함하는 도시 공역 환경 내 모든 운영을 지원하는 시스템 및 서비스의 총체이다.1 '도시'라는 용어는 eVTOL 항공기와 드론의 통합을 지원하기 위해 고급의 고신뢰성 ATM 서비스가 필요할 것으로 예상되는 지역을 의미한다.1 UATM은 초기에는 유인 UAM 항공기의 통합 운영을 지원하고, 궁극적으로는 자율 항공기의 통합을 위한 로드맵을 제공하여 UAM 운영의 최적화된 성능과 안전을 가능하게 할 것이다.1

 

B. 주요 구성 요소 및 운영 개념

UAM 교통관제(UATM) 시스템은 기존 항공교통관제(ATC) 시스템의 한계를 극복하고 UAM의 고유한 운영 특성을 수용하기 위해 여러 혁신적인 개념 요소를 포함한다. 주요 구성 요소로는 규제, 조직, 공역 구조 및 절차, 기술, 그리고 환경이 언급된다.1 이 중 핵심적인 운영 개념은 다음과 같다.

 

1. 증강 시계 비행 규칙 (Augmented Visual Flight Rules, Augmented VFR)

증강 VFR은 조종사가 탑승하지 않은 UAM 항공기가 기존의 시계 비행 규칙(VFR)을 따르는 유인 항공기처럼 운항할 수 있도록 하는 개념이다.2 이는 미국 연방 규정(14 CFR) Part 91.113을 업데이트하여 '보고 피하기(see and avoid)' 원칙을 기능적으로 동등한 '인지 및 회피(Detect and Avoid, DAA)' 기술로 대체하는 것을 포함한다.2 즉, 인간의 눈과 뇌가 수행하던 역할을 이제는 자율 주행 기술이 동일한 목적으로 달성할 수 있도록 하는 것이다.30

 

DAA 기술은 항공기 자체에 탑재된 자급식 시스템일 수도 있고, 지상 구성 요소를 포함한 분산형 시스템의 입력을 활용하는 시스템일 수도 있다.2 이러한 시스템은 미국 연방 항공청(FAA)에 의해 인증된 산업 합의 성능 표준에 따라 구축되어 안전한 분리 및 회피를 가능하게 한다.2 증강 VFR과 관련된 DAA 기술은 고밀도 도시 환경에서 수많은 UAM 항공기 간의 충돌을 방지하는 데 필수적이다. 기존 VFR의 인간 '보고 피하기' 방식은 대규모 자율 비행체에는 적용 불가능하므로, DAA 기술은 자동화된 안전 확보의 핵심 방안으로 작용한다. 이를 통해 UAM은 복잡한 공역에서 인간 개입 없이도 안전하게 운항할 수 있는 기반을 마련한다.

 

2. 동적 위임 회랑 (Dynamic Delegated Corridors, DDC)

동적 위임 회랑(DDC) 개념은 혼잡한 공역에서 UAM 항공기가 운항할 수 있도록 특정 항로를 정의하는 것으로, 기존 계기 비행 규칙(IFR)에 따라 운항하는 항공기와의 절차적 분리가 가능하다.2 기존의 고정된 VFR 회랑과 달리, DDC는 바람, 날씨와 같은 환경 조건, UAM 교통 밀도 및 수요, 공항 구성, 그리고 기존 항공 교통량에 따라 시간이 지남에 따라 동적으로 변화할 수 있다.2

 

DDC는 UAM 항공기가 기존 항공기와는 다른 절차적 메커니즘을 가능하게 하는 비행 자동화 기술을 갖추고 있다는 가정을 기반으로 설계된다.2 DDC는 디지털로 통신 가능한 명확한 경계를 가지며, 기존 IFR 및 VFR 항공기의 진입이 제한되지는 않지만, UAM 사용 중에는 관제사가 다른 항공기의 진입을 피하도록 노력한다.2 기존 ATC는 DDC 내에서 교통을 직접 관리하거나 분리 서비스를 제공하지 않으며, 특정 DDC 내 비행 의도는 인증된 자동화된 교통 관리 서비스를 통해 조정되어야 할 수 있다.2 이러한 동적 위임 회랑은 기존의 고정 항로가 가진 한계를 극복하고, UAM의 동적인 운영 요구사항을 충족시키며 공역 효율성을 크게 증대시키는 역할을 한다. 이는 UAM이 대규모로 확장될 수 있는 유연한 공역 관리 방안을 제공한다.

 

3. 자동화를 위한 의사결정 지원 서비스 (Decision Support Services for Automation)

UAM 항공기는 개방형 아키텍처 정보 교환을 통해 광범위한 협업 의사결정 지원 정보에 접근해야 한다.2 이러한 정보는 안전에 필수적이거나 안전성을 향상시키는 내용으로, 교통 위치, DDC 상태, 기상 정보, 장애물 위치, 교통 조정, 착륙 지점 정보 등을 포함한다.2

 

이러한 정보 교환 아키텍처는 무인 항공 시스템 교통 관리(UTM) 아키텍처와 유사하며 일부 요소를 공유할 수 있지만, UAM 서비스는 더 긴 비행 거리, 더 높은 고도, 그리고 더 엄격한 안전 보장 요구 사항을 가진 자동화된 항공기에 적용된다는 점에서 차이가 있다.2 위치 및 운영 유형에 따라 자동화된 항공기는 식별, 의도, 원격 측정 정보를 정보 교환 링크를 통해 제공해야 할 수 있다.2 이러한 서비스는 UAM 항공기가 복잡하고 동적인 도시 공역에서 독립적으로 안전하게 의사결정을 내릴 수 있도록 지원한다.

 

4. 성능 기반 운영 (Performance-Based Operations)

성능 기반 운영 개념은 더 나은 성능을 가진 기술(예: 정밀 항법, DAA 기술, 소음 저감 기술, V2V 통신 기술)을 장착한 항공기가 더 효율적이고 회사 선호 경로로 비행할 수 있도록 함으로써 UAM 운영의 성장과 확장성을 가능하게 한다.2

이러한 접근 방식은 기술 발전에 따라 공역 접근 및 분리 기준에 직접적인 영향을 미친다. 예를 들어, 더 높은 항법 정밀도는 좁은 회랑에서의 비행을 가능하게 하고, 향상된 DAA 및 V2V 기술은 특정 지역 내에서 더 낮은 분리 요구 사항을 허용하여 미래에는 동적 분리 표준으로 이어질 수 있다.2 또한, 특정 소음 배출 기준을 충족하는 항공기에만 특정 DDC를 개방하는 등 환경적 고려사항도 통합될 수 있다.2 성능 기반 운영은 기술 혁신을 촉진하고, 시장 경쟁을 유도하며, 궁극적으로 UAM 시스템의 전반적인 효율성과 용량을 증대시키는 중요한 요소이다.

 

C. UAM 교통관제 시스템의 특징

UAM 교통관제 시스템은 기존 항공교통관제 시스템과 근본적으로 다른 여러 특징을 가진다.

 

첫째, 분산형 및 협력적 생태계이다. UATM은 FAA(미국 연방 항공청), NASA(미국 항공 우주국)와 같은 정부 기관뿐만 아니라 다양한 산업계 참여자들이 협력하여 운영되는 생태계를 지향한다.4 특히 USS(UAS Service Suppliers)는 드론 운영자를 대신하여 비행 계획, 승인, 감시 및 충돌 관리와 같은 기능을 수행하며, FAA는 USS가 제공하는 서비스의 안전 완화 가치를 평가하고 규제적 제약을 제공한다.4 이는 기존의 중앙 집중식 관제와 달리, 여러 주체가 정보를 공유하고 협력하여 교통을 관리하는 모델이다.

 

둘째, 높은 자동화 수준이다. UATM은 조종사와 관제사 간의 음성 통신 대신 API(Application Programming Interface)를 통한 디지털 통신을 주요 수단으로 활용하는 고도로 자동화된 시스템을 목표로 한다.31 UAM 항공기는 궁극적으로 조종사 없이 원격 조종되거나 완전 자율 비행을 수행할 것으로 예상된다.2 이는 기존 시스템이 인간 관제사의 개입에 크게 의존하는 것과 대조된다.

 

셋째, 저고도 공역 집중이다. UAM은 주로 도시 내 400피트(약 122m)에서 5,000피트(약 1,524m) 사이의 저고도 공역에서 운항할 것으로 예상된다.2 특히 버티포트(Vertiport) 주변에서는 400피트 이하의 고도까지 확장될 수 있다.6 이는 기존 항공기가 주로 고고도 항로를 이용하는 것과 차별화된다.

 

넷째, 고밀도 운영이다. UAM은 단일 대도시권에서 수백 대 또는 수천 대의 항공기가 동시에 운항하는 것을 목표로 한다.2 이러한 고밀도 환경은 기존 ATC 시스템이 처리할 수 있는 범위를 훨씬 초과하며, 새로운 교통 관리 기술과 절차를 요구한다.6

 

다섯째, 규제 프레임워크의 진화이다. UAM의 등장은 기존 항공법규만으로는 충분하지 않다는 인식을 바탕으로 새로운 규제 프레임워크 구축을 촉진하고 있다.4 초기에는 기존 시계 비행 규칙(VFR) 및 계기 비행 규칙(IFR)을 활용할 수 있지만, 운영 규모가 커짐에 따라 협력적 운영 환경(Extensible Traffic Management, xTM)과 같은 새로운 개념이 도입되고 있다.4 이는 기술 중립적이고 성능 기반의 요구사항을 통해 전통적인 FAA 제공 인프라를 보완하고 상업적 서비스 제공자의 역할을 확대하는 방향으로 나아가고 있다.35

 

D. 주요 도전 과제

UAM 교통관제 시스템의 성공적인 구현을 위해서는 여러 복합적인 도전 과제를 해결해야 한다.

 

첫째, 안전성 및 신뢰성 확보이다. UAM은 승객을 운송하는 만큼 최고 수준의 안전성이 요구된다. 그러나 고도로 자동화되거나 자율 비행하는 시스템의 안전성 검증은 매우 복잡하며, 예상치 못한 오류나 시스템 오작동 가능성을 철저히 관리해야 한다.26 특히 AI 기반 시스템의 불확실하고 예측 불가능한 행동은 안전성 측면에서 중요한 고려 사항이다.38

 

둘째, 복잡한 도시 공역 관리이다. 도시 저고도 공역은 고층 건물, 지형, 기상 변화 등 다양한 장애물과 제약 요소로 인해 매우 복잡하다.6 또한, UAM 항공기 외에도 드론, 헬리콥터, 기존 항공기 등 다양한 유형의 비행체가 혼재되어 있어 높은 교통 밀도와 비균일한 항공기 사양을 동시에 관리해야 하는 어려움이 있다.6 소음 공해 또한 대중 수용성에 영향을 미치는 중요한 문제이다.27

 

셋째, 규제 및 표준화이다. UAM은 기존 항공 시스템과는 다른 새로운 운영 개념과 기술을 도입하므로, 이에 맞는 새로운 규제 프레임워크와 국제적인 표준화가 필수적이다.26 FAA, EASA 등 주요 항공 당국은 UAM 항공기에 대한 안전 기준을 마련하고 있으며, 국제민간항공기구(ICAO)는 UAM에 대한 새로운 지침을 아직 제시하지 않고 있다.28 ASTM과 EUROCAE 등에서 DAA 및 USS 상호 운용성 표준 개발이 진행 중이지만, UAM 활동을 위한 검증되고 성숙한 표준은 아직 부족한 상황이다.40

 

넷째, 인프라 구축이다. UAM 운영을 위한 물리적 및 디지털 인프라 구축은 막대한 투자와 시간이 소요된다. 버티포트(수직 이착륙장)의 설계 및 위치 선정, 기존 지상 교통과의 연계, 소음 저감 기술 적용 등이 필요하며 4, 고정밀 위치 서비스(RTK-GNSS), 5G 이동통신 기술 기반의 저고도 통신망, 그리고 eVTOL 항공기 모니터링 시스템 등 첨단 기술 인프라의 구축도 필수적이다.5

 

마지막으로, 대중 수용성이다. UAM이 대규모로 상용화되기 위해서는 대중의 신뢰와 수용이 필수적이다. 소음, 사생활 침해, 안전에 대한 우려 등 사회적 문제들이 제기될 수 있으며 27, 이를 해소하기 위한 투명한 정보 공개, 안전성 시연, 그리고 지역 사회와의 적극적인 소통이 중요하다.27

 

 

IV. UAM 교통관제 시스템과 기존 항공교통관제 시스템 비교

UAM 교통관제 시스템과 기존 항공교통관제 시스템은 항공 교통 관리라는 공통 목표를 가지고 있지만, 그 운영 방식, 기술적 접근, 그리고 직면한 환경에서 근본적인 차이를 보인다. 이러한 차이점은 UAM의 고유한 특성에서 비롯되며, 새로운 관제 패러다임의 필요성을 명확히 보여준다.

 

A. 주요 차이점 및 특징 비교

다음 표는 기존 ATC와 UATM의 주요 특징을 비교하여 설명한다.

 

B. 통합 및 상호 운용성 과제

UAM 교통관제 시스템의 성공은 기존 항공교통관리(ATM) 및 무인 항공 시스템 교통 관리(UTM) 시스템과의 효과적인 통합 및 상호 운용성에 달려있다.

 

첫째, 기존 ATM/UTM과의 연동이다. UATM은 기존 항공 교통(유인 항공기)과 무인 항공 시스템(드론) 운영을 안전하게 통합하는 것을 목표로 한다.1 이는 서로 다른 운영 개념, 기술 표준, 그리고 규제 체계를 가진 시스템들이 원활하게 정보를 교환하고 협력해야 함을 의미한다. 예를 들어, UAM 항공기는 기존 ATM 시스템이 관리하는 공역과 UTM이 관리하는 저고도 공역을 넘나들 수 있으므로, 이들 시스템 간의 끊김 없는 정보 흐름과 통제권 이양이 필수적이다.

 

둘째, 데이터 교환 및 표준화이다. UATM은 대량의 실시간 데이터를 기반으로 운영되므로, 다양한 이해관계자(항공기 운영자, 서비스 제공자, 규제 기관 등) 간의 정보 공유가 매우 중요하다.4 이를 위해서는 시스템 전반에 걸친 정보 관리(System-Wide Information Management, SWIM)와 메시지 교환 인터페이스가 필요하며 51, 표준화된 통신 프로토콜과 데이터 교환 형식이 필수적이다. FAA와 NASA는 UTM의 운영 개념을 지속적으로 개선하고 있으며, API를 통한 분산형 자동화 시스템 네트워크를 주요 통신 및 조정 수단으로 활용하고 있다.31 이는 UAM의 확장성을 위한 핵심 요소이나, 이질적인 시스템 간의 완벽한 상호 운용성을 달성하는 것은 여전히 큰 기술적 과제이다.

 

셋째, 공역 관리의 복잡성 증가이다. UAM의 도입은 도시 공역 내 항공기 유형의 다양성과 교통 밀도를 급증시켜 공역 관리의 복잡성을 심화시킨다.6 드론, 헬리콥터, eVTOL 항공기, 그리고 기존 항공기가 동일한 저고도 공역을 공유하거나 인접하여 운항할 경우, 충돌 위험이 증가하고 효율적인 교통 흐름을 유지하기가 더욱 어려워진다. 특히, UAM 항공기의 비균일한 성능 특성과 지리적 제약 요소들은 관제 시스템에 추가적인 부담으로 작용한다.6 이러한 복잡성을 효과적으로 관리하기 위해서는 동적 공역 관리, 실시간 정보 공유, 그리고 지능형 의사결정 지원 시스템이 필수적이다.

 

 

 

V. AI 기술의 UAM 교통관제 시스템 적용 방안

AI 기술은 UAM 교통관제 시스템이 직면한 고밀도, 고자동화, 저고도 운영의 복잡성을 해결하고 안전성과 효율성을 극대화하는 데 핵심적인 역할을 할 수 있다.

 

A. AI 기반 교통 예측 및 흐름 관리

AI는 UAM 시스템의 교통 흐름을 최적화하고 혼잡을 줄이는 데 강력한 도구가 된다.49 AI 기반 솔루션은 기계 학습(ML), 강화 학습(RL), 그래프 신경망(GNN) 등을 활용하여 실시간 수요 균형 및 비행 스케줄링을 향상시킨다.49

 

특히, 예측 궤적 최적화는 AI의 중요한 적용 분야이다. AI 알고리즘은 과거 및 실시간 비행 데이터를 분석하여 항공기 궤적을 예측하고, 이를 통해 공중 충돌 위험을 최소화하며 항공기 분리 보장을 최적화할 수 있다.49 예를 들어, LSTM-Attention 네트워크 기반의 딥러닝 프레임워크는 UAM의 단기 비행 역학 및 장거리 종속성을 포착하여 정확한 궤적 예측과 충돌 위험 분류를 제공한다.53 이러한 예측 능력은 기존 인간 관제사가 실시간으로 수많은 항공기의 복잡한 궤적을 모두 파악하고 최적화하는 데 한계가 있다는 점을 고려할 때, UAM의 고밀도, 동적 환경에서 필수적이다.

 

나아가, 강화 학습(RL) 기반의 동적 경로 조정은 UAM 교통 관리에 혁신적인 변화를 가져올 수 있다.57 RL 에이전트는 다층 UAM 네트워크에서 고도 조정을 통해 소음 영향을 완화하면서도 안전한 수직 분리를 유지하도록 학습할 수 있다.57 이는 실시간으로 교통 상황에 적응하여 예상치 못한 교통량 변동에 동적으로 대응할 수 있게 하며, 공역 효율성을 높이고 혼잡을 예방하는 데 기여한다.55 기존의 사전 계획된 경로 및 고정된 스케줄 방식과는 달리, AI는 다수의 비행체 간 잠재적 충돌을 해결하기 위한 새로운 접근 방식을 제공한다.55

 

B. AI 기반 충돌 회피 및 분리 관리

AI는 UAM의 핵심 안전 기능인 충돌 회피 및 분리 관리를 크게 강화한다.

 

첫째, DAA(Detect and Avoid) 시스템 강화이다. UAM 항공기는 조종사가 탑승하지 않으므로, '보고 피하기' 대신 '인지 및 회피' 기술이 필수적이다.2 AI는 다양한 온보드 센서(레이더, 카메라 등)와 지상 시스템의 데이터를 융합하여 실시간으로 주변 교통 상황을 정확하게 인지하고, 잠재적인 충돌 위험을 감지하며, 최적의 회피 기동을 자동으로 생성하고 실행할 수 있다.2 RTCA DO-365C와 같은 표준은 DAA 시스템의 최소 운영 성능 표준을 정의하며, AI 알고리즘은 이러한 요구사항을 충족하도록 설계되어야 한다.60 이는 자율 비행 환경에서 인간 개입 없이도 안전한 분리를 확보하는 데 결정적인 역할을 한다.

 

둘째, V2V(Vehicle-to-Vehicle) 통신 기반 협력적 회피이다. 고밀도 UAM 공역에서는 항공기 간 직접적인 정보 교환이 충돌 방지에 매우 중요하다.34 AI는 V2V 통신을 통해 수신된 주변 항공기의 위치, 속도, 의도 등의 데이터를 실시간으로 분석하여, 각 항공기가 독립적으로 또는 협력적으로 최적화된 회피 전략을 수립하도록 지원한다.34 예를 들어, NASA의 연구에서는 TCP/IP 기반의 V2V 통신 프로토콜을 시뮬레이션하여 다중 에이전트 시스템에서 충돌 없는 경로를 찾는 데 V2V 통신이 어떻게 활용될 수 있는지 보여주었다.34 이러한 AI 기반의 V2V 통신은 항공기 간의 협력적 의사결정을 가능하게 하여, 복잡한 상황에서도 신속하고 정확하게 충돌 위험을 관리하고 안전한 분리를 유지하는 데 기여한다.

 

C. AI 기반 자율 관제 및 의사결정 지원

AI는 UAM 교통관제 시스템에서 자율 관제 기능을 수행하고 인간 관제사의 의사결정을 지원함으로써 시스템의 효율성과 안정성을 크게 향상시킬 수 있다.49

 

첫째, 디지털 관제탑 및 지상 운영 자동화이다. AI는 공항 지상에서의 항공기 및 차량 이동을 최적화하고 활주로 활용률을 높이는 데 기여할 수 있다.49 컴퓨터 비전 기반의 AI 시스템은 실시간으로 공항 표면의 움직임을 모니터링하고, 잠재적인 충돌 위험을 감지하며, 지상 교통 흐름을 효율적으로 관리할 수 있다.62 이는 관제사의 업무 부담을 줄이고 공항 운영의 전반적인 효율성을 증대시킨다.

 

둘째, 관제사 의사결정 지원이다. AI 기반 의사결정 지원 시스템(DSS)은 방대한 양의 실시간 데이터를 처리하여 관제사에게 복잡한 교통 시나리오를 계획하고 관리하는 데 필요한 정보를 제공한다.38 AI는 교통 패턴, 기상 조건 등 다양한 변수를 지속적으로 평가하여 실시간 업데이트 및 경고를 제공함으로써 관제사의 상황 인식을 향상시키고 시기적절한 대응을 가능하게 한다.38 이는 특히 고밀도 공역에서 관제사가 직면하는 인지적 부담을 줄이고, 더 복잡하고 중요한 의사결정에 집중할 수 있도록 돕는다.38

 

셋째, 날씨 예측 및 경로 재조정이다. AI 알고리즘은 항공 기상 예측을 강화하여 난기류 예측, 비행운 완화, 그리고 악천후 시 경로 재조정 등을 지원할 수 있다.49 AI 기반 시스템은 기상 데이터를 분석하여 비행에 영향을 미칠 수 있는 위험 요소를 사전에 감지하고, 최적의 우회 경로를 제안함으로써 비행 안전성을 높이고 지연을 최소화한다.49

 

AI의 자동화 및 의사결정 지원 역할은 UAM의 대규모, 복잡한 운영 환경에서 인간 관제사의 업무 부담을 경감하고 시스템의 효율성 및 안정성을 증대시키는 데 필수적이다. AI는 반복적이고 비안전 필수적인 작업을 처리하여 관제사가 핵심적인 의사결정과 안전 필수적인 시나리오에 집중할 수 있도록 돕는다.38 이러한 인간-AI 협업 모델은 미래 항공 교통 관리의 핵심이 될 것이다.

 

D. AI 기술 적용 시 고려사항 및 도전 과제

AI 기술이 UAM 교통관제 시스템에 가져올 잠재적 이점에도 불구하고, 그 적용에는 여러 중요한 고려사항과 도전 과제가 따른다.

 

첫째, 안전성 및 신뢰성이다. 항공 교통 관제는 오류 허용 범위가 극히 낮은 안전 필수 시스템이다.38 AI 기반 시스템, 특히 딥러닝 모델은 '블랙박스' 특성으로 인해 작동 방식이 불투명하고 예측 불가능한 행동을 보일 수 있다.38 이는 시스템 오류가 발생했을 때 원인을 파악하고 해결하는 것을 어렵게 만든다. 따라서 AI 시스템의 신뢰성을 확보하기 위해서는 엄격한 검증(Verification), 유효성 확인(Validation), 그리고 인증(Certification) 프로세스가 필수적이다.38 AI 안전 연구 및 표준 설정에 대한 투자가 선행되어야 한다.39

 

둘째, 데이터 프라이버시 및 보안이다. UAM 시스템은 항공기 위치, 승객 정보, 비행 계획 등 방대한 양의 민감한 데이터를 실시간으로 처리하고 공유한다.5 이는 데이터 유출, 무단 접근, 사이버 공격과 같은 보안 위협에 취약할 수 있다.5 특히 AI 모델 자체를 대상으로 하는 적대적 공격(adversarial attacks)은 시스템의 무결성을 훼손할 수 있다.64 데이터 프라이버시를 보호하고 사이버 보안 위험을 완화하기 위해 연합 학습(federated learning), 동형 암호화(homomorphic encryption), 차등 프라이버시(differential privacy)와 같은 기술과 엄격한 보안 프로토콜이 필요하다.64

 

셋째, 규제 및 인증이다. AI 기반 시스템에 대한 명확한 표준 및 규제 프레임워크는 아직 초기 단계에 있다.39 기존의 안전 인증 방식은 AI의 데이터 집약성, 불투명성, 예측 불가능성 등의 특성을 다루는 데 어려움이 있다.39 따라서 AI 기반 UAM 시스템의 설계, 개발, 운영 및 유지보수에 대한 새로운 규제 및 인증 절차를 마련해야 한다. 유럽의 U-Space 규제 패키지와 ASTM, EUROCAE 등 국제 표준화 기구의 노력이 진행 중이지만 40, 글로벌 수준의 조화와 실제 적용 가능한 표준 개발이 지속적으로 이루어져야 한다.26

 

넷째, **인간-AI 협업(Human-AI Teaming)**의 정립이다. AI가 항공 교통 관제에 통합되더라도, 인간 관제사의 역할은 여전히 중요하다.38 AI는 반복적이고 비안전 필수적인 작업을 처리하여 관제사의 인지적 부담을 줄일 수 있지만, 복잡하고 예측 불가능한 상황에서의 최종 의사결정 권한은 인간 관제사에게 유지되어야 한다.38 AI 시스템이 '퍼지'하고 예측 불가능한 행동을 보일 수 있다는 점을 감안할 때, 인간과 AI 간의 효과적인 협업, 상호 이해, 그리고 신뢰 구축이 중요하다.38 AI 시스템은 관제사에게 실시간 정보를 제공하고 의사결정을 지원하는 도구로서 기능하며, 인간은 AI의 한계를 보완하고 비상 상황에 개입하는 역할을 수행해야 한다.

 

이러한 도전 과제들은 AI 기반 UAM 교통관제 시스템의 안전하고 신뢰할 수 있는 구현을 위해 지속적인 연구, 기술 개발, 그리고 국제적인 협력이 필요함을 보여준다. 안전성 확보를 위한 투명성, 신뢰성, 그리고 엄격한 검증은 AI 기술의 성공적인 항공 분야 적용을 위한 핵심 요소이다.

 

 

VI. 결론 및 제언

A. 주요 비교 분석 요약

본 보고서는 UAM 교통관제 시스템과 기존 항공교통관제 시스템을 비교하고, AI 기술의 적용 가능성을 심층적으로 분석했다.

 

기존 항공교통관제(ATC) 시스템은 주로 고고도 및 광역 공역에서 인간 관제사가 음성 통신과 레이더 기반 감시를 통해 항공기를 중앙 집중식으로 통제하는 방식에 최적화되어 있다. 이 시스템은 조종사의 '보고 피하기' 원칙에 의존하며, 고정된 항로와 최소 분리 간격을 통해 안전을 확보한다. 그러나 이러한 방식은 대규모의 고밀도 교통량을 처리하는 데 본질적인 확장성 한계를 가지며, 인간 관제사의 업무 부담, 음성 통신의 비효율성, 그리고 복잡한 저고도 공역 관리의 어려움 등의 도전 과제에 직면한다.

 

반면, UAM 교통관제(UATM) 시스템은 도시 저고도 공역에서 eVTOL과 같은 고도로 자동화되거나 자율 비행하는 항공기 수백 대가 동시에 운항하는 미래 환경을 위해 설계된다. UATM은 분산형 및 협력적 생태계를 지향하며, USS(UAS Service Suppliers)와 같은 제3자 서비스 제공자의 역할을 강조한다. 통신은 API 기반의 디지털 데이터 링크가 주를 이루고, 감시 및 항법은 DAA(Detect and Avoid) 기술, V2V(Vehicle-to-Vehicle) 통신, 그리고 고정밀 GNSS(RTK-GNSS)에 크게 의존한다. 공역 관리는 동적 위임 회랑(DDC)과 성능 기반 운영 개념을 통해 유연성과 효율성을 극대화하며, 기존 규제 프레임워크를 넘어선 새로운 법규 및 표준 마련이 필수적이다.

 

AI 기술은 UAM의 복잡성을 해결하고 효율성 및 안전성을 증대시키는 데 핵심적인 역할을 한다. AI는 교통 예측 및 흐름 관리(예: 예측 궤적 최적화, 강화 학습 기반 동적 경로 조정), 충돌 회피 및 분리 관리(예: DAA 시스템 강화, V2V 통신 기반 협력적 회피), 그리고 자율 관제 및 의사결정 지원(예: 디지털 관제탑, 기상 예측, 경로 재조정) 등 다양한 영역에서 활용될 수 있다. 이는 인간 관제사의 한계를 보완하고 시스템의 자동화 수준을 높여 UAM의 대규모 상용화를 가능하게 한다.

 

그러나 AI 적용에는 안전성 및 신뢰성 확보(블랙박스 특성, 예측 불가능성), 데이터 프라이버시 및 보안(사이버 위협), 규제 및 인증(AI 특화 표준 부재), 그리고 인간-AI 협업 모델 정립(인간의 최종 의사결정 권한 유지)과 같은 중요한 도전 과제들이 존재한다.

 

B. AI 기반 UAM 교통관제 시스템 발전을 위한 제언

AI 기반 UAM 교통관제 시스템의 성공적인 발전을 위해서는 다음과 같은 제언을 고려해야 한다.

 

첫째, 핵심 AI 기술 연구 및 개발 가속화이다. DAA, V2V 통신, 고정밀 항법(RTK-GNSS) 등 UAM의 안전과 효율성을 좌우하는 핵심 AI 기술에 대한 지속적인 연구 개발 투자가 필요하다. 특히, AI 모델의 투명성, 설명 가능성, 그리고 예측 가능성을 높이는 연구를 통해 안전 필수 시스템에 대한 신뢰를 확보해야 한다.

 

둘째, 국제 협력을 통한 AI 기반 시스템의 안전 기준 및 운영 절차 마련이다. UAM은 국경을 넘어선 운영이 예상되므로, FAA, EASA, ICAO 등 국제 항공 당국과 산업계 간의 긴밀한 협력을 통해 AI 기반 UAM 시스템에 대한 통일된 안전 기준, 성능 요구사항, 그리고 운영 절차를 개발하고 표준화해야 한다. 이는 기술의 상호 운용성을 보장하고 글로벌 시장 확대를 촉진할 것이다.

 

셋째, 물리적 및 디지털 인프라 확충이다. UAM 운영을 위한 버티포트, 고정밀 위치 서비스 네트워크, 5G 이동통신 기술 기반의 저고도 통신망, 그리고 실시간 데이터 공유 플랫폼 등 필수적인 물리적 및 디지털 인프라 구축을 위한 정부 및 민간의 투자가 선행되어야 한다. 특히, 도시 환경의 복잡성을 고려한 인프라 배치 전략이 중요하다.

 

넷째, 인력 양성 및 인간-AI 협업 모델 정립이다. AI 기반 시스템의 도입은 기존 관제사의 역할 변화를 요구한다. 새로운 관제 패러다임에 맞는 인력 교육 및 훈련 프로그램을 개발하여 관제사들이 AI 시스템을 효과적으로 활용하고, 복잡한 상황에서 AI의 한계를 보완하며 최종 의사결정을 내릴 수 있도록 역량을 강화해야 한다. 인간과 AI의 최적 역할 분담에 대한 지속적인 연구와 실증이 필요하다.

 

다섯째, 대중 수용성 확보 노력 강화이다. UAM의 안전성 시연, 소음 저감 기술 개발, 그리고 운영 데이터의 투명한 공개를 통해 대중의 안전 우려를 해소하고 신뢰를 구축해야 한다. 또한, 지역 사회와의 적극적인 소통을 통해 UAM이 도시 교통 문제 해결에 기여하고 삶의 질을 향상시킬 수 있음을 알리고, 잠재적인 부정적 영향을 최소화하기 위한 방안을 모색해야 한다.

 

이러한 제언들을 바탕으로 UAM 교통관제 시스템은 기존 항공교통관제의 한계를 넘어설 수 있으며, AI 기술을 통해 안전하고 효율적인 미래 도심 항공 시대를 열 수 있을 것이다.

 

 

참고 자료

  1. (PDF) The Urban Air Traffic Management Concept - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/391121240_The_Urban_Air_Traffic_Management_Concept
  2. Urban Air Mobility Airspace Integration Concepts - MITRE Corporation, 6월 30, 2025에 액세스, https://www.mitre.org/sites/default/files/2021-11/pr-19-00667-9-urban-air-mobility-airspace-integration.pdf
  3. Urban Air Mobility (UAM) Vision Concept of Operations (ConOps) UAM Maturity Level (UML) – 4 Overview - NASA Technical Reports Server (NTRS), 6월 30, 2025에 액세스, https://ntrs.nasa.gov/api/citations/20210010443/downloads/UAM%20Vision%20ConOps%20Overview%20Presentation%2018DEC2020.pdf
  4. Urban Air Mobility (UAM) Version 2.0 Concept of Operations April 26, 2023 - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/sites/faa.gov/files/Urban%20Air%20Mobility%20%28UAM%29%20Concept%20of%20Operations%202.0_1.pdf
  5. Urban Air Mobility Communications and Networking: Recent Advances, Techniques, and Challenges - MDPI, 6월 30, 2025에 액세스, https://www.mdpi.com/2504-446X/8/12/702
  6. Preliminary Concept of Urban Air Mobility Traffic Rules - MDPI, 6월 30, 2025에 액세스, https://www.mdpi.com/2504-446X/7/1/54
  7. A Research Platform for Urban Air Mobility (UAM) and UAS Traffic Management (UTM) Concepts and Applications, 6월 30, 2025에 액세스, https://ntrs.nasa.gov/api/citations/20190029574/downloads/20190029574.pdf
  8. Urban Air Mobility Airspace Integration Concepts and Considerations - NASA Technical Reports Server (NTRS), 6월 30, 2025에 액세스, https://ntrs.nasa.gov/api/citations/20180005218/downloads/20180005218.pdf
  9. Air traffic control - Wikipedia, 6월 30, 2025에 액세스, https://en.wikipedia.org/wiki/Air_traffic_control
  10. Air traffic: what it is and how it is controlled - Hong Kong Haisen Technology Co., Ltd., 6월 30, 2025에 액세스, https://www.haisenglobal.com/blog/air-traffic-how-controlled
  11. Communication, navigation and surveillance - Wikipedia, 6월 30, 2025에 액세스, https://en.wikipedia.org/wiki/Communication,_navigation_and_surveillance
  12. [연재] CNS/ATM의 현재와 미래 - Communication 부분, 6월 30, 2025에 액세스, https://aviation-team.tistory.com/198
  13. 151. CNS ATM 의 개념 : 네이버 블로그, 6월 30, 2025에 액세스, https://blog.naver.com/liebeljd/221248001892
  14. FAA NextGen - AIAA, 6월 30, 2025에 액세스, https://aiaa.org/wp-content/uploads/2024/12/nextgen-background-paper-2020-1.pdf
  15. Next Generation Air Transportation System - Wikipedia, 6월 30, 2025에 액세스, https://en.wikipedia.org/wiki/Next_Generation_Air_Transportation_System
  16. The Future of Air Traffic Management: Why Modernizing Our Safety Systems Starts Now, 6월 30, 2025에 액세스, https://www.npuasts.com/news/article/the-future-of-air-traffic-management-why-modernizing-our-safety-systems-starts-now
  17. RTK GNSS Receivers | RTK Base Stations | Real Time Kinematic GPS - Unmanned Systems Technology, 6월 30, 2025에 액세스, https://www.unmannedsystemstechnology.com/expo/rtk-gnss/
  18. Surveillance Systems - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/air_traffic/publications/atpubs/aim_html/chap4_section_5.html
  19. Air Traffic Controllers : Occupational Outlook Handbook - Bureau of Labor Statistics, 6월 30, 2025에 액세스, https://www.bls.gov/ooh/transportation-and-material-moving/air-traffic-controllers.htm
  20. Occupation Profile for Air Traffic Controllers - CareerOneStop, 6월 30, 2025에 액세스, https://www.careeronestop.org/Toolkit/Careers/Occupations/occupation-profile.aspx?keyword=Air%20Traffic%20Controllers&location=UNITED%20STATES&onetcode=53202100
  21. Air Traffic Control (ATC) - CFI Notebook, 6월 30, 2025에 액세스, https://www.cfinotebook.net/notebook/air-traffic-control/air-traffic-control
  22. [AI넷] [한 지역에서 통제되는 23개 공항, 미래를 맞이하는 소규모 비행장] 인드라 그룹이 Kongsberg Defence & Aerospace AS와 계약을 체결하여 노르웨이 보되의 중앙 관제센터에서 23개 공항의 항공 교통을 통합 관리하게 된다., 6월 30, 2025에 액세스, http://www.ainet.link/18572
  23. Concept of Operations for Uncrewed Urban Air Mobility | Boeing, 6월 30, 2025에 액세스, https://www.boeing.com/content/dam/boeing/boeingdotcom/innovation/con-ops/docs/Concept-of-Operations-for-Uncrewed-Urban-Air-Mobility.pdf
  24. Toward Low-Altitude Airspace Management and UAV Operations: Requirements, Architecture and Enabling Technologies - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/html/2506.08579v1
  25. Requirements and Technologies Towards UAM: Communication, Navigation, and Surveillance - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/pdf/2004.12555
  26. 4 key challenges in implementing urban air mobility - Crouzet, 6월 30, 2025에 액세스, https://www.crouzet.com/aerospace/4-key-challenges-in-implementing-urban-air-mobility/
  27. Urban Air Mobility: A bird's-eye view of legal and infrastructure challenges, 6월 30, 2025에 액세스, https://www.internationalairportreview.com/article/222454/urban-air-mobility-a-birds-eye-view-of-legal-and-infrastructure-challenges/
  28. MOLIT Announces 「Korean Urban Air Traffic (K-UAM) Roadmap」, 6월 30, 2025에 액세스, https://smartcity.go.kr/en/2020/06/04/%EA%B5%AD%ED%86%A0%EB%B6%80-%E3%80%8C%ED%95%9C%EA%B5%AD%ED%98%95-%EB%8F%84%EC%8B%AC%ED%95%AD%EA%B3%B5%EA%B5%90%ED%86%B5k-uam-%EB%A1%9C%EB%93%9C%EB%A7%B5%E3%80%8D-%EB%B0%9C%ED%91%9C/
  29. A Study on the Institutionalization of UAM Pilot Training and Education, 6월 30, 2025에 액세스, https://www.jksaa.org/archive/view_article?pid=jksaa-31-2-100
  30. UAM(도심형 항공교통수단) 공역 통합의 개념, 6월 30, 2025에 액세스, https://www.kaia.re.kr/portal/cargos/attachFileDown.do?foSeqno=4000&seqno=7617
  31. Unmanned Aircraft System Traffic Management (UTM) | Federal Aviation Administration, 6월 30, 2025에 액세스, https://www.faa.gov/uas/advanced_operations/traffic_management
  32. Unmanned Aircraft Systems (UAS) Traffic Management (UTM) Concepts and Engineering - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/sites/faa.gov/files/2022-06/FactSheet_UTM.pdf
  33. Unmanned Aircraft System (UAS) Traffic Management (UTM) - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/sites/faa.gov/files/2022-08/UTM_ConOps_v2.pdf
  34. Vehicle to Vehicle (V2V) communication for Collision avoidance for Multi-copters flying in UTM -TCL4, 6월 30, 2025에 액세스, https://ntrs.nasa.gov/api/citations/20200001198/downloads/20200001198.pdf
  35. Charting Aviation's Future - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/sites/faa.gov/files/Charting-Aviations-Future-Operations-in-ICN_0.pdf
  36. UNMANNED AIRCRAFT SYSTEMS BEYOND VISUAL LINE OF SIGHT AVIATION RULEMAKING COMMITTEE MARCH 10, 2022 FINAL REPORT - FAA, 6월 30, 2025에 액세스, https://www.faa.gov/regulations_policies/rulemaking/committees/documents/media/UAS_BVLOS_ARC_FINAL_REPORT_03102022.pdf
  37. Urban Air Mobility: Opportunities and Obstacles - eScholarship, 6월 30, 2025에 액세스, https://escholarship.org/content/qt0r23p1gm/qt0r23p1gm_noSplash_fad5023254f5f9fac76c96390296cbb3.pdf?t=r4er6t
  38. Human-AI Hybrid Paradigm for Collaborative Air Traffic Management Systems - SESAR Joint Undertaking, 6월 30, 2025에 액세스, https://www.sesarju.eu/sites/default/files/documents/sid/2024/papers/SIDs_2024_paper_087%20final.pdf
  39. The Flight to Safety-Critical AI | CLTC Berkeley, 6월 30, 2025에 액세스, https://cltc.berkeley.edu/wp-content/uploads/2020/08/Flight-to-Safety-Critical-AI.pdf
  40. Regulations and Standards Analysis - European Commission, 6월 30, 2025에 액세스, https://ec.europa.eu/research/participants/documents/downloadPublic?documentIds=080166e5f2a2c1b3&appId=PPGMS
  41. (PDF) Technological Setup for UAM Tactical Instrumental De-confliction and in-Flight Resolution demonstration in real environment: A case Study - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/376508121_Technological_Setup_for_UAM_Tactical_Instrumental_De-confliction_and_in-Flight_Resolution_demonstration_in_real_environment_A_case_Study
  42. Aerial Mobility Report | LADOT - City of Los Angeles, 6월 30, 2025에 액세스, https://ladot.lacity.gov/aerialmobilityreport
  43. Reliable, Secure, and Scalable Communications, Navigation, and Surveillance (CNS) Options for Urban Air Mobility (UAM) - NASA Technical Reports Server (NTRS), 6월 30, 2025에 액세스, https://ntrs.nasa.gov/citations/20205006661
  44. RTK GNSS technology brings high precision to drone navigation | - u-blox, 6월 30, 2025에 액세스, https://www.u-blox.com/en/casestudies/high-precision-drone-navigation
  45. Resilience and Validation of GNSS PNT Solutions - ROSA P, 6월 30, 2025에 액세스, https://rosap.ntl.bts.gov/view/dot/72661/dot_72661_DS1.pdf
  46. Robust Navigation for Urban Air Mobility - Inside GNSS, 6월 30, 2025에 액세스, https://insidegnss.com/robust-navigation-for-urban-air-mobility/
  47. Vehicle To Vehicle “V2V” Communication: Scope, Importance, Challenges, Research Directions and Future - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/342051269_Vehicle_To_Vehicle_V2V_Communication_Scope_Importance_Challenges_Research_Directions_and_Future
  48. Vehicle to Vehicle (V2V) Communication Protocol: Components, Benefits, Challenges, Safety and Machine Learning Applications - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/pdf/2102.07306
  49. (PDF) Artificial Intelligence in Air Traffic Control Advancing Safety, Efficiency, and Automation with Next-Generation AI Technologies - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/388960570_Artificial_Intelligence_in_Air_Traffic_Control_Advancing_Safety_Efficiency_and_Automation_with_Next-Generation_AI_Technologies
  50. MIT Open Access Articles Identification of Air Traffic Control Sectors with Common Structural Features, 6월 30, 2025에 액세스, https://dspace.mit.edu/bitstream/handle/1721.1/96986/Cho_Histon_ISAP_2011%20V5.pdf?sequence=1&isAllowed=y
  51. SESAR transversal solutions, 6월 30, 2025에 액세스, https://www.sesarju.eu/transversal-solutions
  52. EUROPEAN ATM ARCHITECTURE (EATMA) One Framework, One Plan - SESAR Joint Undertaking, 6월 30, 2025에 액세스, https://www.sesarju.eu/sites/default/files/documents/projects/EATMA_WAC-Factsheet-online.pdf
  53. A Deep Learning-Based Trajectory and Collision Prediction Framework for Safe Urban Air Mobility - MDPI, 6월 30, 2025에 액세스, https://www.mdpi.com/2504-446X/9/7/460
  54. Knowledge Integration Strategies in Autonomous Vehicle Prediction and Planning: A Comprehensive Survey - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/html/2502.10477v2
  55. (PDF) Real-time Traffic Simulation and Management for Large-scale Urban Air Mobility: Integrating Route Guidance and Collision Avoidance - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/386375452_Real-time_Traffic_Simulation_and_Management_for_Large-scale_Urban_Air_Mobility_Integrating_Route_Guidance_and_Collision_Avoidance
  56. Novel deep reinforcement learning based collision avoidance approach for path planning of robots in unknown environment | PLOS One, 6월 30, 2025에 액세스, https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0312559
  57. A Reinforcement Learning Approach to Quiet and Safe UAM Traffic Management - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/html/2501.08941v1
  58. A Reinforcement Learning Approach to Quiet and Safe UAM Traffic Management, 6월 30, 2025에 액세스, https://arc.aiaa.org/doi/10.2514/6.2025-2118
  59. A Reinforcement Learning Approach to Quiet and Safe UAM Traffic Management - arXiv, 6월 30, 2025에 액세스, https://arxiv.org/abs/2501.08941
  60. RTCA DO-365C - Accuris Standards Store, 6월 30, 2025에 액세스, https://store.accuristech.com/standards/rtca-do-365c?product_id=2906179
  61. A Review of Detect and Avoid Standards for Unmanned Aircraft Systems - Preprints.org, 6월 30, 2025에 액세스, https://www.preprints.org/manuscript/202502.2173/v1/download
  62. Top 10 practical applications of AI in the Aviation Industry - Addepto, 6월 30, 2025에 액세스, https://addepto.com/blog/top-10-practical-applications-and-use-cases-of-ai-in-the-aviation-industry/
  63. Advances in low-altitude airspace management for uncrewed aircraft and advanced air mobility - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/391191313_Advances_in_low-altitude_airspace_management_for_uncrewed_aircraft_and_advanced_air_mobility
  64. (PDF) Data Privacy Challenges in AI-Driven Financial Services - ResearchGate, 6월 30, 2025에 액세스, https://www.researchgate.net/publication/389466331_Data_Privacy_Challenges_in_AI-Driven_Financial_Services
  65. The impact of AI in data privacy protection - Lumenalta, 6월 30, 2025에 액세스, https://lumenalta.com/insights/the-impact-of-ai-in-data-privacy-protection

 

'AI 에이전트 > AI가 작성한 심층리포트' 카테고리의 다른 글

일본의 위성항법시스템: 준천정 위성 시스템(QZSS)  (0) 2025.07.01
UAM 감항인증 분석  (0) 2025.07.01
AI 파일럿 기술 분석  (0) 2025.06.29
비인가 비행체 탐지 기술  (0) 2025.06.29
한국형 위성항법시스템(KPS) 개발 현황 및 전망  (0) 2025.06.28

관련글

댓글

티스토리툴바