KR20230076355A - 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법 - Google Patents

Abstract

비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템이 제공된다. 본 발명의 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템은, 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템에 있어서, 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 비행 정보 학습부; 및 상기 비행 정보 학습부로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 실시간 비행 경로 추천부;를 포함한다.

Description

비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법{3D flight route recommendation system and method of unmanned aerial vehicle using flight information learning}

본 발명은 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법에 관한 것으로, 특히, 복수의 무인 비행체의 운항 기록을 획득하여 학습 및 분석을 수행한 빅데이터를 생성하고, 생성한 빅데이터를 이용하여 무인 비행체의 3차원 비행 경로를 추천하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법에 관한 것이다.

4차 산업혁명과 더불어 드론과 같은 무인 항공기의 발달이 고도화됨에 따라 비행경로를 추천 및 제안하는 기법에 있어 최근 연구가 활발하게 이루어지고 있다. 이는 단순히 연료의 효율성 및 비용의 절감 효과 뿐 아니라, 조종사의 성향을 고려한 항행 습관을 고려하여 도출해내기 때문에 안정성을 높이는 기대효과를 나타낸다. 특히 방산업체를 중심으로 한 혼합 현실 분야, HMD(Head Mounted Display)와 같은 항공전자 기술 수준이 높아짐에 따라 민간개발도 함께 성장하고 있다.

그러나 이러한 무인 항공기를 위한 인프라의 마련과 경로 관제를 위한 체계가 아직 초기단계에 머물러 있어 상용화할 수 없는 수준이며, 모니터링을 위한 시스템 또한 2차원 디스플레이 기반으로 이루어져 있기 때문에 시야에 제약이 크다. 그러나 무인 항공기의 경로 안내 시스템의 경우 고도가 성층권까지 올라가는 일반 항공기와 달리, 일반 도심에서도 주행이 가능한 고도 수준을 유지할 수 있으며, 향후 공중 이동수단으로서의 역할로서의 전망도 기대하고 있어, 이를 위해 혼합 현실에서의 관제 시스템의 필요성이 높아지고 있다.

더불어, 항공 경로의 특성 상 단순 최단 경로 뿐만이 아닌, 악천후, 버드 스트라이크 등의 다양한 장애 요인에 대한 대응 시스템도 함께 실시간으로 경로에 반영되어야 경로의 추천 정확도가 높아질 수 있다.

한국공개특허 제10-2021-0114647호

상기와 같은 종래 기술에서의 필요 및 요구를 해결하기 위해, 본 발명의 일 실시예는 혼합 현실을 이용한 관제와 다양한 비행 장애 요인에 대응하는 실시간 3차원 비행 경로를 추천할 수 있는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법을 제공하고자 한다.

위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템이 제공된다. 상기 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템은 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 비행 정보 학습부; 및 상기 비행 정보 학습부로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 실시간 비행 경로 추천부;를 포함한다.

상기 비행 정보 학습부는, 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 무인 비행체 운항 기록 수집 모듈; 수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 운항 기록 처리 모듈; 및 상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 학습 데이터 처리 모듈;을 포함할 수 있다.

상기 운항 기록 처리 모듈은, 상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며, 상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정할 수 있다.

상기 실시간 비행 경로 추천부는, 상기 비행 정보 학습부 및 상기 무인 비행체로부터 비행 정보를 획득하는 비행 정보 획득 모듈; 상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 가변 비행 불가 영역 처리 모듈; 및 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 최적 비행 경로 제공 모듈;을 포함할 수 있다.

상기 비행 정보는 상기 학습 데이터, 상기 무인 비행체의 출발 위치, 상기 현재 위치 및 상기 도착 위치를 포함하는 위치 정보와 비행 시각, 상기 출발 위치와 상기 현재 위치 및 상기 도착 위치의 중심점으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보 중 어느 하나를 포함할 수 있다.

상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 현재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단할 수 있다.

상기 가변 비행 불가 영역 처리 모듈은, 상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다.

상기 최적 비행 경로는 상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며, 상기 최적 비행 경로 제공 모듈은, 상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영할 수 있다.

상기 최적 비행 경로 제공 모듈은, 상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성할 수 있다.

본 발명의 일 측면에 따르면, 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법이 제공된다. 상기 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법은 비행 정보 학습부를 이용하여 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 단계; 및 실시간 비행 경로 추천부를 이용하여 상기 장애 패턴을 분석하는 단계로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 단계;를 포함한다.

상기 장애 패턴을 분석하는 단계는, 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 단계; 수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 단계; 및 상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 단계;를 포함할 수 있다.

상기 정상 데이터 사이의 연관성을 파악하는 단계는, 상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며, 상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정할 수 있다.

상기 무인 비행체의 실시간 비행 경로를 추천하는 단계는, 상기 장애 패턴을 분석하는 단계 및 상기 무인 비행체로부터 비행 정보를 획득하는 단계; 상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 단계; 및 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 단계;를 포함할 수 있다.

상기 비행 정보는 상기 학습 데이터, 상기 무인 비행체의 출발 위치, 상기 현재 위치 및 상기 도착 위치를 포함하는 위치 정보와 비행 시각, 상기 출발 위치와 상기 현재 위치 및 상기 도착 위치의 중심점으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보 중 어느 하나를 포함할 수 있다.

상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단할 수 있다.

상기 가변 비행 불가 영역 정보를 처리하여 획득하는 단계는, 상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다.

상기 최적 비행 경로는 상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며, 상기 최적 비행 경로를 계산하여 제공하는 단계는, 상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영할 수 있다.

상기 최적 비행 경로를 계산하여 제공하는 단계는, 상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성할 수 있다.

본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템 및 방법은 비행 장애 요인에 대응하는 실시간 3차원 비행 경로를 생성하여 추천하기 때문에 혼합 현실을 이용한 무인 비행체의 관제를 수행할 수 있는 효과가 있다.

도 1은 본 발명의 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템의 블록도이다.
도 2는 도 1의 비행 정보 학습부를 나타낸 블록도이다.
도 3은 도 1의 실시간 비행 경로 추천부를 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법을 나타낸 순서도이다.
도 5는 도 4의 단계 S11을 보다 상세히 나타낸 순서도이다.
도 6은 도 4의 단계 S13을 보다 상세히 나타낸 순서도이다.
도 7은 본 발명의 일 실시예에 따른 최적 비행 경로를 획득하기 위한 기 설정된 알고리즘의 일 예를 나타낸 순서도이다.
도 8은 본 발명을 수행하기 위한 가시 거리 상태 점검의 하나의 예시도이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.

도 1은 본 발명의 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템의 블록도이고, 도 2는 도 1의 비행 정보 학습부를 나타낸 블록도이며, 도 3은 도 1의 실시간 비행 경로 추천부를 나타낸 블록도이다.

이하에서는 도 1 내지 도 3을 이용하여 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템에 대해 상세히 설명하도록 한다. 또, 설명의 편의상 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템을 3차원 비행 경로 추천 시스템으로 작성하도록 한다.

도 1을 참고하면 본 발명의 일 실시예에 따른 3차원 비행 경로 추천 시스템(1)은 무인 비행체(3) 및 사용자 단말기(5)와 유선 또는 무선 통신을 이용하여 연결된다. 3차원 비행 경로 추천 시스템(1)은 실시간 비행 정보를 생성하여 최적 비행 경로를 생성하고, 생성한 최적 비행 경로를 무인 비행체(3) 및 사용자 단말기(5)에 제공하도록 형성된다. 이를 통해 본 발명의 3차원 비행 경로 추천 시스템(1)은 사용자가 사용자 단말기(5)를 통해 혼합 현실에서 무인 비행체(3)를 제어할 수 있도록 할 수 있다. 또, 본 발명의 3차원 비행 경로 추천 시스템(1)은 최적 비행 경로를 이용하여 무인 비행체(3)가 안전하고 가장 빠른 경로로 도착 위치까지 이동할 수 있도록 할 수 있다.

본 발명의 3차원 비행 경로 추천 시스템(1)은 비행 정보 학습부(11) 및 실시간 비행 경로 추천부(13)를 포함하여 형성될 수 있다. 비행 정보 학습부(11)는 무인 비행체(3)의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하도록 형성된다. 비행 정보 학습부(11)는 무인 비행체(3) 운항 기록을 학습하여 비행 경로 생성의 기초 정보로 사용하기 위해 복수의 무인 비행체(3)에 대한 운항 기록을 학습할 수 있다.

이를 위해 본 발명의 비행 정보 학습부(11)는 도 2에 도시된 바와 같이 무인 비행체 운항 기록 수집 모듈(111), 운항 기록 처리 모듈(113) 및 학습 데이터 처리 모듈(115)을 포함할 수 있다.

무인 비행체 운항 기록 수집 모듈(111)은 무인 비행체의 운항 기록을 수집하기 위해 형성된다. 무인 비행체 운항 기록 수집 모듈(111)은 복수의 무인 비행체(3)의 운항 기록을 학습을 위해 수집할 수 있다. 여기서 운항 기록은 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함한다. 운항 경로는 무인 비행체(3)의 출발 위치에서 도착 위치까지의 이동 경로를 의미하며, 운항 속도는 운항 경로에서 무인 비행체(3)의 위치 별 이동 속도를 의미할 수 있다. 또, 운항 시 기상 정보의 경우 무인 비행체(3)의 운항 경로에서 위치 별 온도, 습도, 풍속, 풍향 등을 포함할 수 있으며, 운항 일정 정보는 무인 비행체(3)가 운항 경로를 운항한 날짜 및 일시를 의미할 수 있다.

운항 기록 처리 모듈(113)은 수집한 무인 비행체의 운항 기록을 처리하여 정상 데이터를 획득하며, 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 운항 기록 처리 모듈(113)은 운항 기록에 포함되는 다양한 데이터 중 학습의 효율을 위해 정상 데이터를 획득할 수 있다. 정상 데이터는 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요한 속성을 제거한 순속성 데이터를 의미한다. 운항 기록에 포함되는 다양한 데이터에는 학습에 필요한 정보와 관련된 속성만이 아닌 다양한 속성이 포함될 수 있으며, 이러한 속성들은 학습의 효율을 감소시키는 상황을 발생시킬 수 있다. 따라서, 운항 기록 처리 모듈(113)은 학습에 필요한 필수 속성들인 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 운항 기록에서 제거하여 순속성 데이터를 획득할 수 있다.

운항 기록 처리 모듈(113)은 순속성 데이터를 획득하면, 획득한 순속성 데이터 중 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터들만을 회득할 수 있다. 다양한 장치 등을 이용하여 데이터를 획득하는 경우, 장치의 일시적 오류나 무선 통신망의 지연 시간 등의 다양한 이유로 오류값이 측정되는 경우가 발생할 수 있다. 이러한 오류값은 데이터 학습 결과의 정확도를 감소시키는 문제점을 유발할 수 있기 때문에, 본 발명의 운항 기록 처리 모듈(113)은 기준 유효 범위를 획득하고, 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터를 획득할 수 있다.

또, 운항 기록 처리 모듈(113)은 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 정상 데이터 사이의 연관성은 사전 시각화 분석을 통해 속성들을 비교하고, 서로 연관성을 가지는 속성들을 정상 데이터 사이의 연관성으로 설정할 수 있다.

학습 데이터 처리 모듈(115)은 정상 데이터와 정상 데이터 연관성을 포함하는 학습 데이터를 학습하고, 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성한다. 정상 데이터와 정상 데이터 연관성은 운항 기록에서부터 획득된다. 따라서, 해당 데이터를 누적 학습하는 경우, 특정 상황에서 운항 기록이 특정 경로로 이루어진다는 것을 획득할 수도 있으며, 특정 기상 데이터를 가지는 경우 특정 지역에서의 특정 기후를 예측할 수도 있다. 이러한 예측 알고리즘은 장애 패턴 분석 알고리즘으로 표현될 수 있으며, 상술한 바와 같이 복수의 학습 데이터를 이용하여 획득될 수 있다.

한편, 도 1의 실시간 비행 경로 추천부(13)는 비행 정보 학습부(11)로부터 정보를 전달받고, 전달받은 정보와 무인 비행체(3)의 현재 상태 정보를 이용하여 무인 비행체(3)의 실시간 비행 경로를 추천하도록 형성된다. 실시간 비행 경로 추천부(13)가 비행 정보 학습부(11)로부터 전달받는 정보는 일 예로 실시간 비행 경로를 생성하기 위한 보조 정보로서, 학습 데이터를 포함할 수 있다.

이를 위해 실시간 비행 경로 추천부(13)는 도 3에 도시된 바와 같이 비행 정보 획득 모듈(131), 가변 비행 불가 영역 처리 모듈(133) 및 최적 비행 경로 제공 모듈(135)을 포함할 수 있다.

비행 정보 획득 모듈(131)은 비행 정보 학습부(11) 및 무인 비행체(3)로부터 비행 정보를 획득한다. 비행 정보는 비행 정보 학습부(11)에서 획득되는 학습 데이터를 포함한다. 또 비행 정보는 무인 비행체(3)로부터 무인 비행체(3)의 출발 위치, 현재 위치 및 도착 위치를 포함하는 위치 정보와, 비행 시각 정보, 출발 위치와 현재 위치 및 도착 위치의 중심정으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보를 포함할 수 있다.

또, 비행 정보 획득 모듈(131)은 획득한 비행 정보를 이용하여 현재 무인 비행체(3)의 비행 상태를 판단할 수도 있다. 비행 정보 획득 모듈(131)은 무인 비행체(3)의 비행 상태를 판단하기 위해 위치 정보를 이용할 수 있으며, 위치 정보 중 현재 위치가 출발 위치와 동일한 경우 무인 비행체(3)가 아직 비행 중이지 않은 출발 전 상태인 것으로 판단하고, 동일하지 않은 경우 비행 상태로 판단할 수 있다.

가변 비행 불가 영역 처리 모듈(133)은 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 실시간 비행 경로 생성을 위해 가변 비행 불가 영역에 대한 정보인 가변 불가 영역 정보를 처리하여 획득할 수 있다. 비행 불가 영역은 가변 비행 불가 영역과 고정 비행 불가 영역으로 구분될 수 있다. 가변 비행 불가 영역은 일시적으로 비행이 불가능한 영역을 의미하며, 일 예로 폭우 또는 강풍 등의 악천후가 위치하는 영역일 수 있다. 고정 비행 불가 영역은 반영구적으로 비행이 불가능한 영역을 의미하며, 건물, 산, 나무 등 현재 물리적으로 비행이 불가능한 영역을 의미한다.

고정 비행 불가 영역의 경우 최적 비행 경로를 계산하는 경우 최초 설정을 통해 비행 불가 영역을 미리 설정할 수 있지만, 가변 비행 불가 영역의 경우, 일시적으로 비행이 불가능한 영역이기 때문에 무인 비행체(3)가 비행하는 중에도 변화가 가능하다. 따라서, 가변 비행 불가 영역 처리 모듈(133)은 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하며, 해당 영역의 정보인 가변 불가 영역 정보를 처리 및 획득할 수 있다.

가변 비행 불가 영역 처리 모듈(133)은 현재 기상 상태와 학습 데이터를 모두 사용하는 경우 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득할 수 있다. 또, 현재 기상 상태만을 사용하는 경우 현재 가변 비행 불가 영역을 획득할 수 있다.

예측 가변 비행 불가 영역은 학습 데이터를 이용하여 현재 기상 상태에서 추후 생성될 수 있는 가변 비행 불가 영역이며, 현재 가변 비행 불가 영역은 현재 생성된 가변 비행 불가 영역으로 표현될 수 있다.

또, 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다. 비행 불가 영역은, 비행이 불가한 물리적 영역을 의미하며, 비행 불가 시간은 해당 영역을 비행할 수 없는 시간을 의미한다. 또 비행 불가 조건은 해당 영역을 비행할 수 없는 무인 비행체(3)에 대한 조건일 수 있다. 일 예로, 특정 영역의 풍속이 5m/s인 경우 매우 가벼운 무인 비행체(3)는 해당 영역을 비행할 수 없을 수도 있지만, 같은 영역을 10kg 이상의 무거운 무인 비행체(3)는 비행이 가능할 수도 있다.

가변 비행 불가 영역 처리 모듈(133)에서는 이러한 조건들을 모두 이용하여 후술되는 최적 비행 경로 제공 모듈(135)에서 최적 비행 경로를 제공하는데 사용할 수 있도록 가변 비행 불가 영역 정보를 생성할 수 있다.

최적 비행 경로 제공 모듈(135)은 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공할 수 있다. 최적 비행 경로는 무인 비행체(3)의 출발 위치에서 도착 위치까지의 영역을 기 설정된 3차원 그리드인 기준 3차원 그리드를 복수개 이용하여 생성되는 영역에서 그리드와 그리드 사이를 연결하는 방식으로 형성될 수 있다. 또 최적 비행 경로는 출발 위치에서 현재 위치까지 이동하기 위해 발생한 비용과 현재 위치에서 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로를 의미한다.

여기서 최적 비행 경로 제공 모듈(135)은 그리드와 그리드 사이를 연결하는 과정에서 먼저 고정 비행 불가 영역의 그리드를 제외할 수 있다. 최적 비행 경로 제공 모듈(135)은 가변 비행 불가 영역을 적용하여 실시간으로 가변 비행 불가 영역을 그리드 상에 설정할 수 있다. 가변 비행 불가 영역이 그리드 상에 설정되면, 최적 비행 경로 제공 모듈(135)은 기 설정된 알고리즘을 이용하여 최적 비행 경로를 생성하고 제공할 수 있다.

최적 비행 경로 제공 모듈(135)은 최적 비행 경로를, 최초 추천 비행 경로와 실시간 추천 비행 경로로 구분하여 생성할 수도 있다. 최초 추천 비행 경로는 무인 비행체(3)가 비행을 시작하기 전 상태에서 무인 비행체(3) 및 사용자 단말기(5)로 제공되도록 형성된다. 최초 추천 비행 경로는 가변 비행 불가 영역이 변경되지 않는 경우, 무인 비행체(3)가 출발 위치에서 도착 위치까지 비행할 수 있는 최적의 비행 경로를 의미한다. 최초 추천 비행 경로는 무인 비행체(3)와 사용자 단말기(5)로 전달되어, 무인 비행체(3)가 자동 비행 모드인 경우 최초 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기(5)를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체(3)를 조종하도록 할 수도 있다.

실시간 추천 비행 경로는 무인 비행체(3)가 비행 중인 상태에서 무인 비행체(3) 및 사용자 단말기(5)로 제공되도록 형성된다. 실시간 추천 비행 경로는 현재 무인 비행체(3)의 위치에 따라 도착 위치까지의 최적의 비행 경로를 의미한다. 실시간 추천 비행 경로는 무인 비행체(3)와 사용자 단말기(5)로 전달되어, 무인 비행체(3)가 자동 비행 모드인 경우 실시간 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기(5)를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체(3)를 조종하도록 할 수도 있다.

한편 최적 비행 경로 제공 모듈(135)은 무인 비행체(3)의 정보를 획득하고, 최적 비행 경로를 제공할 무인 비행체(3)에 대응하는 가변 비행 불가 영역을 이용하여 적응형 최적 비행 경로를 생성할 수도 있다.

상술한 바와 같이 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함한다. 여기서 비행 불가 조건을 만족하지 않는 무인 비행체(3)의 경우에는 해당 가변 비행 불가 영역을 통과할 수 있다. 따라서, 최적 비행 경로 제공 모듈(135)은 무인 비행체(3)의 정보와 가변 비행 불가 영역 정보를 비교하여 무인 비행체(3)에 따라 비행이 가능한 가변 비행 불가 영역을 삭제한 최적 비행 경로인 적응형 최적 비행 경로를 생성하여 사용자 단말기(5) 및 무인 비행체(3)에 제공할 수도 있다.

한편, 최적 비행 경로 제공 모듈(135)은 사용자 단말기(5)에 적응형 최적 비행 경로를 생성하는 경우 삭제한 가변 비행 불가 영역을 통과하는 적응형 최적 비행 경로가 생성되는 경우, 해당 통과 경로에 위험도를 부여할 수도 있다. 위험도는 무인 비행체(3)가 해당 경로를 통과하는 경우 무인 비행체(3)에 가해질 수 있는 손상의 정도를 의미할 수 있으며, 이를 통해 사용자가 해당 경로를 선택할수 있는 정보를 더 제공할 수 있다.

한편, 최적 비행 경로 제공 모듈(135)은 상술한 바와 같이 기 설정된 알고리즘을 이용하는 경우 최적 비행 경로는 복수의 3차원 그리드를 이동하는 비용을 이용하여 생성되며, 하기 수학식 1로 표현된다.

최적 비행 경로는 f(n)을 최소화하는 h(n)의 노드들의 인덱스를 통해 생성된다. 복수개의 그리드(노드)는 각각 특정 구분 인덱스를 가지게 되며, 해당 인덱스들의 연결은 비행 경로로 표현될 수 있다. 따라서, f(n)을 최소화하는 비행 경로의 경우 이동 비용이 최소화되기 때문에 최적 비행 경로로 선정될 수 있다.최적 비행 경로 제공 모듈(135)에서 최적 비행 경로를 선정하기 위해 사용되는 기 설정된 알고리즘은 비행 불가 영역을 감지 및 대응할 수 있는 알고리즘이며, 도 7의 순서도가 그 예시이다.

도 7을 살펴보면, 기 설정된 알고리즘은 최초 시작 그리드 n을 설정하고 n을 공개 리스트에 삽입하는 단계부터 시작한다. 최초 시작 그리드를 공개 리스트에 삽입하면, 다음으로 최적 비행 경로 제공 모듈(135)은 비행 불가 영역을 감지하며, 여기서 비행 불가 영역은 상술한 바와 같이 고정 비행 불가 영역 및 가변 비행 불가 영역을 포함할 수 있다.

다음으로, 최적 비행 경로 제공 모듈(135)은 비행 불가 영역을 제외하고 비용 함수를 계산한다. 여기서 비용 함수는 상술한 수학식 1일 수 있다.

비용 함수를 계산하면, 최적 비행 경로 제공 모듈(135)은 가장 작은 비용함수를 가지는 그리드 n을 공개 리스트에서 삭제하고 폐쇄 리스트에 추가한다. 여기서, n이 사용자가 설정한 도착 그리드가 아닌 경우, 최적 비행 경로 제공 모듈(135)은 리스트에 포함되지 않은 n에 대한 모든 후속 그리드를 감지하고, 해당 후속 그리드들을 이용하여 비용 함수를 계산하는 것을 반복할 수 있다.

한편, n이 도착 그리드인 경우, 최적 비행 경로 제공 모듈(135)은 알고리즘을 종료하고 폐쇄 리스트의 인덱스를 추천 경로로 출력할 수 있다.

간단히 설명하면, 본 발명의 최적 비행 경로 제공 모듈(135)은 임의의 시작 그리드를 설정하여 계산이 필요한 공개 리스트에 삽입하고, 비행 불가 영역을 제외한 후속 그리드에 대한 비용 함수를 계산한다. 계산 결과 가장 작은 비용 함수를 가지는 후속 그리드 경로를 공개 리스트에서 삭제하고, 폐쇄 리스트에 추가하여 결정된 부분 최적 비행 경로로 설정할 수 있다.

이후 최적 비행 경로 제공 모듈(135)은 후속 그리드가 도착 그리드가 아닌 경우, 폐쇄 리스트에 포함되지 않은 모든 후속 그리드를 감지하고, 비용 함수 계산부터 다시 반복하게 된다. 또, 후속 그리드가 도착 그리드인 경우 알고리즘을 종료하고 폐쇄 리스트에 포함된 그리드들의 인덱스를 이용하여 최적 비행 경로를 제공할 수 있다.

한편, 상술한 알고리즘에 적용하기 위해 유한한 두 세그먼트의 교차점을 통해 최적 경로가 될 수 있는 모든 후보 경로들과, 장애물(비행 불가 영역)들의 경계 사이의 가시거리(Line-Of-Sight, LOS) 상태 점검을 고려해야 한다. 이는 무인 비행체(3)를 이용하여 조종하는 사용자 단말기(5)에 최소한의 시야를 확보하기 위함이다.

가시 거리 상태 점검을 위한 하나의 예시가 도 8에 도시되고 있다. 도 8은 본 발명을 수행하기 위한 가시 거리 상태 점검의 하나의 예시도이다.

먼저, 본 발명의 일 실시예에 따른 최적 비행 경로 생성 모듈(135)은 유한한 세그먼트 P1-P2 점의 (x,y) 좌표를 하기 수학식 2와 같이 정의한다.

상기 수학식 2를 이용하면, 점 P1 및 점 P2는 각각 λ=0, 1일 때 좌표가 정의될 수 있으며, 하기 수학식 3으로 표현될 수 있다.

즉, 수학식 2 및 3을 정리하면,

의 범위를 갖는 임의의 λ는 P1과 P2를 연결하는 선분에 위치하게 된다.

위와 유사하게 또 다른 라그랑주 매개 변수로 정의될 수 있는 도 8의 꼭지점 P3-P4를 결합하여 형성되는 유한한 범위 내의 모서리 E2는 하기 수학식 4를 이용하여 정의될 수 있다.

상기 수학식 4를 이용하면 점 P3 및 점 P4는 각각

일 때 좌표가 정의될 수 있으며,

의 범위를 갖는 임의의

는 P3와 P4를 연결하는 선분에 위치하게 된다. 한편, 도 8의 Z점은 두 선분(

)의 교차점이기 때문에 하기 수학식 5를 이용하여 그 좌표를 획득할 수 있다.

수학식 5를 이용하여 획득된 Z점의 좌표는, 해당 지점이 통과 가능한 지점인지 혹은 비행 중 시야 방해가 이루어지지 않는 경로인지 판별이 요구된다. 따라서, 아래 수학식 6과 같은 재정렬 후 수학식 7의 유효성 검증 및 LOS 조건 충족 여부를 확인하여 해당 지점이 통과 가능한 지점인지, 시야 방해가 이루어지지 않는 경로인지를 판단할 수 있다.

한편, 수학식 7을 통해 획득되는 판단 결과는 2차원에서의 판단 결과이다. 본 발명은 무인 비행체의 비행 경로를 추천하여야 하기 때문에 해당 판단 결과를 3차원으로 확장시켜야 하며, 따라서 이를 위해 3차원에 관한 새로운 좌표인 z(고도)를 참조하여 새로운 수식을 산정하였다.

기존의 2차원 수식은 일반적으로 하기 수학식 8로 알려져 있으며, 본 발명에서는 2차원 수식을 확장하여 하기 수학식 9로 표현되는 3차원 수식을 새롭게 구성하였다.

이를 정리하면, 본 발명의 비행 경로 계산 방법은 종래의 A-star 알고리즘의 한계인 2차원을 극복하기 위해 새로운 변수 고도를 이용한 새로운 경로 추천 3D 알고리즘을 이용하였으며, 이를 통해 비행 불가 영역의 높이까지 경로 계산에 반영할 수 있는 효과를 가진다.

한편, 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법이 도 4 내지 도 6에 도시되고 있다. 이하에서는 설명의 편의상 본 발명의 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법(이하 3차원 비행 경로 추천 방법이라 함)이 상술한 도 1 내지 도 3의 시스템을 이용하는 것으로 설명하지만, 이는 하나의 예시에 불과하며 본 방법은 다양한 장치, 시스템 및 단말기에서 구현 가능하다. 도 4는 본 발명의 일 실시예에 따른 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법을 나타낸 순서도이고, 도 5는 도 4의 단계 S11을 보다 상세히 나타낸 순서도이며, 도 6은 도 4의 단계 S13을 보다 상세히 나타낸 순서도이다.

3차원 비행 경로 추천 방법은 실시간 비행 정보를 생성하여 최적 비행 경로를 생성하고, 생성한 최적 비행 경로를 무인 비행체 및 사용자 단말기에 제공할 수 있다. 이를 통해 본 발명의 3차원 비행 경로 추천 방법은 사용자가 사용자 단말기를 통해 혼합 현실에서 무인 비행체를 제어할 수 있도록 할 수 있다. 또, 본 발명의 3차원 비행 경로 추천 방법은 최적 비행 경로를 이용하여 무인 비행체가 안전하고 가장 빠른 경로로 도착 위치까지 이동할 수 있도록 할 수 있다.

본 발명의 3차원 비행 경로 추천 방법은 비행 정보를 학습하는 단계(S11) 및 실시간 비행 경로를 추천하는 단계(S13)를 포함하여 형성될 수 있다. 비행 정보를 학습하는 단계(S11)는 비행 정보 학습부를 이용하여 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하도록 형성된다. 비행 정보를 학습하는 단계(S11)는 무인 비행체 운항 기록을 학습하여 비행 경로 생성의 기초 정보로 사용하기 위해 복수의 무인 비행체에 대한 운항 기록을 학습할 수 있다.

이를 위해 본 발명의 비행 정보를 학습하는 단계(S11)는 도 5에 도시된 바와 같이 무인 비행체 운항 기록을 수집하는 단계(S111), 운항 기록을 처리하는 단계(S113) 및 학습 데이터를 처리하는 단계(S115)를 포함할 수 있다.

무인 비행체 운항 기록을 수집하는 단계(S111)는 무인 비행체의 운항 기록을 수집하기 위해 형성된다. 무인 비행체 운항 기록을 수집하는 단계(S111)는 복수의 무인 비행체의 운항 기록을 학습을 위해 수집할 수 있다. 여기서 운항 기록은 운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함한다. 운항 경로는 무인 비행체의 출발 위치에서 도착 위치까지의 이동 경로를 의미하며, 운항 속도는 운항 경로에서 무인 비행체의 위치 별 이동 속도를 의미할 수 있다. 또, 운항 시 기상 정보의 경우 무인 비행체의 운항 경로에서 위치 별 온도, 습도, 풍속, 풍향 등을 포함할 수 있으며, 운항 일정 정보는 무인 비행체가 운항 경로를 운항한 날짜 및 일시를 의미할 수 있다.

운항 기록을 처리하는 단계(S113)는 수집한 무인 비행체의 운항 기록을 처리하여 정상 데이터를 획득하며, 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 운항 기록을 처리하는 단계(S113)는 운항 기록에 포함되는 다양한 데이터 중 학습의 효율을 위해 정상 데이터를 획득할 수 있다. 정상 데이터는 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요한 속성을 제거한 순속성 데이터를 의미한다. 운항 기록에 포함되는 다양한 데이터에는 학습에 필요한 정보와 관련된 속성만이 아닌 다양한 속성이 포함될 수 있으며, 이러한 속성들은 학습의 효율을 감소시키는 상황을 발생시킬 수 있다. 따라서, 운항 기록을 처리하는 단계(S113)는 학습에 필요한 필수 속성들인 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 운항 기록에서 제거하여 순속성 데이터를 획득할 수 있다.

운항 기록을 처리하는 단계(S113)는 순속성 데이터를 획득하면, 획득한 순속성 데이터 중 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터들만을 회득할 수 있다. 다양한 장치 등을 이용하여 데이터를 획득하는 경우, 장치의 일시적 오류나 무선 통신망의 지연 시간 등의 다양한 이유로 오류값이 측정되는 경우가 발생할 수 있다. 이러한 오류값은 데이터 학습 결과의 정확도를 감소시키는 문제점을 유발할 수 있기 때문에, 본 발명의 운항 기록을 처리하는 단계(S113)는 기준 유효 범위를 획득하고, 기준 유효 범위를 벗어나는 데이터를 제거하여 정상 데이터를 획득할 수 있다.

또, 운항 기록을 처리하는 단계(S113)는 획득한 정상 데이터 사이의 연관성을 파악할 수 있다. 정상 데이터 사이의 연관성은 사전 시각화 분석을 통해 속성들을 비교하고, 서로 연관성을 가지는 속성들을 정상 데이터 사이의 연관성으로 설정할 수 있다.

학습 데이터를 처리하는 단계(S115)는 정상 데이터와 정상 데이터 연관성을 포함하는 학습 데이터를 학습하고, 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성한다. 정상 데이터와 정상 데이터 연관성은 운항 기록에서부터 획득된다. 따라서, 해당 데이터를 누적 학습하는 경우, 특정 상황에서 운항 기록이 특정 경로로 이루어진다는 것을 획득할 수도 있으며, 특정 기상 데이터를 가지는 경우 특정 지역에서의 특정 기후를 예측할 수도 있다. 이러한 예측 알고리즘은 장애 패턴 분석 알고리즘으로 표현될 수 있으며, 상술한 바와 같이 복수의 학습 데이터를 이용하여 획득될 수 있다.

한편, 실시간 비행 경로를 추천하는 단계(S13)는 실시간 비행 경로 추천부를 이용하여 비행 정보를 학습하는 단계(S11)로부터 정보를 전달받고, 전달받은 정보와 무인 비행체의 현재 상태 정보를 이용하여 무인 비행체의 실시간 비행 경로를 추천하도록 형성된다. 실시간 비행 경로를 추천하는 단계(S13)가 비행 정보를 학습하는 단계(S11)로부터 전달받는 정보는 일 예로 실시간 비행 경로를 생성하기 위한 보조 정보로서, 학습 데이터를 포함할 수 있다.

이를 위해 실시간 비행 경로를 추천하는 단계(S13)는 도 6에 도시된 바와 같이 비행 정보를 획득하는 단계(S131), 가변 비행 불가 영역을 처리하는 단계(S133)및 최적 비행 경로를 제공하는 단계(S135)를 포함할 수 있다.

비행 정보를 획득하는 단계(S131)는 비행 정보를 학습하는 단계(S11) 및 무인 비행체로부터 비행 정보를 획득한다. 비행 정보는 비행 정보를 학습하는 단계(S11)에서 획득되는 학습 데이터를 포함한다. 또 비행 정보는 무인 비행체로부터 무인 비행체의 출발 위치, 현재 위치 및 도착 위치를 포함하는 위치 정보와, 비행 시각 정보, 출발 위치와 현재 위치 및 도착 위치의 중심정으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보를 포함할 수 있다.

또, 비행 정보를 획득하는 단계(S131)는 획득한 비행 정보를 이용하여 현재 무인 비행체의 비행 상태를 판단할 수도 있다. 비행 정보를 획득하는 단계(S131)는 무인 비행체의 비행 상태를 판단하기 위해 위치 정보를 이용할 수 있으며, 위치 정보 중 현재 위치가 출발 위치와 동일한 경우 무인 비행체가 아직 비행 중이지 않은 출발 전 상태인 것으로 판단하고, 동일하지 않은 경우 비행 상태로 판단할 수 있다.

가변 비행 불가 영역을 처리하는 단계(S133)는 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 실시간 비행 경로 생성을 위해 가변 비행 불가 영역에 대한 정보인 가변 불가 영역 정보를 처리하여 획득할 수 있다. 비행 불가 영역은 가변 비행 불가 영역과 고정 비행 불가 영역으로 구분될 수 있다. 가변 비행 불가 영역은 일시적으로 비행이 불가능한 영역을 의미하며, 일 예로 폭우 또는 강풍 등의 악천후가 위치하는 영역일 수 있다. 고정 비행 불가 영역은 반영구적으로 비행이 불가능한 영역을 의미하며, 건물, 산, 나무 등 현재 물리적으로 비행이 불가능한 영역을 의미한다.

고정 비행 불가 영역의 경우 최적 비행 경로를 계산하는 경우 최초 설정을 통해 비행 불가 영역을 미리 설정할 수 있지만, 가변 비행 불가 영역의 경우, 일시적으로 비행이 불가능한 영역이기 때문에 무인 비행체가 비행하는 중에도 변화가 가능하다. 따라서, 가변 비행 불가 영역을 처리하는 단계(S133)는 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하며, 해당 영역의 정보인 가변 불가 영역 정보를 처리 및 획득할 수 있다.

가변 비행 불가 영역을 처리하는 단계(S133)는 현재 기상 상태와 학습 데이터를 모두 사용하는 경우 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득할 수 있다. 또, 현재 기상 상태만을 사용하는 경우 현재 가변 비행 불가 영역을 획득할 수 있다.

예측 가변 비행 불가 영역은 학습 데이터를 이용하여 현재 기상 상태에서 추후 생성될 수 있는 가변 비행 불가 영역이며, 현재 가변 비행 불가 영역은 현재 생성된 가변 비행 불가 영역으로 표현될 수 있다.

또, 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함할 수 있다. 비행 불가 영역은, 비행이 불가한 물리적 영역을 의미하며, 비행 불가 시간은 해당 영역을 비행할 수 없는 시간을 의미한다. 또 비행 불가 조건은 해당 영역을 비행할 수 없는 무인 비행체에 대한 조건일 수 있다. 일 예로, 특정 영역의 풍속이 5m/s인 경우 매우 가벼운 무인 비행체는 해당 영역을 비행할 수 없을 수도 있지만, 같은 영역을 10kg 이상의 무거운 무인 비행체는 비행이 가능할 수도 있다.

가변 비행 불가 영역을 처리하는 단계(S133)에서는 이러한 조건들을 모두 이용하여 후술되는 최적 비행 경로를 제공하는 단계(S135)에서 최적 비행 경로를 제공하는데 사용할 수 있도록 가변 비행 불가 영역 정보를 생성할 수 있다.

최적 비행 경로를 제공하는 단계(S135)는 현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공할 수 있다. 최적 비행 경로는 무인 비행체의 출발 위치에서 도착 위치까지의 영역을 기 설정된 3차원 그리드인 기준 3차원 그리드를 복수개 이용하여 생성되는 영역에서 그리드와 그리드 사이를 연결하는 방식으로 형성될 수 있다. 또 최적 비행 경로는 출발 위치에서 현재 위치까지 이동하기 위해 발생한 비용과 현재 위치에서 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로를 의미한다.

여기서 최적 비행 경로를 제공하는 단계(S135)는 그리드와 그리드 사이를 연결하는 과정에서 먼저 고정 비행 불가 영역의 그리드를 제외할 수 있다. 최적 비행 경로를 제공하는 단계(S135)는 가변 비행 불가 영역을 적용하여 실시간으로 가변 비행 불가 영역을 그리드 상에 설정할 수 있다. 가변 비행 불가 영역이 그리드 상에 설정되면, 최적 비행 경로를 제공하는 단계(S135)는 기 설정된 알고리즘을 이용하여 최적 비행 경로를 생성하고 제공할 수 있다.

최적 비행 경로를 제공하는 단계(S135)는 최적 비행 경로를, 최초 추천 비행 경로와 실시간 추천 비행 경로로 구분하여 생성할 수도 있다. 최초 추천 비행 경로는 무인 비행체가 비행을 시작하기 전 상태에서 무인 비행체 및 사용자 단말기로 제공되도록 형성된다. 최초 추천 비행 경로는 가변 비행 불가 영역이 변경되지 않는 경우, 무인 비행체가 출발 위치에서 도착 위치까지 비행할 수 있는 최적의 비행 경로를 의미한다. 최초 추천 비행 경로는 무인 비행체와 사용자 단말기로 전달되어, 무인 비행체가 자동 비행 모드인 경우 최초 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체를 조종하도록 할 수도 있다.

실시간 추천 비행 경로는 무인 비행체가 비행 중인 상태에서 무인 비행체 및 사용자 단말기로 제공되도록 형성된다. 실시간 추천 비행 경로는 현재 무인 비행체의 위치에 따라 도착 위치까지의 최적의 비행 경로를 의미한다. 실시간 추천 비행 경로는 무인 비행체와 사용자 단말기로 전달되어, 무인 비행체가 자동 비행 모드인 경우 실시간 추천 비행 경로를 따라 비행하도록 할 수 있으며, 사용자 단말기를 통해 사용자가 추천 비행 경로를 확인하며 무인 비행체를 조종하도록 할 수도 있다.

한편 최적 비행 경로를 제공하는 단계(S135)는 무인 비행체의 정보를 획득하고, 최적 비행 경로를 제공할 무인 비행체에 대응하는 가변 비행 불가 영역을 이용하여 적응형 최적 비행 경로를 생성할 수도 있다.

상술한 바와 같이 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함한다. 여기서 비행 불가 조건을 만족하지 않는 무인 비행체의 경우에는 해당 가변 비행 불가 영역을 통과할 수 있다. 따라서, 최적 비행 경로를 제공하는 단계(S135)는 무인 비행체의 정보와 가변 비행 불가 영역 정보를 비교하여 무인 비행체에 따라 비행이 가능한 가변 비행 불가 영역을 삭제한 최적 비행 경로인 적응형 최적 비행 경로를 생성하여 사용자 단말기 및 무인 비행체에 제공할 수도 있다.

한편, 최적 비행 경로를 제공하는 단계(S135)는 사용자 단말기에 적응형 최적 비행 경로를 생성하는 경우 삭제한 가변 비행 불가 영역을 통과하는 적응형 최적 비행 경로가 생성되는 경우, 해당 통과 경로에 위험도를 부여할 수도 있다. 위험도는 무인 비행체가 해당 경로를 통과하는 경우 무인 비행체에 가해질 수 있는 손상의 정도를 의미할 수 있으며, 이를 통해 사용자가 해당 경로를 선택할수 있는 정보를 더 제공할 수 있다.

한편, 최적 비행 경로를 제공하는 단계(S135)는 상술한 바와 같이 기 설정된 알고리즘을 이용하는 경우 최적 비행 경로는 복수의 3차원 그리드를 이동하는 비용을 이용하여 생성되며, 상기 수학식 1로 표현된다.

최적 비행 경로는 f(n)를 최소화하는 h(n)의 노드들의 인덱스를 통해 생성된다. 복수개의 그리드(노드)는 각각 특정 구분 인덱스를 가지게 되며, 해당 인덱스들의 연결은 비행 경로로 표현될 수 있다. 따라서, f(n)를 최소화하는 비행 경로의 경우 이동 비용이 최소화되기 때문에 최적 비행 경로로 선정될 수 있다.

최적 비행 경로를 제공하는 단계(S135)에서 최적 비행 경로를 선정하기 위해 사용되는 기 설정된 알고리즘은 비행 불가 영역을 감지 및 대응할 수 있는 알고리즘이며, 도 7의 순서도가 그 예시이다.

도 7을 살펴보면, 기 설정된 알고리즘은 최초 시작 그리드 n을 설정하고 n을 공개 리스트에 삽입하는 단계부터 시작한다. 최초 시작 그리드를 공개 리스트에 삽입하면, 다음으로 최적 비행 경로를 제공하는 단계(S135)는 비행 불가 영역을 감지하며, 여기서 비행 불가 영역은 상술한 바와 같이 고정 비행 불가 영역 및 가변 비행 불가 영역을 포함할 수 있다.

다음으로, 최적 비행 경로를 제공하는 단계(S135)는 비행 불가 영역을 제외하고 비용 함수를 계산한다. 여기서 비용 함수는 상술한 수학식 1일 수 있다.

비용 함수를 계산하면, 최적 비행 경로를 제공하는 단계(S135)는 가장 작은 비용함수를 가지는 그리드 n을 공개 리스트에서 삭제하고 폐쇄 리스트에 추가한다. 여기서, n이 사용자가 설정한 도착 그리드가 아닌 경우, 최적 비행 경로를 제공하는 단계(S135)는 리스트에 포함되지 않은 n에 대한 모든 후속 그리드를 감지하고, 해당 후속 그리드들을 이용하여 비용 함수를 계산하는 것을 반복할 수 있다.

한편, n이 도착 그리드인 경우, 최적 비행 경로를 제공하는 단계(S135)는 알고리즘을 종료하고 폐쇄 리스트의 인덱스를 추천 경로로 출력할 수 있다.

간단히 설명하면, 본 발명의 최적 비행 경로를 제공하는 단계(S135)는 임의의 시작 그리드를 설정하여 계산이 필요한 공개 리스트에 삽입하고, 비행 불가 영역을 제외한 후속 그리드에 대한 비용 함수를 계산한다. 계산 결과 가장 작은 비용 함수를 가지는 후속 그리드 경로를 공개 리스트에서 삭제하고, 폐쇄 리스트에 추가하여 결정된 부분 최적 비행 경로로 설정할 수 있다.

이후 최적 비행 경로를 제공하는 단계(S135)는 후속 그리드가 도착 그리드가 아닌 경우, 폐쇄 리스트에 포함되지 않은 모든 후속 그리드를 감지하고, 비용 함수 계산부터 다시 반복하게 된다. 또, 후속 그리드가 도착 그리드인 경우 알고리즘을 종료하고 폐쇄 리스트에 포함된 그리드들의 인덱스를 이용하여 최적 비행 경로를 제공할 수 있다.

한편, 상술한 알고리즘에 적용하기 위해 유한한 두 세그먼트의 교차점을 통해 최적 경로가 될 수 있는 모든 후보 경로들과, 장애물(비행 불가 영역)들의 경계 사이의 가시거리(Line-Of-Sight, LOS) 상태 점검을 고려해야 한다. 이는 무인 비행체를 이용하여 조종하는 사용자 단말기에 최소한의 시야를 확보하기 위함이다. 본 발명에서는 설명의 편의상 상술한 시스템에서의 도 8에 대한 설명과 수학식 2 내지 9를 이용하여 해당 내용에 대한 설명을 갈음하도록 한다.

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.

1: 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템
3: 무인 비행체 5: 사용자 단말기
11: 비행 정보 학습부 13: 실시간 비행 경로 추천부
111: 무인 비행체 운항 기록 수집 모듈
113: 운항 기록 처리 모듈 115: 학습 데이터 처리 모듈
131: 비행 정보 획득 모듈 133: 가변 비행 불가 영역 처리 모듈
135: 최적 비행 경로 제공 모듈

Claims (18)

1. 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템에 있어서,
   상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 비행 정보 학습부; 및
   상기 비행 정보 학습부로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 실시간 비행 경로 추천부;를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
2. 제 1항에 있어서,
   상기 비행 정보 학습부는,
   운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 무인 비행체 운항 기록 수집 모듈;
   수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 운항 기록 처리 모듈; 및
   상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 학습 데이터 처리 모듈;을 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
3. 제 2항에 있어서,
   상기 운항 기록 처리 모듈은,
   상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며,
   상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
4. 제 3항에 있어서,
   상기 실시간 비행 경로 추천부는,
   상기 비행 정보 학습부 및 상기 무인 비행체로부터 비행 정보를 획득하는 비행 정보 획득 모듈;
   상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 가변 비행 불가 영역 처리 모듈; 및
   현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 최적 비행 경로 제공 모듈;을 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
5. 제 4항에 있어서,
   상기 비행 정보는 상기 학습 데이터, 상기 무인 비행체의 출발 위치, 상기 현재 위치 및 상기 도착 위치를 포함하는 위치 정보와 비행 시각, 상기 출발 위치와 상기 현재 위치 및 상기 도착 위치의 중심점으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보 중 어느 하나를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
6. 제 5항에 있어서,
   상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 현재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
7. 제 6항에 있어서,
   상기 가변 비행 불가 영역 처리 모듈은,
   상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
8. 제 7항에 있어서,
   상기 최적 비행 경로는
   상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며,
   상기 최적 비행 경로 제공 모듈은,
   상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
9. 제 8항에 있어서,
   상기 최적 비행 경로 제공 모듈은,
   상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 시스템.
10. 무인 비행체 및 사용자 단말기와 유선 또는 무선 통신을 이용하여 연결하고, 실시간 비행 정보를 생성하여 상기 무인 비행체 및 상기 사용자 단말기에 최적 비행 경로를 제공하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법에 있어서,
    비행 정보 학습부를 이용하여 상기 무인 비행체의 운항 기록을 수집하고 처리하여 처리 결과를 학습하며, 학습 데이터를 처리하여 장애 패턴을 분석하는 단계; 및
    실시간 비행 경로 추천부를 이용하여 상기 장애 패턴을 분석하는 단계로부터 정보를 전달 받고, 전달 받은 정보와 상기 무인 비행체의 현재 상태 정보를 이용하여 상기 무인 비행체의 실시간 비행 경로를 추천하는 단계;를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
11. 제 10항에 있어서,
    상기 장애 패턴을 분석하는 단계는,
    운항 경로, 운항 속도, 운항 시 기상 정보 및 운항 일정 정보 중 적어도 하나를 포함하는 상기 무인 비행체의 상기 운항 기록을 수집하는 단계;
    수집한 상기 무인 비행체의 상기 운항 기록을 처리하여 정상 데이터를 획득하고, 획득한 상기 정상 데이터 사이의 연관성을 파악하는 단계; 및
    상기 정상 데이터와 상기 정상 데이터 연관성을 포함하는 상기 학습 데이터를 학습하고, 상기 학습 데이터를 이용하여 장애 패턴 분석 알고리즘을 생성하는 단계;를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
12. 제 11항에 있어서,
    상기 정상 데이터 사이의 연관성을 파악하는 단계는,
    상기 운항 기록 중 기 설정된 기준 속성에 해당하지 않는 불필요 속성을 제거한 순속성 데이터를 획득하고, 상기 순속성 데이터 중 기준 유효 범위를 벗어나는 이상 데이터를 제거하여 상기 정상 데이터를 획득하며, 획득한 상기 정상 데이터 사이의 연관성을 파악하며,
    상기 정상 데이터 연관성은 사전 시각화 분석을 통해 연관성을 가지는 속성을 파악하여 연관성을 가지는 속성을 상기 정상 데이터 연관성으로 설정하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
13. 제 12항에 있어서,
    상기 무인 비행체의 실시간 비행 경로를 추천하는 단계는,
    상기 장애 패턴을 분석하는 단계 및 상기 무인 비행체로부터 비행 정보를 획득하는 단계;
    상기 학습 데이터 또는 현재 기상 상태를 이용하여 가변 비행 불가 영역을 획득하고, 상기 실시간 비행 경로 생성을 위해 상기 가변 비행 불가 영역에 대한 정보인 가변 비행 불가 영역 정보를 처리하여 획득하는 단계; 및
    현재 비행 상태에 따라 현재 위치에서 도착 위치까지의 최적 비행 경로를 계산하여 제공하는 단계;를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
14. 제 13항에 있어서,
    상기 비행 정보는 상기 학습 데이터, 상기 무인 비행체의 출발 위치, 상기 현재 위치 및 상기 도착 위치를 포함하는 위치 정보와 비행 시각, 상기 출발 위치와 상기 현재 위치 및 상기 도착 위치의 중심점으로부터 기 설정된 거리의 반경을 가지는 영역 내의 현재 기상 정보 중 어느 하나를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
15. 제 14항에 있어서,
    상기 비행 정보 중 상기 위치 정보를 이용하여 현재 무인 비행체의 현재 비행 상태가 출발 전인지 비행 중인지 판단하며, 상기 위치 정보 중 상기 현재 위치가 상기 출발 위치와 동일한 경우 출발 전으로 판단하고, 동일하지 않은 경우 비행 중으로 판단하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
16. 제 15항에 있어서,
    상기 가변 비행 불가 영역 정보를 처리하여 획득하는 단계는,
    상기 현재 기상 상태와 상기 학습 데이터를 통해 상기 가변 비행 불가 영역을 예측하여 형성되는 예측 가변 비행 불가 영역을 획득하고, 상기 현재 기상 상태만을 이용하여 현재 가변 비행 불가 영역을 생성하며, 상기 가변 비행 불가 영역 정보는 비행 불가 영역, 비행 불가 시간 및 비행 불가 조건 중 적어도 하나를 포함하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
17. 제 16항에 있어서,
    상기 최적 비행 경로는
    상기 출발 위치에서 상기 도착 위치까지 기 설정된 복수의 3차원 그리드를 생성하며,
    상기 최적 비행 경로를 계산하여 제공하는 단계는,
    상기 출발 위치에서 상기 현재 위치까지 이동하기 위해 발생한 비용과 상기 현재 위치에서 상기 도착 위치까지 이동하는데 발생할 비용을 합한 전체 비용이 최소화되는 비행 경로이며 건물 등과 같이 비행이 불가능한 고정된 장애물이 존재하는 고정 비행 불가 영역을 반영하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.
18. 제 17항에 있어서,
    상기 최적 비행 경로를 계산하여 제공하는 단계는,
    상기 최적 비행 경로를 생성하기 위해 상기 가변 비행 불가 영역을 적용하여 실시간으로 상기 가변 비행 불가 영역을 제외하여 생성하는 비행 정보 학습을 이용한 무인 비행체의 3차원 비행 경로 추천 방법.

Images