항공기 궤적 예측은 항공 교통 관리(ATM), 자율 비행 등 다양한 분야의 핵심 기술로, 항공 교통량 증가에 따라 그 중요성이 더욱 커지고 있다. 현재 항공기 궤적 예측은 기존의 물리·통계 기반 모델이 가진 한계를 극복하기 위해 딥러닝을 이용한 방법들이 연구되고 있다. 본 논문은 다양하게 연구되고 있는 딥러닝 기반 항공기 궤적 예측 모델 연구 동향을 고찰한다. 본 연구는 LSTM, Transformer, GNN 등 주요 모델의 구조, 성능, 장단점을 비교 분석하고, RMSE, MAE, ADE, FDE 등의 정량적 지표와 함께 연산 효율성 및 시스템 적용 가능성을 평가한다. 본 연구의 분석 결과는 항공기 궤적 예측에 딥러닝 기술을 적용한 결과 예측 정확도와 일반화 성능을 크게 향상되었음을 보여준다. 또한, 딥러닝 모델의 분석을 기반으로 실시간 예측, 다중 항공기 상호작용, 디지털 트윈과 같은 실제 적용 사례를 함께 제시한다. 이러한 분석 및 응용 영역에 대한 고찰은 향후 실제 항공 도메인에서 모델을 선택하고 활용하는 데 있어 중요한 기초 자료로 활용될 수 있다. 향후에는 데이터 융합, 모델 설명 가능성(XAI), 경량화 및 최적화 기술 개발을 통해 실제 운용 환경에 적용 가능한 예측 시스템을 구축하는 방향으로 연구가 진행되어야 한다.
Nae-Joung Kwak (Sat,) studied this question.