항공기 착륙 수직 가속도 이벤트 통계적 분석 연구

QAR 데이터의 디코딩은 바이너리 스트림, 즉 수신된 0과 1의 순서를 전송하는 것을 의미한다. 디코딩에는 DFL(data frame layout)이 필요하며, 이진형식에서 공학단위로 변환해야 한다. 또한 매개변수의 정확도를 유지하기 위해 이 변환은 단순한 수학적 변환만으로는 처리되지 않을 수 있다. 이에 이진값 X를 10진수로 변환하고, DFL에서 주어진 변환규칙에 따라 아핀선형방정식 Y = A₀ + A₁ - X를 적용한다. Y는 파라미터의 공학단위 값으로 표시되며, 변수 A₀및 A₁은 DFL에 의해 주어진 상수를 의미한다. 이러한 디코딩 프로세스를 통해 QAR 데이터를 이해할 수 있는 형식으로 변환하여 운항 데이터 분석 및 모니터링에 활용할 수 있다(Schwaiger and Holzapfel, 2021).

Fig. 2와 같이 항공기로부터 수신되는 데이터를 관리, 저장, 디코딩 및 분석하기 위해서는 전용 운항 데이터 분석 (FDA; flight data analysis) 프로그램이 필요하며, 이 프로그램의 가장 주요 기능은 운항 데이터의 스트리밍을 처리하여 데이터를 체계적으로 저장하는 것이다(ICAO, 2021).

Fig. 2. Flight data monitoring process

Download Original Figure

이러한 분석 데이터가 미리 설정한 임계값 기준치를 초과하면 발췌되어 안전지표(incident metric)를 통한 사전적인 예방(proactive) 안전관리를 할 수 있다.

하드랜딩을 발생시킬 수 있는 수직 가속도 초과 이벤트 데이터의 특성과 전조 징후의 세부 계측값 (parameters)들의 차이점을 확인하고, 이벤트의 발생 인과관계를 파악하기 위하여 분산분석, 상관관계분석, 회귀분석을 활용한 운항 데이터 통계 분석 모델을 Fig. 3과 같이 수행하였다.

Fig. 3. Event characteristic analysis method

Download Original Figure

본 연구에서는 수직 가속도 초과 이벤트를 발생한 집단과 정상적으로 착륙한 집단 간의 운항 데이터를 비교 분석하였다.

항공기의 접근 속도(approach speed), 접지 기수 각도(pitch angle), 바람의 방향과 속도 등과 같은 운항 매개변수 들에 대한 평균값들을 세 집단(low/ medium/ high severity)으로 나누어 비교분석을 함으로써, 이벤트 발생과 가장 관련성 있는 요인을 식별하고자 하였다.

종합적인 분산분석 결과에 따른 유의미한 변수는 아래의 Fig. 4와 같다.

Fig. 4. high vertical g event variance analysis results

Download Original Figure

회색 바는 집단 간의 차이의 유의확률 아래의 평균값을 나타내며, 빨간색 선과 점은 유의확률 95% 이상의 값을 나타낸다. 파란색 막대는 유의확률이 고빈도, P-값 Mean 값의 비율 상위를 나타낸다.

이벤트 분산분석 결과에 의하면 항공기의 속도(airspeed)가 23.12%의 비율로 가장 높은 빈도를 나타내었으며, 강하 속도(vertical speed)는 22.50%, 항공기 기수 자세 (pitch attitude)는 21.32%로 항공기의 강하율과 관계가 많은 변수가 차례로 높은 빈도를 나타냈다.

편류각(drift angle)이 21.1%, 지상대기 속도(ground speed)가 19.50%, 기수 조종 위치(pitch command position)은 18.32% 순으로 나타났고, 집단 간의 변수들의 차이는 97% 이상의 높은 유의확률을 나타내었다. 고도별로는 접지 직전인 15ft (약15.70%), 30ft(약14.53%), 50ft(약 13.95%)의 저고도 순으로 변수들의 집단 간의 유의미한 분포의 차이를 나타내었다.

본 연구에서는 수직 가속도 초과 이벤트 발생과 관련된 매개변수 간의 상관관계를 분석하여 어떤 변수들이 서로 연관성을 가지는지 파악하였다.

이는 이벤트 발생의 주된 원인을 식별하고, 이후 회귀분석의 변수 선택의 기준으로 활용하였다. 수직 가속도 초과 이벤트의 상관관계는 Fig. 5와 같으며, 공항, 활주로, 기종, 풍속의 차이에 상관없이 대부분 그룹에서 항공기 받음각 (angle of attack)과 기수 각도 (pitch angle) 간의 상관관계(p=0.83, 0.86)가 높은 편으로 나타났다. 그 외에는 활주로에 따라 차이는 있으나, 항공기 기수(heading)와 편류각(drift angle) 간의 높은 상관관계(p=0.83)를 확인할 수 있었다.

Fig. 5. High vertical G event correlation analysis results

Download Original Figure

공항별 분석에 의하면 제주공항은 받음각(angle of attack)과 기수 각도(pitch angle) 간의 상관관계(p=0.81, 0.84)가 높은 것을 확인하였으며, 특히 rwy 25에서는 항공기 기수(heading)와 풍향(wind direction) 간의 상관관계(p=0.64)를 확인할 수 있었다. 김포공항에서도 받음각(angle of attack)과 항공기 기수 각도(pitch angle) 간의 상관관계(p=0.83, 0.86)가 높은 것을 확인할 수 있었다. rwy 14에서는 항공기 기수(heading)과 풍향 간의 상관관계(p=0.61)를 확인할 수 있었으며, 김해공항에서도 받음각 (angle of attack)과 기수 각도(pitch angle)간의 상관관계(p=0.85, 0.88), 항공기 기수(heading)와 풍향 간의 상관관계(p=0.62)가 높은 편이며, RWY 36에서는 편류각(drift angle)과 풍향 간의 상관관계(p=0.72)를 확인할 수 있었다.

본 연구에서는 회귀분석을 통해 항공기 운항 중에 발생할 수 있는 수직 가속도 초과 이벤트에 영향을 미치는 핵심 매개변수들의 관계 모델링을 위하여 착륙 시 발생하는 매개변수들의 영향력을 정량화하여 분석하였다. 그 내용은 fig. 6과 같다.

Fig. 6. Comprehensive results of high vertical G event regression analysis

Download Original Figure

종합적인 회귀분석의 결과를 통해 수직 가속도 초과 이벤트에 영향을 미치는 주요 변수 중에 가장 유의미한 영향을 미치는 변수는 기수 각도(pitch angle)로 음(-)의 방향으로 높은 수치(-0.624)를 나타낸다. 이는 수직 가속도 초과 이벤트의 원인인 조종사의 늦은 플레어(late flare)를 방지하기 위한 일정한 기수 각도 (pitch angle) 유지의 중요성을 나타내는 것으로 해석된다.

반면 항공기 강하 속도 (vertical speed) 0.748, 지상 속도 (ground speed) 0.268, 트로틀 레버 각도 (throttle lever angle) 0.695로 수직 가속도 초과 이벤트 발생 확률을 증가시키는 양(+)의 방향으로 강한 상관관계를 보인다. 이는 항공기의 강하율과 에너지 관리와 관련된 자세제어 변수 및 계수들이 이벤트 발생에 유의미한 영향을 미친다는 것을 나타낸다.

또한 풍속(wind speed)의 경우, 회귀 계수 0.232로 양수이지만 상대적으로 작은 값을 가진다. 이는 바람의 세기가 이벤트 발생 확률을 약간 증가시킬 수 있으나, 다른 변수들에 비해 그 영향력이 상대적으로 적다는 것을 의미한다. 풍속과 같은 환경적 요인이 이벤트에 영향을 미칠 수 있으나, 항공기의 자세제어 및 운항 관련 변수들이 더욱더 중요한 역할을 한다는 것을 나타낸다.

Fig. 6의 변수별 각각의 회귀계수들은 영향력의 크기와 방향성을 나타낸다.