항공 분야의 AI: 스마트 공항으로 향하는 활주로

항공 산업은 사람과 물자를 운송하여 세계를 연결합니다. 기술이 발전하면서 여행하는 사람도 늘고 있습니다. 올해 전 세계 여객 수는 94억 명에 이를 것으로 예상됩니다. 비용이 많이 드는 지연을 방지하고 승객의 여행 경험이 나빠지지 않도록 공항 운영을 모니터링하는 일이 그 어느 때보다 중요합니다.

공항에서 인공지능(AI)을 활용하면 운영을 간소화하고 효율성을 높이며 전반적인 여행 경험을 개선할 수 있습니다. 이 글에서는 항공 산업에서 AI의 다양한 활용 사례를 살펴보겠습니다. 항공 분야에서 AI가 제공하는 이점과 그에 따르는 과제도 알아보겠습니다.

항공 분야에서 AI는 어떻게 활용되나요?#

머신러닝, 자연어 처리 (NLP), 컴퓨터 비전과 같은 다양한 AI 기술이 항공 산업을 변화시키고 있습니다. 머신러닝은 알고리즘을 사용해 패턴을 식별하고 예측을 수행합니다. 항공편 일정을 최적화하고 항공기 회항 시간을 단축하며 장비 고장을 사전에 예측하는 데 도움이 됩니다.

그림 1. 항공 산업에서 AI를 적용할 수 있는 분야.

컴퓨터가 인간의 언어를 이해하고 생성할 수 있게 하는 NLP는 감성 분석과 같은 분야에 활용할 수 있습니다. 설문조사, 소셜 미디어, 고객 리뷰에서 얻은 승객 피드백을 분석하면 NLP를 통해 항공사와 공항은 고객 만족도를 파악하고 개선이 필요한 부분을 찾아낼 수 있습니다.

컴퓨터 비전을 사용하면 컴퓨터가 시각 데이터를 해석하고 이를 바탕으로 결정을 내릴 수 있습니다. 얼굴 인식, 행동 분석, 의심스러운 활동 탐지 등의 애플리케이션을 통해 보안을 강화하는 고급 감시 시스템에 활용할 수 있습니다. 이는 항공 분야에서 AI를 활용하는 몇 가지 사례에 불과합니다. 이러한 기술이 항공 분야에 미치는 영향을 더 자세히 살펴보겠습니다.

항공 분야의 AI 활용 사례#

AI 활용 사례가 항공 분야를 어떻게 바꾸고 있는지 더 명확히 이해할 수 있도록 몇 가지 구체적인 예를 살펴보겠습니다. 해당 활용 사례가 필요한 이유와 AI를 사용해 만들 수 있는 솔루션, 그리고 그 작동 방식을 알아봅니다.

컴퓨터 비전으로 비행기의 착륙 거리 계산하기#

항공 분야에서 컴퓨터 비전을 활용하는 흥미로운 사례 중 하나는 비행기의 착륙 거리를 계산하는 것입니다. 아직 널리 사용되지는 않지만, 계기가 고장 났을 때 컴퓨터 비전을 백업 수단으로 활용할 수 있으며 시야가 좋지 않은 상황에서 착륙을 지원할 수도 있습니다. 이를 통해 착륙 절차를 더 안전하고 안정적으로 수행할 수 있습니다. 착륙 중 항공기를 전파 신호로 안내하는 기존 계기 착륙 시스템 (ILS)과 달리, 컴퓨터 비전은 지상에서 지원을 제공합니다.

객체 감지는 AI 모델이 이미지나 동영상에서 객체를 식별하고 위치를 찾는 컴퓨터 비전 작업입니다. 자율주행차부터 보안 시스템에 이르기까지 다양한 분야에서 필수적으로 활용됩니다. 이 사례에서는 객체 감지를 통해 비행기와 착륙 지점을 정확하게 식별할 수 있습니다.

예를 들어, Ultralytics YOLOv8은 객체 감지를 지원하는 고급 컴퓨터 비전 모델로, 이러한 용도로 활용할 수 있습니다. 비행기와 착륙해야 할 지점을 감지하고 객체 주위에 바운딩 박스를 그릴 수 있습니다. 그런 다음 바운딩 박스의 중심을 사용해 두 객체 사이의 거리를 측정할 수 있습니다.

그림 2. 비행기의 착륙 거리 계산에 Ultralytics YOLOv8 사용.

이 기술을 기존 공항 인프라에 통합하려면 활주로를 따라 설치한 카메라에서 실시간으로 YOLOv8 모델에 동영상 데이터를 전달할 수 있습니다. 시스템은 착륙 접근을 지속적으로 모니터링하고 관제사와 조종사에게 정확한 착륙 거리를 즉시 알려줍니다. 이 시스템을 통해 까다로운 조건에서도 비행기의 착륙 거리를 계산하기가 한결 쉬워집니다.

AI 챗봇으로 더 스마트해지는 공항 고객 서비스#

공항의 주요 문제 중 하나는 지속적인 고객 지원이 필요하다는 점입니다. 승객은 항공편 정보, 체크인 절차, 공항 내 이동과 관련해 자주 도움을 요청합니다. 이로 인해 직원의 업무가 과중해지고 대기 시간이 길어질 수 있습니다. GPT-4o와 같은 NLP 및 대규모 언어 모델(LLMs)을 활용해 구축한 AI 챗봇이 도움이 될 수 있습니다.

그림 3. 승객이 항공 관련 문의에 AI 챗봇을 사용하고 있습니다.

NLP와 LLMs를 사용하면 챗봇이 인간의 언어를 이해하고 생성할 수 있습니다. 챗봇은 자연스럽고 대화하듯 승객과 소통할 수 있습니다. 공항에서는 학습 데이터에서 얻은 방대한 지식을 활용해 다양한 업무를 효율적으로 처리할 수 있습니다. 승객은 챗봇을 통해 실시간 항공편 정보를 확인하고, 공항 시설에 관한 질문에 답변을 받으며, 예약과 체크인 절차를 지원받고, 식사 및 쇼핑 추천까지 받을 수 있습니다.

AI 기반 수하물 처리 시스템#

공항에서 AI를 활용하면 체크인 수하물의 운송과 수거 과정을 효율화하고 수하물 분실 가능성을 줄일 수 있습니다. 공항은 컴퓨터 비전과 머신러닝 같은 기술을 사용해 수하물 분류, 추적, 관리를 간소화할 수 있습니다.

Ultralytics YOLOv8은 객체 추적과 인스턴스 분할을 지원하므로 이 애플리케이션에 적합합니다. 객체 추적을 사용하면 수하물이 체크인되는 순간부터 항공기에 실릴 때까지 각각의 이동을 추적할 수 있습니다. 지속적인 모니터링은 실수를 방지하고 모든 수하물이 목적지에 도착하도록 합니다.

그림 4. Ultralytics YOLOv8을 사용해 적재 중인 수하물 모니터링.

인스턴스 분할은 수하물을 하나씩 식별하고 구분하는 데 도움이 됩니다. 수하물 회전 컨베이어에서 수하물 개수를 세는 작업에 유용합니다. AI 기반 수하물 처리 시스템은 수하물이 컨베이어에 놓일 때와 승객이 수령할 때의 수하물 개수를 추적할 수 있습니다. 이러한 모니터링을 통해 항공사는 미수령 수하물이 남지 않고 모든 승객이 자신의 수하물을 받을 수 있도록 지원합니다.

그림 5. Ultralytics YOLOv8을 사용해 수하물 수취 컨베이어의 수하물 개수 세기.

YOLOv8과 같은 컴퓨터 비전 모델을 수하물 처리에 통합하면 해당 절차의 효율성과 정확성을 크게 높일 수 있습니다. 실시간 모니터링과 데이터 수집은 실수를 줄이고, 수하물 분실을 최소화하며, 승객 만족도를 높이는 데 도움이 됩니다. 이러한 업무를 자동화하면 공항 직원은 공항의 전반적인 효율성을 높이는 더 중요한 업무에 집중할 수 있습니다.

공항 지상 운영 모니터링#

컴퓨터 비전을 사용한 수하물 처리 모니터링을 살펴봤지만, 이는 지상 운영의 한 측면에 불과합니다. 지상 운영의 여러 다른 측면도 모니터링하고 추적해 지연이 발생하는 지점을 파악할 수 있습니다. 지연 원인을 찾아 제거하면 손실을 줄이고 전반적인 효율성을 높일 수 있습니다.

급유와 정비부터 기내식 서비스와 램프 안전까지, 컴퓨터 비전 시스템은 카메라와 센서를 사용해 지상 운영을 감시할 수 있습니다. 이러한 시스템은 시각 데이터를 분석해 문제를 파악하고 워크플로를 간소화하며 안전 규정 준수를 확인합니다. 시간이 지나면 이러한 인사이트를 바탕으로 공항 운영을 지속적으로 개선해 더 원활하고 안전하며 효율적인 지상 조업 프로세스를 구축할 수 있습니다.

그림 6. 컴퓨터 비전을 사용한 지상 운영 모니터링.

항공 분야에서 AI의 이점#

AI는 운영 효율성과 안전성을 높이고 승객 경험을 개선해 항공 산업을 변화시키고 있습니다. 다양한 업무를 자동화하고 최적화함으로써 항공사와 공항이 더 원활하게 운영되도록 지원하고 비용을 절감합니다. 항공 분야에서 AI를 활용할 때 얻을 수 있는 주요 이점은 다음과 같습니다.

• 실시간 데이터 분석: AI는 방대한 데이터 세트를 빠르게 분석해 더 정확한 의사결정을 내릴 수 있도록 실시간 인사이트를 제공합니다.
• 최적화된 항공 경로: AI는 더 효율적인 항공 경로를 계획해 연료를 절약하고 이동 시간을 단축하도록 지원합니다.
• 간소화된 보안: AI 기반 보안 시스템은 위협을 더 빠르고 정확하게 감지해 전반적인 공항 보안을 강화할 수 있습니다.
• 개인화된 승객 경험: 서비스와 편의 시설에 대한 맞춤형 추천은 승객의 전반적인 여행 경험을 개선할 수 있습니다.

공항에서 AI를 구현할 때의 과제#

공항에서 AI 애플리케이션을 구현하는 과정에는 여러 장애물이 발생할 수 있습니다. 널리 알려진 과제에는 높은 인프라 비용, 데이터 프라이버시, 윤리적 영향, 레거시 시스템과의 통합 등이 있습니다. 하지만 이러한 과제는 다른 산업에서도 나타납니다. 항공 분야에는 이 산업에만 해당하는 구체적인 과제도 있습니다.

항공 분야에서는 AI 시스템의 신뢰성과 안전성을 확보하는 것이 핵심입니다. 작은 오류도 심각한 결과를 초래할 수 있으므로 AI는 엄격한 표준을 충족하고 충분한 테스트를 거쳐야 합니다. 다양한 공항 환경에 맞게 시스템을 조정하기 어렵다는 점도 과제입니다. 공항은 기후, 승객 통행량, 항공기 종류가 모두 다른 환경에서 운영됩니다. AI 시스템은 이러한 다양한 조건을 처리할 수 있어야 합니다. 또한 규제 기관과 업계 이해관계자의 승인을 받기도 쉽지 않습니다. AI 시스템은 엄격한 안전 규정을 준수해야 하며, 이로 인해 AI 솔루션의 개발과 배포가 지연될 수 있습니다. 항공사, 공항 운영자, 승객에게 AI가 신뢰할 수 있고 유용하다는 점을 납득시키려면 AI가 안전성과 효율성을 실제로 개선한다는 많은 노력과 증거가 필요합니다.

항공 분야에서 AI의 미래#

AI 기술이 계속 발전하면서 효율성과 안전성, 승객 경험이 더욱 향상될 것으로 기대됩니다. 예를 들어 싱가포르 창이 공항은 승객이 1분 이내에 출입국 심사를 마칠 수 있는 AI 기반 출입국 심사 시스템을 사용합니다. 자율 항공기 연구도 진행 중이며, AI는 항법 및 의사결정에서 중요한 역할을 합니다. 항공의 여러 영역에 AI를 통합하면 현재 운영이 개선될 뿐만 아니라 아직 생각해 내지 못한 새롭고 혁신적인 솔루션도 등장할 것입니다.

AI에 대해 더 알아보고 싶으신가요? 혁신적인 프로젝트를 확인하려면 GitHub 저장소를 살펴보고 성장하는 커뮤니티에 참여해 보세요. 의료부터 농업까지, 여러 산업에 비전 AI를 적용하는 방법을 알아보세요.