레이더의 가치는 탐지 거리에서 얼마나 빨리, 그리고 얼마나 정확하게 판단하느냐로 옮겨가고 있습니다. 이러한 변화의 배경에는 의도 예측, 위협 평가, 충돌 위험, 기동 지원, 그리고 이 모든 것을 통합하는 예측 계층이라는 다섯 가지 단계가 있습니다.
---
![yuq3nqXGMobgbdl.jpg]()
2018년 12월, 개트윅 공항은 활주로 주변에서 드론이 목격됐다는 신고를 받고 활주로를 거의 이틀 동안 폐쇄했습니다. 약 1,000편의 항공편이 취소되거나 회항했고, 10만 명이 넘는 승객이 불편을 겪었습니다. 이 사건과 관련하여 기소된 사람은 아무도 없었으며, 정확히 몇 대의 항공기가 연루되었는지도 아직까지 명확히 밝혀지지 않았습니다.
불편한 질문은 레이더가 드론을 포착했는지 여부가 아닙니다. 문제는 포착했더라도 어떻게 했을까 하는 것입니다. 민간 공항에서는 드론을 교란하거나 격추할 수 없습니다. 유일한 방법은 공역을 폐쇄하는 것인데, 오경보 한 번으로 얻는 손실은 정확한 탐지 100건보다 훨씬 큽니다. 문제는 탐지가 아니라, 드론이 경계를 넘기 전에 그럴 가능성을 미리 예측하지 못했다는 것입니다.
1. 병목 현상의 원인은 눈이 아니라 판단력이다.
레이더는 지난 한 세기 동안 똑같은 이야기를 해왔습니다. 더 멀리, 더 정밀하게, 더 선명하게. 더 강력한 출력, 더 큰 개구부, 더 정교한 파형. 하지만 이제 그 길은 물리적으로 비용이 많이 드는 길이 되었습니다. 거리 방정식에서 거리는 네제곱근 아래에 숨겨져 있습니다. 즉, 탐지 거리를 두 배로 늘리면 송신 출력은 16배로 늘어나야 합니다.
한편, 문제의 양상이 바뀌었습니다. 일반 소비자용 쿼드콥터는 0.01m² 정도의 레이더 반사 면적을 차지하는 반면, 대형 드론은 약 0.05m²에 달합니다. 이들은 비슷한 고도에서 비슷한 속도로 비행하며, 정지 비행과 급격한 방향 전환도 가능합니다. 레이더의 눈에는 직관적으로 생각하는 것보다 이들을 구분하기가 훨씬 어렵습니다.
[그림 1 — 탐지 범위는 단면적의 네제곱근에 비례합니다. 가로축은 5자리 수에 걸쳐 있지만, 세로축은 4자리 수를 거의 넘지 않습니다. 이것이 바로 "레이더의 감도를 높이는 것"이 작은 목표물에 대해서는 효과가 점점 떨어지는 이유입니다.]
그래서 업계는 서서히 한 가지 사실을 인정하게 되었습니다. 더 나은 탐지 기능이 판단 문제를 해결해주지는 못한다는 것입니다. 화면에 나타나는 트랙은 수십 개에서 수백 개, 수천 개로 늘어나지만, 운전자의 주의력은 그 반대로 쏠립니다.
예측적 상황 인식은 바로 이러한 문제를 해결하려는 시도입니다. 이는 단순한 신호 처리 기술이 아닙니다. 반향 신호에서 추적, 추적에서 의도 파악, 의도에서 위협 파악, 위협에서 위험 파악, 위험 파악에서 실행 가능한 기동에 이르는 5단계의 연속체이며, 어느 단계라도 단절되면 그 이후의 결론은 무의미해집니다.
[그림 2 — 5단계 및 피드백 루프는 이 방식을 기존의 감지 및 표시 파이프라인과 구분 짓습니다.]
2. 의도: 위치가 아닌 계획을 예측하라
단순한 예측 방식은 현재 속도를 10초 후로 외삽하는 것입니다. 이 방식은 목표물이 기동하기 전까지는 유효하지만, 기동하는 순간 완전히 실패합니다. 왜냐하면 외삽은 아무런 변화가 없다는 가정을 전제로 하는데, 기동은 바로 변화를 수반하는 행위이기 때문입니다.
현대적인 접근 방식은 다른 질문을 던집니다. "그것이 어디에 있을까?"가 아니라 "그것의 그럴듯한 의도는 무엇이며, 각각의 의도가 얼마나 가능성이 높을까?"입니다. 이는 의도 가설로 표현됩니다. 경계를 넘는다, 북쪽으로 벗어난다, 되돌아온다, 대기하며 관찰한다 등이 그것입니다. 각 가설은 여러 궤적을 가지며, 각 궤적은 가중치를 지닙니다. 작전 요원에게 도달하는 것은 직선이 아니라 여러 갈래로 갈라지고 넓어지는 묶음입니다.
[그림 3 — 한 순간, 세 가지 가설, 세 가지 핵심 경로, 그리고 그 뒤에 있는 샘플 클라우드. 가설 B만 보호 영역에 들어갑니다.]
이러한 틀을 통해 결정적인 질문은 계산 가능해집니다. 가능한 경로 중 몇 분의 몇이 보호 영역에 들어가는가? 이 분의 몇이 교차 확률입니다. 이는 이진 판결이 아니라 새로운 관측마다 업데이트되는 숫자입니다. 개트윅 사건 이후, 케임브리지 팀은 실제 드론 레이더 데이터를 기반으로 베이지안 모델을 사용하여 목표물이 다음 경유지에 도달하기 전에 제한된 공역에 들어갈지 여부를 예측하는 방식으로 정확히 이를 구축했습니다.[1]
"경유지 한 단계 앞"이라는 말은 겸손하게 들리지만, 사실은 그렇지 않습니다. 이는 판단을 "안쪽에 있다"에서 "아직 안쪽에 없다"로 바꾸어 놓으며, 두 번째 창에서만 선택지가 남게 됩니다.
의도를 실제로 읽을 수 있는 경우
의도는 목표물에 적혀 있지 않습니다. 신뢰도가 높은 순서대로 세 가지 정보원을 통해 의도를 추론해야 합니다.
운동학. 기수, 속도, 가속도, 선회 반경, 상승률. 경계선을 향해 직선으로 이동하고, 감속 없이 일정한 고도를 유지하는 것 — 이 세 가지를 함께 파악하는 것이 어떤 개별적인 특징보다 훨씬 더 중요합니다. 선회하거나, 궤도를 돌거나, 속도를 올렸다 내렸다 하는 것은 대개 탐색을 의미합니다. 운동학 정보는 레이더가 무료로 제공하는 정보이며, 의도적으로 조작하기 가장 쉬운 부분이기도 합니다.
미세 운동. 로터 블레이드, 프로펠러 또는 날갯짓은 주 도플러 반사를 대칭이든 비대칭이든 측파대로 변조합니다. 이것이 대상의 고유한 운동 지문입니다. 멀티로터 측파대는 연속적이고 대칭적입니다. 새의 날갯짓은 더 낮고 불규칙적인 변조율을 가지며, 스펙트로그램에서 두 가지는 확연히 다르게 보입니다.[2] 이 레이어는 이전 질문에 대한 답을 제공합니다. 이것이 과연 기계인가?
맥락과 정체성. 원격 식별(Remote ID), AIS, 비행 계획, 과거 행동 이력, 지형, 경계선 형상. 가장 간과되는 요소이지만, 종종 가장 결정적인 요소이기도 합니다. 왜냐하면 정해진 경로를 따라 비행하는 드론과 경계선을 따라 조용히 비행하는 드론은 운동학적으로 동일할 수 있기 때문입니다.
의도 예측은 이 세 가지 요소를 모두 하나의 확률적 틀 안에 넣는 것을 의미합니다. 운동학적 정보만 사용하는 시스템은 일반적인 궤적을 모방하는 목표물에 대해서는 제대로 작동하지 못합니다. 식별 정보만 사용하는 아키텍처는 무언가가 브로드캐스팅을 중단하는 순간 작동을 멈춥니다. 세 가지 계층의 가치는 단순히 세 개라는 데 있는 것이 아니라, 각 계층이 서로 다른 방식으로 실패한다는 데 있습니다.
[인용문] 한 가지 중요한 구분이 끊임없이 모호해집니다. 의도 예측은 대상이 무엇을 하려고 하는지 묻는 것이고, 위협 평가는 그 행동이 자신에게 얼마나 큰 피해를 줄 수 있는지 묻는 것입니다. 전자는 대상에 대한 추론이고, 후자는 자신에 대한 판단입니다. 이 두 가지를 하나의 수치로 압축하는 것이 바로 많은 시스템이 현장에서 오작동하는 이유입니다.
3. 위협: 숫자가 아닌 필터 체인
"위협 수준: 높음"이라는 표현은 전문적으로 들리지만 구체적인 정보는 거의 담고 있지 않습니다. 어떤 의미에서 높다는 걸까요? 우리에게 도달할 수 있다는 걸까요, 아니면 곧 도달할 것 같다는 걸까요? 위험한 상황인지, 아니면 단순히 위치가 부적절한 것인지 알 수 없습니다.
견고한 엔지니어링 해결책은 단계별 필터 체인입니다. 각 계층은 하나의 질문에 답하며, 통과한 값만 다음 단계로 넘어갑니다. 실질적인 이점은 진단 용이성입니다. 결론이 잘못되었을 경우, 어떤 계층에서 오류가 발생했는지 정확히 파악할 수 있습니다.
[그림 4 — 존재, 기능, 형상, 의도. 하위 계층은 측정에 기반하고, 상위 계층은 추론에 기반합니다.]
존재는 이것이 현실인지 묻습니다. 새, 부서지는 파도, 터빈 날개, 바람에 휘날리는 방수포, 전리층 반사파 등 온갖 것들이 침입자 역할을 해왔습니다. 여기서 중요한 척도는 오경보율인데, 그 비용은 만성적으로 과소평가되고 있습니다. 모든 오경보는 운영자의 신뢰를 앗아가고, 신뢰는 되돌릴 수 없습니다.
능력은 무엇을 할 수 있는지를 묻습니다. 속도, 민첩성, 지구력, 탑재량, 도달 거리 등이 그것입니다. 20분 동안 비행하며 당신을 향해 직진하는 쿼드콥터는 최악의 경우에도 한계가 있습니다. 하지만 장시간 비행이 가능하고 탑재량 용량과 자율 경로 설정 기능을 갖춘 플랫폼은 멀리서도 추적할 가치가 있습니다. 능력은 최악의 경우를 뛰어넘는 잠재력을 의미합니다.
기하학적 측면은 상대적인 위치, 즉 거리, 방위각, 고도 차이, 접근 속도, 남은 시간, 여유 공간 등을 고려합니다. 이 부분은 거의 전적으로 측정 정확도에 달려 있으며, 정밀도가 중요한 역할을 하는 지점입니다. 100미터의 여유 공간 오차만으로도 "쉽게 피할 수 있었던 상황"이 "지금 당장 기동해야 하는 상황"으로 바뀔 수 있습니다.
의도는 그것이 무엇을 의도하는지, 그리고 어떤 확률로 의도하는지를 묻고, 이전 섹션에서 직접 이어받습니다.
네 단계 이후에야 비로소 수준이 의미를 갖게 됩니다. 그리고 그 수준을 올바르게 사용하는 방법은 자원을 할당하는 것이지, 경계 태세를 결정할지 여부를 결정하는 것이 아닙니다. 즉, 어떤 추적 지점을 확인을 위해 지구 관측(EO)에 넘길지, 어떤 추적 지점에 경보를 발령할지, 어떤 추적 지점에 대응 조치를 취할지, 어떤 추적 지점을 단순히 관찰할지 결정하는 것입니다. 저고도 감시 레이더에 대한 공개된 수치는 이러한 제약을 명확히 보여줍니다. 수백 개의 추적 지점을 탐색하는 동안 십여 개 정도만 동시에 추적하고, 3초 간격으로 재방문하며, 약 8km 거리에서 0.01m² 크기의 목표물을 추적합니다.[3] 추적 용량은 한정되어 있으므로 순위를 매겨야 하며, 그 순위를 매기는 도구가 바로 위협 평가입니다.
4. 충돌 위험: "충돌할까?"에서 "충돌 가능성, 충돌 피해 규모는 얼마나 될까?"까지
기존 방식은 CPA(최근접 접근 지점)와 CPA에 도달하는 데 걸리는 시간을 계산합니다. 임계값 미만의 거리와 시간 미만일 경우 경보가 울립니다. 간단하고, 설명 가능하며, 비용도 저렴하지만, 경보 피로를 유발하는 주요 원인으로 잘 알려져 있습니다.
CPA는 기하학적 특성만 설명하고 불확실성을 무시하기 때문입니다. 800m 떨어진 두 트랙이 150m의 CPA를 가질 때, 위치 오차가 ±200m라는 것을 알기 전까지는 안정적인 것처럼 보일 수 있습니다. 실제 상대 위치는 확률 분포이며, CPA는 그 분포에서 추출한 하나의 표본일 뿐 진실이 아닙니다.
[그림 5 — 충돌 원뿔 및 최접근선. 두 궤적 모두 실제로 충돌하지는 않지만, 하나는 보호 영역을 침범합니다.]
따라서 기준이 바뀝니다. "명중할 것인가?" 대신 "보호 영역을 침범할 것인가?"라고 묻습니다. 여기서 보호 영역은 목표물 주변의 시간 차원을 갖는 영역으로, 예측된 침투가 충돌을 구성합니다. NASA의 DAIDALUS는 이를 명확하게 설명합니다. 이 영역은 수평 거리 임계값, 수직 임계값 및 예측 시간으로 정의되며, 폐쇄 방향을 따라 해당 시간 동안 이동한 거리만큼 확장된 캡이 있는 원통형 모양입니다.[4] 탐지는 고정된 임계값에서 작동하는 것이 아니라, 위반까지 남은 시간을 지속적으로 계산하고 "안전하게 유지"부터 "긴급"까지 심각도를 등급화합니다.
DAIDALUS는 또한 주목할 만한 의도적인 단순화를 보여줍니다. 침입자를 기동하지 않는 것으로 가정하는 것입니다. 이는 다소 투박해 보일 수 있지만, 실제로는 설계 철학입니다. 시스템은 "만약 이런 식으로 계속된다면"이라는 질문에 대한 답을 제시하고, 나머지는 조작자와 기동 안내에 맡깁니다. 이는 절제된 엔지니어링 철학을 보여주는 사례입니다.
다음 단계에서는 확률을 도입합니다. 활용 가능한 위험 수치는 다음과 같습니다.
R = Σᵢ P(intentᵢ) × P(conflict | intentᵢ) × C(intentᵢ)
첫 번째 요소는 의도 예측에서, 두 번째 요소는 부피 경계를 넘나드는 궤적 불확실성 통합에서, 세 번째 요소는 심각도에서 비롯됩니다. 즉, 빈 농지에서의 침입과 파이프라인 위에서의 침입은 동일한 사건이 아닙니다. 오직 제품만이 순위를 매기고, 임계값을 설정하고, 경영진에게 설명할 수 있는 수치로 나타낼 수 있습니다.
원칙적으로 이것들은 새로운 것이 아닙니다. TCAS는 수십 년 동안 볼륨, 시간 임계값 및 등급별 경고를 사용해 왔으며 ACAS X는 결정을 마르코프 결정 프로세스로 공식화하여 오프라인에서 해결하고 비행 중에 간단히 조회할 수 있는 정책 테이블로 변환함으로써 한 단계 더 나아갔습니다.[5] 이점은 경고가 더 이상 수동으로 작성된 규칙으로 짜깁기되지 않고, 누락된 경고와 불필요한 경고 사이의 균형이 직관에 따라 조정되는 대신 비용 함수에 따라 최적화된다는 것입니다.
5. 기동 지원: 공황 상태에 빠지지 않도록 금지된 행동들을 보여주세요.
"충돌"이라는 알림이 뜨면 곧바로 "그래서 어떻게 해야 하지?"라는 질문이 떠오릅니다. 시스템이 이 질문에 답할 수 없다면, 알림의 절반은 의미가 없어지고 나머지 절반은 불안감만 남게 됩니다.
생산적인 공식화는 조언을 실행 가능한 집합의 경계로 바꿉니다. DAIDALUS는 방향, 속도 및 수직 속도를 스캔하고 충돌을 발생시킬 모든 값을 금지된 영역으로 표시하고 남은 것이 실행 가능한 영역입니다.[4] 운영자에게 전달되는 것은 명령이 아니라 지도입니다. 이러한 방향은 허용되지 않습니다. 이러한 비행 고도는 허용되지 않습니다.
이는 단일 명령 벡터보다 나은 이유가 하나 있는데, 바로 상황을 가장 잘 아는 사람에게 결정을 맡긴다는 점입니다. 시스템은 연료 상태, 작업 우선순위, 또는 조종사가 해당 항로에 얼마나 익숙한지 알지 못합니다. 시스템은 기하학적 정보만 알고 있습니다. 금지 구역은 제약 조건일 뿐입니다. 단일 명령은 다른 사람을 대신하여 결정을 내리는 것입니다.
[그림 6 — 하나의 대응에 필요한 시간 예산. 탐지부터 실행까지 모든 단계에서 전체 시간이 소모됩니다. 의사 결정이 늦어질수록 남는 시간이 줄어듭니다.]
이것이 바로 앞서 언급한 작업들이 초기에 이루어져야 하는 이유입니다. 결승선 3km 전, 2분 전 시점에서는 확인, 판단, 결정, 그리고 소통을 위해 거의 100초의 시간이 있습니다. 하지만 300m 전, 20초 전 시점에서는 가장 극단적인 선택밖에 남지 않는데, 이는 대개 가장 비용이 많이 들고 가장 큰 피해를 초래하는 선택입니다. 조기 판단이란 나쁜 소식을 더 빨리 듣는다는 의미가 아닙니다. 오히려 부드러운 대응을 선택할 수 있는 여지를 남겨두는 것입니다.
분명히 밝혀둘 필요가 있는 한 가지 경계
이 모든 것은 자동 조종 장치가 아닙니다. 확률, 제약 조건 및 권장 사항을 출력할 뿐, 실제 조치는 여전히 사람이 수행합니다. 이는 세 가지 이유로 반드시 보장되어야 합니다. 과거 데이터로 학습된 모델은 행동이 학습 분포에서 벗어나면 조용히 오류를 드러냅니다. 센서 융합은 신뢰도를 높이는 동시에 오류를 합의화하여 발견하기 어렵게 만듭니다. 그리고 분쟁 지역에서는 신호 위조, 데이터 주입, 의도적으로 모방된 비행 프로필이 실제 공격 대상이 될 수 있습니다.
국제적인 논의에서는 데이터 품질, 해석 가능성, 운영자 과의 의존과 같은 잔존 위험에 대해 상당히 명확하게 언급하고 있습니다.[6] 따라서 책임감 있는 설계는 신뢰와 증거의 연관성을 보여줍니다. "위협: 높음"이 아니라, 다음과 같은 내용이어야 합니다. 경계선 방향으로 47초 동안 비행; 원격 식별 방송 없음; 마이크로 도플러가 멀티콥터와 일치; 경계선에서 2.1km 거리; 96초 후 진입 예측. 추적 가능한 판단은 반박할 수 있는 판단이며, 반박할 수 있는 판단만이 신뢰를 받을 자격이 있습니다.
6. 이미 나타나고 있는 현상과 아직 해결되지 않은 문제들
저고도. 공항 경계, 에너지 시설, 대규모 행사, 도심 지역. 요구 사항은 "무언가가 있는지"에서 "이 중 조치가 필요한 것은 몇 가지인가"로 바뀌었습니다. 2025년 말에 발표된 두 가지 중국 국가 표준(실명 등록 및 활성화에 관한 표준과 운영 식별에 관한 표준)은 "누가 비행할 수 있고 누가 비행 중인가"에 대한 답을 제공함으로써 의도 추론에 부족했던 신원 정보를 보완합니다.[7] 저고도 드론 탐지 레이더에 대한 관련 시험 방법 표준은 이제 거리, 오경보율, 재방문 및 추적 용량에 대한 공통 용어를 정의합니다.[8] 한편, 단일 센서로는 판단 루프를 완성할 수 없다는 것이 일반적인 합의입니다. 레이더는 전천후 연속 추적 및 직접 도플러 레이더 정보를 제공하고, RF 탐지는 제어 링크 및 신원 정보를 제공하며, EO는 시각적 확인을 제공하고, 음향은 근거리장을 보완합니다. 융합 기술은 서로 다른 센서들이 각 센서의 고장 모드를 점검할 수 있도록 함으로써 그 역할을 수행합니다.
내륙 수로. 과소평가된 사례입니다. 선박은 엄청난 관성을 가지고 있으며 정지 거리가 거의 없고, 교각은 두 번째 기회를 제공하지 않습니다. 한 대학 연구팀은 능동적인 교량 보호를 위해 밀리미터파 레이더, AIS 및 비전을 결합했습니다. 레이더는 센티미터 수준의 항적을 추적하고, AIS는 선박의 신원과 톤수를 확인하며, 비전은 기동을 검증하고, 플랫폼은 교량 축에서 벗어난 방향 편차와 실시간 흘수선을 지속적으로 계산합니다.[9] 보고된 사례 중 하나는 피로한 조타수가 항로를 이탈한 화물선에 5분 일찍 경고를 한 경우입니다. 5분이라는 시간은 VHF 무전, 사이렌, 그리고 교량 스피커를 사용할 수 있게 해주는 핵심적인 요소입니다. 즉, 더 큰 경보보다는 조기 판단에 의한 5단계의 부드러운 대응이 가능해집니다.
항공 교통 관제와 무인 시스템. 민간 항공 분야가 가장 앞서 있는데, ACAS X 전환이 본질적으로 결정론적 임계값 경보에서 확률론적 상태 추정으로의 전환이었기 때문입니다. 무인 시스템은 더 혼잡하고 비용에 민감하기 때문에 차세대 기술을 시험하기에 더 적합한 분야입니다.
진정으로 해결되지 않은 네 가지 문제가 남아 있습니다. 첫째, 데이터는 알고리즘보다 훨씬 부족합니다. 레이블이 지정된 이상 행동은 본질적으로 드물고, 시뮬레이션으로 학습된 모델은 시뮬레이터의 편향을 그대로 물려받습니다. 둘째, 해석 가능성은 성능과 상충됩니다. 베이지안 네트워크는 설명력은 뛰어나지만 확장성이 떨어지고, 딥러닝 네트워크는 확장성은 좋지만 추론 과정을 숨깁니다. 설명 가능한 핵심 기능을 유지하고 학습된 모델을 주변부에 사용하는 하이브리드 방식이 합리적인 절충안입니다. 셋째, 적대적 공격에 대한 견고성입니다. 스푸핑, 고스트 트랙, 모방 프로필은 행동 자체가 학습 가능하다는 전제를 공격하는 것이지, 행동을 학습한 모델을 공격하는 것이 아닙니다. 마지막으로, 인간의 개입입니다. 시스템이 정확할수록 운영자는 안심하게 되고, 오류가 발생했을 때의 결과는 더욱 심각해집니다.
7. 마무리
레이더의 접근 방식은 일관적이었습니다. "무언가가 있는가?", "어디에 있는가?", 그리고 "무엇인가?"입니다. 지금 일어나고 있는 일은 이 세 번째 단계를 네 번째 단계로 확장합니다. "그것은 아마도 무엇을 할 것이며, 우리는 그에 대해 무엇을 해야 하는가?"
이 모든 것은 단 하나의 기발한 알고리즘으로 설명할 수 있는 것이 아닙니다. 핵심은 다섯 단계를 실제로 연결할 수 있는지 여부입니다. 즉, 의도 확률이 위협 계층에 입력되고, 위협 계층이 정량화된 위험에 입력되고, 위험이 기동 범위에 입력되며, 모든 결론이 증거에 근거하여 추적될 수 있는지 여부입니다. 이 연결 고리 중 하나라도 끊어지면 시스템은 값비싼 전시품으로 전락합니다.
레이더 산업의 경우 경쟁 구도가 바뀌고 있습니다. 과거에는 출력, 개구부, 대역폭, 감도가 경쟁 요소였지만, 앞으로는 얼마나 빨리 판단을 내릴 수 있는지, 판단의 신뢰도가 얼마나 높은지, 그리고 불확실성을 실제 대응자에게 얼마나 솔직하게 보여주는지가 점점 더 중요한 요소가 될 것입니다.
그해 12월 개트윅 공항에서, 착륙 90초 전에 "이 항공기는 0.78의 확률로 경계선에 진입합니다. 네 가지 이유가 있으며, 먼저 관제탑에 연락하는 것이 좋습니다."라고 알려줄 수 있는 시스템이 있었다면 그날 밤의 상황은 완전히 달라졌을 것입니다. 그 90초가 바로 이 모든 시스템의 핵심입니다.
사용된 용어
CPA/TCPA — 최접근점 및 최접근점 발생 시간. 충돌 경고의 고전적인 기본 원리입니다.
충분한 안전 공간이란 침입자를 둘러싼 3차원적인 안전 경계로, 일반적으로 시간적 차원을 포함합니다. 이를 침범하는 것은 물리적 접촉 훨씬 이전에 발생하는 충돌입니다.
밴드 — 충돌을 발생시키는 방향, 속도 및 수직 속도의 범위로, 각 변수를 스캔하여 계산됩니다.
마이크로 도플러 — 로터, 프로펠러, 날갯짓과 같은 국부적인 움직임에 의한 주 도플러 반사 신호의 변조. 기계와 새를 구분하는 주요 물리적 특징이다.
원격 식별(RID) — 드론의 식별 정보, 위치 및 조종사 정보를 방송하는 것으로, 사실상 전자 번호판과 같습니다.
참고문헌
[1] Liang, Ahmad, Godsill 등, 실제 레이더 데이터를 사용한 드론의 베이지안 의도 예측, 케임브리지 대학교, 2021 (국방을 위한 센서 신호 처리 컨퍼런스에서 발표됨).
[2] 드론/조류 식별을 위한 마이크로 도플러의 사용과 한계에 대해서는 Everything RF 기술 검토와 해당 검토에서 인용한 신호 처리 문헌을 참조하십시오.
[3] 공개적으로 나열된 저고도 감시 레이더(X-밴드, 2-D AESA, 펄스 도플러)에서 인용한 수치는 용량 제한을 설명하기 위해서만 사용되었습니다.
[4] Muñoz et al., DAIDALUS: 무인 시스템용 경고 감지 및 회피 논리, NASA Langley Research Center; 및 센서 불확실성 완화 및 동적 우물 클리어 볼륨에 관한 관련 기술 보고서.
[5] TCAS II에서 ACAS X로의 결정론적 임계값에서 확률론적 상태 추정으로의 전환에 대해서는 RTCA DO-385 / EUROCAE ED-256 자료와 Skybrary ACAS X 항목을 참조하십시오.
[6] 합동 공군력 역량 센터, 위협보다 빠르게 — 위협 탐지, 궤적 예측 및 의도 모델링의 AI/ML 및 관련 위험에 관하여.
[7] GB 46761–2025, 민간 무인 항공기에 대한 실명 등록 및 활성화 요구 사항; GB 46750–2025, 민간 무인 항공기 시스템에 대한 운영 식별 사양. 2025년 12월 발표, 2026년 5월 1일 발효.
[8] T/CIE 321–2025, 저고도 UAV 탐지 레이더 테스트 방법, 중국 전자 연구소, 2025년 6월 시행.
[9] 우한공업대학교 항해학과에서 실시한 교량 충돌 감시 활동에 대한 공개 보도, 창장일보, 2025년 4월.
여기에 인용된 제품 수치는 공개 자료에서 가져온 것으로, 특정 제품을 평가하기 위한 것이 아니라 기술 원리와 엔지니어링 제약 조건을 설명하기 위한 목적으로만 사용됩니다. 모든 도표는 개략적인 도면이며 측정 데이터가 아닙니다.
