항공분야 빅데이터의 정책적 활용방안 연구

위에서 언급한 다양한 데이터를 기반으로 공항 활주로, 기상, 사고 등의 다양한 분야의 융합 분석이 진행되었다. ASIAS의 융합 분석 연구 결과는 다음과 같다. 첫째, 부적절한 활주로 출발 보고서(Wrong Runway Departures)는 공항 활주로를 활주하거나 이륙하는 항공기에 대한 데이터를 분석하였다. FAA의 항공안전 정보분석 및 공유센터(ASIAS)는 1981년~2006년 사이 데이터를 수집하여 다양한 환경에서 발생하는 부적절한 활주로 사건을 분석하였으며, Cleveland Hopkins 국제공항, Houston Hobby 공항, Salt Lake City 국제공항, 그리고 Miami 국제공항에서 가장 빈번하게 발생한 것으로 분석하였다. 이 공항들의 사건 발생의 공통 기여 요인들로 첫째, 서로 인접하게 위치한 각 활주로의 종점, 둘째, 공항터미널과 활주로 간에 가까운 거리, 셋째, 복잡한 공항 설계, 넷째, 유도로로 사용한 활주로, 다섯째 교차로 출발을 이용하는 단일 활주로 등을 제시하였다. 부적절한 활주로 출발 사건 보고서 분석 후 사건 발생 예방 방안으로 자기 항공기 지도투영 - 자기항공기 혹은 음성경보시스템, 운항승무원과 ATC CRM, 운항승무원과 ATC 특별 강조 시나리오 기반 훈련, 유도로와 활주로 배치 및 향상된 지표면 표지, ATC 허가와 정책, RSAT 평가, ASDE-X, 정보보급, 그리고 외부조명 활용 등을 제시하였다. 둘째, 기상관련 항공사고 연구 보고서(Weather-Related Aviation Accident Study)는 날씨의 유형과 Title 14의 운영 원칙, 미국연방규정집(14 CFR), 운항승무원들의 자격과 같은 관련된 다양한 요인들 간의 관계를 찾기 위해 분석하였다. FAA의 ASIAS 분석가들은 날씨가 원인이나 기여요인이었던 항공사고를 확인하기 위해 연방교통안전위원회(NTSB) 사고와 준사고 데이터베이스 연구를 실시하였으며, 분석에 사용된 데이터는 ASIAS 데이터베이스 시스템 내 2009년 2월 8일에 마무리된 2003년부터 2007년까지의 모든 항공사고이며, 검색기준은 1998년 12월 날짜의 NTSB 항공규정설명서에 정의된 기상조건을 포함한다. 바람, 가시성/상승한도, 고밀도고도, 난기류, 기화기 빙결, 상승기류/하강기류, 강수, 빙결, 뇌우, 윈드시어, 열 상승, 극한 온도, 그리고 번개. 사고에서 원인이나 기여요인으로 가장 자주 언급되는 기상조건은 바람이며, 가시성/상승한도 그리고 고밀도고도 순이다. ASIAS 분석가들은 더 나아가 어떤 날씨요인들이 운항의 종류에 따라 조종사들과 항공기에 가장 큰 위협이 되는지를 알아내기 위해 날씨 관련 사고를 각각의 운항 범주에 세분화하였다. 분석 결과 14 CFR Part 91(일반항공) 운항들이 날씨 관련 사고의 가장 큰 부분을 차지하였고, 그 뒤로 14 CFR Parts 135(커뮤터기 및 전세기), 121(국제 및 국내 항공운송), 그리고 137(농업용 항공기) 운항들이 차지하였다. 바람은 Part 91 그리고 Part 137 운항에서는 가장 흔한 날씨요인이었고 Part 121, 그리고 135 운항에서는 두 번째로 중요한 요인이었다. 난기류는 Part 121 운항들에서 가장 흔한 날씨위험요인으로 확인되었고, 동시에 가시성/상승한도는 Part 135 운항들에서 대부분의 날씨 관련 사고에 기여하였다. 셋째, 미국의 기상 난기류 관련 항공사고 연구 보고서(Review of Aviation Accidents Involving Weather Turbulence in the United States)는 항공 사고에 원인으로 기여하는 날씨 요인 중 난기류를 중점으로 항공사고를 분석하였다. 분석에 사용된 데이터는 1992년 - 2001년 사이의 미국연방교통안전위원회(NTSB) 항공사고/준사고 데이터시스템의 미국 영토 내 난기류 원인의 항공사고 최종보고서가 사용되었다. 1992년부터 2001년까지, 4,326건의 날씨사고가 발생하였으며, 이 중 509건의 사고가 난기류 날씨 요인으로 발생하였다. 일반적인 항공 난기류 사고들은 1992년의 데이터와 비교하여 2001년에 60% 가까이 감소하였다. 미국연방교통안전위원회(NTSB)는 여객 운송 사고들에서 하강기류를 원인 혹은 기여요인으로, 청천난기류는 화물 운송 사고들에서 원인 혹은 기여요인으로 분석되었다. 최근 미래 핵심 이슈를 발견하고 트렌드를 분석하는 것에 대한 관심이 급증하고 있다. 이는 경제적·사회적 부가가치를 창출할 수 있는 유망분야를 선정하여 국가 전략 및 정책 수립 시 반영하기 위한 것이다. 기존의 핵심 유망분야 선정과 같은 미래 예측에 관한 연구는 대부분 문헌 조사, 전문가 평가, 델파이 기법(Delphi method)과 같은 정성적(Qualitative) 분석 방법을 채택해왔다. 이는 대량의 정보로부터 결과를 도출하는데 많은 시간과 비용이 수반될 뿐만 아니라 전문가의 주관적인 가치가 반영될 위험성이 존재한다. 기존의 정성적 분석 방법의 한계를 보완하고자 국토교통, 안전, 정보 통신기술, 건설, 철강산업 등 다양한 분야에서 기존의 정성적 분석과 함께 텍스트 마이닝(Text Mining) 등과 같은 정량적(Quantitative) 분석을 상호보완적으로 수행하는 방식으로 분석 방법론의 패러다임이 변화하고 있다. 이는 대량의 데이터를 기반으로 객관성 및 실효성 높은 트렌드 분석 결과를 확보하기 위한 것이라 할 수 있다. 그러나 기존에 수행되었던 연구들의 경우, 단순히 키워드 수준에서 분석하였기 때문에 단일 키워드로부터 의미를 파악하기 어렵다는 단점이 존재한다. 따라서 본 연구에서는 항공산업의 전반적 분야의 미래 핵심 유망분야 선정을 위해 비정형 텍스트 기반의 객관적 데이터를 분석하기 위하여 빅데이터 분석 기법인 텍스트 마이닝을 통해 정량적 분석을 수행하였다. 키워드 수준에서의 트렌드 분석이 갖는 단일 단어의 의미 파악의 어려움을 보완하기 위해 텍스트 문서 집합 내에서 잠재되어있는 전반적 주제를 도출하는 기법인 토픽분석을 수행하여 키워드들의 집합인 토픽을 도출하고, 이를 통해 핵심 이슈 도출 및 트렌드 분석을 실시하였다. 빅데이터 분석 기반의 미래 핵심 유망분야 선정에 관한 연구는 아직 초기 단계의 불과하기 때문에 분석 대상을 항공 관련 전문자료인 논문에 한정하여 분석하였다. 향후에는 논문뿐만 아니라 향후 국내외 항공 관련 뉴스 기사, 항공입찰정보 등으로 분석 대상을 확대하여 분석 결과의 신뢰성을 고취시키고자 하였다. 데이터 확보, 정의 및 체계화 단계를 통해 추출된 데이터를 바탕으로 특정 분석·처리 기술을 이용한 빅데이터 분석을 수행하는 단계이다. 본 연구에서는 형태소 분석을 포함한 텍스트 전처리 단계를 실시한 후, 유사한 성격을 갖는 문서들을 군집화하는 텍스트 군집 분석과 텍스트 문서 집합 내에 잠재된 주제를 도출하는 기법인 토픽 분석을 수행하였다. 텍스트 군집 분석은 유사한 성격을 갖는 문서들을 군집화하고 군집간 거리, 제곱평균제곱근(RMS, Root Mean Square)별 군집 빈도 등을 통해 각 군집들을 수치화 한다. 텍스트 군집 분석은 같은 군집으로 묶인 문서들 사이의 유사성(Similarity)은 높으면서 타 군집들과는 구분되도록 나누어주는 분석 기법이다. 문서 간 유사성을 측정하기 위해 범용적으로 사용되는 유사성 척도인 코사인 유사도(Cosine Similarity)를 이용한다. 토픽 분석은 문서 집합 내에서 동시 출현 빈도(Co-occurence Frequency)가 높은 단어들을 기준으로 유사한 주제로 문서들을 그룹화 하는 분석 기법이다.