Comparative Analysis of Deep Learning Models for Trajectory Prediction in Urban Air Mobility

도심 항공 모빌리티(Urban Air Mobility, UAM)는 지속 가능하고 효율적인 교통 대안으로 주목받고 있다. 그러나 복잡한 도심 환경에서의 안전한 운용을 위해 비행 경로 예측의 정확성과 효율성을 향상시키는 연구가 필요하다. 본 연구는 이러한 필요성에 따라, 기존의 머신러닝이나 단순 회귀 모델의 한계를 극복하기 위해 딥러닝 기반 경로 예측 모델을 제안한다. 대한항공 항공 기술연구원에서 직접 생성한 데이터를 사용하여 Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) 모델을 비교 분석하였으며, 최적의 하이퍼파라미터를 탐색하여 모델 성능을 극대화하였다. 실험 결과, GRU 모델은 가장 낮은 RMSE와 짧은 추론 시간을 기록하여 실시간 UAM 경로 예측 체계 운용에 적합한 모델로 확인되었다. 또한, 학습에 사용 되지 않은 새로운 데이터를 통해 비교 실험을 수행하여 GRU 모델의 실제 적용 가능성을 검증하였다. 본 연구는 UAM의 위도, 경도, 고도 데이터를 기반으로 한 경로 예측 모델의 성능을 평가할 뿐만 아니라, 도심 환경에서 실시간으로 경로를 예측하는 실용적인 프레임워크를 제안한다. 이를 통해 UAM의 안전성과 효율성을 향상시키고, 도심 교통의 새로운 패러다임을 구축하기 위한 기술 적 기반 마련에 기여할 것으로 기대된다.