FAA, 8억 7500만 달러 투자한 SMART AI 플랫폼으로 항공 교통 흐름 예측 시작

연방항공청(FAA)은 SMART(Strategic Management of Airspace, Routes, and Trajectories)의 출시를 준비 중이라고 발표했다. 이 이니셔티브는 Air Space Intelligence에 12년 동안 8억 7500만 달러를 지급하는 다년 계약으로, 기존 항공 교통 관리(ATM) 시스템을 대체하기보다 보완하도록 설계되었다.

SMART는 클라우드 네이티브 플랫폼으로, 항공사 일정, 실시간 날씨 피드, 공항 용량 지표, 현재 국가 공역 상황 및 다양한 운영 제약 조건 데이터를 수집한다. 이러한 변수를 처리해 교통 흐름을 예측하고, 충돌 위험이 발생하기 전에 경고를 제공한다.

AI 엔진 작동 원리

SMART의 핵심은 과거 비행 데이터와 시뮬레이션 시나리오로 학습된 머신러닝 모델군이다. 이 모델은 풍동, 활주로 가용성, 일시적 공역 제한 등 여러 요인을 고려해 항공기 궤적의 확률적 예측을 생성한다. 결과는 항공 교통 관제사에게 대체 경로 또는 시간 조정 제안을 포함한 사전 경고 형태로 제공된다.

FAA 연구 문서는 인간‑AI 통합이 운영 배치와 동행해야 한다고 강조한다. 인적 요인, 오탐률, 시스템 복원력, 수동 복구 절차, 추적 가능성 및 인지 작업 부하에 관한 연구가 광범위하게 수행된 뒤에만 확대 적용을 허용한다.

배치 일정

SMART의 첫 번째 운영 시범은 교통량이 많고 날씨 변동이 잦은 워싱턴 D.C. 대도시 공역에서 진행될 예정이다. 단계적 평가 기간을 거친 뒤, FAA는 미국 전역의 주요 고교통 회랑으로 플랫폼을 확대할 계획이다.

워싱턴 시범은 인증된 관제사 부족 문제를 해결하기 위한 FAA의 채용 확대와 동시에 진행된다. 기존 레이더와 통신 인프라 현대화 작업이 진행되는 가운데, SMART는 현 인력의 작업 부담을 완화할 수 있는 의사결정 지원 도구로 자리 잡는다.

예상 주요 혜택

• 잠재 충돌을 조기에 탐지해 관제사의 대응 시간을 확보
• 마지막 순간 우회 필요성을 줄여 연료 소모와 배출 감소
• 공항 도착 슬롯 예측 정확도 향상으로 항공사 스케줄링 지원
• 악천후 시 상황 인식 강화

TechCrunch가 인용한 Wall Street Journal에 따르면, 8억 7500만 달러 계약에는 실시간 궤적 모니터링 시스템도 포함돼 예측과 실행 사이의 피드백 루프를 더욱 견고히 만든다.

FAA가 2023년 발표한 국가 항공 연구 계획은 정밀도만으로는 안전에 충분하지 않다고 명시한다. 계약에는 오탐 신호 측정과 명확한 수동 오버라이드 절차가 요구돼, AI 추천이 인간 관제사에 의해 감사·거부될 수 있도록 한다.

비평가들은 자동화된 예측에 과도하게 의존하면 인력 부족 문제가 가려질 수 있다고 경고한다. FAA는 NextGen 시스템 업그레이드를 포함한 별도 현대화 작업을 통해 인간 요소를 중심에 두면서 AI는 판단을 보조하는 역할을 하도록 하고 있다.

영어권 항공사와 공항, 서비스 제공자는 SMART를 통해 보다 예측 가능한 운영 환경을 기대한다. 혼잡이나 날씨로 인한 병목 현상에 대한 사전 경고를 받아 항공사는 비행 계획을 미리 조정해 지연 연쇄를 줄이고 정시 운항 지표를 개선할 수 있다.

SMART 플랫폼의 예측 모델은 다변량 시계열 데이터를 실시간으로 통합하고, 이를 기반으로 확률적 교통 흐름 시나리오를 생성한다. 이러한 접근 방식은 기존 규칙 기반 시스템보다 복잡한 상호작용을 포착할 수 있다는 점에서 이론적 우위를 제공한다. 그러나 모델이 학습에 사용한 과거 데이터가 특정 기후 패턴이나 비정상적 사건을 충분히 반영하지 못할 경우, 예측 정확도가 저하될 위험이 존재한다. 따라서 모델 성능을 지속적으로 검증하고, 데이터 공급 파이프라인을 다각화하는 것이 필수적이다.

시스템의 오탐률 관리 역시 핵심 과제이다. AI가 위험을 과대 평가하면 불필요한 우회 경로 제안이 늘어나 연료 소비와 운항 비용이 증가할 수 있다. 반대로 오탐이 낮아 실제 충돌 위험을 놓치면 안전성에 큰 타격을 입는다. 이를 방지하기 위해 FAA는 인간 관제사가 AI 경고를 검토하고, 필요 시 수동으로 오버라이드할 수 있는 명확한 절차를 마련했다. 이러한 절차는 추적 가능성을 확보하고, 사후 분석을 통해 알고리즘 개선에 활용된다.

운용 단계에서의 복원력 검증은 시뮬레이션과 현장 시험을 병행한다. 시뮬레이션 환경에서는 다양한 비상 상황과 시스템 장애를 인위적으로 재현해 AI와 인간의 협업 효율을 평가한다. 현장 시험에서는 실제 관제 환경에 플랫폼을 점진적으로 도입해, 기존 레이더와 통신 인프라와의 연동 안정성을 확인한다. 이러한 이중 검증 프로세스는 시스템 전반의 신뢰성을 높이는 동시에, 운영 중 발생할 수 있는 예기치 않은 오류를 사전에 차단한다.

인적 작업 부하에 대한 영향도 면밀히 분석된다. AI가 제공하는 사전 경고와 경로 제안은 관제사의 의사결정 시간을 단축시키지만, 동시에 새로운 정보 흐름을 처리해야 하는 인지 부하를 증가시킬 수 있다. 따라서 인터페이스 설계에서는 경고의 우선순위와 시각적·청각적 표현을 최적화해, 관제사가 핵심 정보를 빠르게 파악하도록 지원한다. 인지 부하를 최소화하는 설계는 장기적으로 관제사의 피로도를 낮추고, 전반적인 안전 수준을 향상시킨다.

SMART의 확대 적용은 전 국토에 걸친 고교통 회랑에서의 운영 효율성을 증대시킬 것으로 기대된다. 예측 정확도가 향상되면 항공사와 공항 운영자는 슬롯 배정과 지상 운영 계획을 보다 정밀하게 조정할 수 있다. 이는 연료 절감과 배출 감소는 물론, 승객 대기 시간을 단축시키는 실질적 효과를 가져온다. 또한, 악천후 시 상황 인식이 강화되어 비상 착륙이나 우회 경로 선택이 보다 신속하고 정확하게 이루어질 수 있다.

궁극적으로 SMART 플랫폼은 인간‑AI 협업 모델의 실증 사례가 된다. 성공적인 배치와 검증을 통해 얻은 교훈은 향후 다른 교통 분야나 복합 인프라 관리 시스템에도 적용 가능하다. 그러나 기술 의존도가 높아질수록 시스템 장애나 사이버 위협에 대한 대비가 중요해진다. 따라서 지속적인 보안 업데이트와 독립적인 백업 체계 구축이 필수이며, 인간 관제사의 최종 의사결정 권한을 보장하는 구조적 장치를 유지해야 한다. 이러한 균형 잡힌 접근이 장기적인 안전과 효율성을 확보하는 기반이 된다.

실제로 한국의 대한항공이나 아시아나항공이 인천공항에서 운항할 경우, SMART가 주요 허브에서 활주로 포화 가능성을 2시간 전에 알리면 운항팀은 항공편 순서를 재조정하거나 대체 경로를 요청하고, 필요 시 게이트 변경을 협의해 연료 소모와 승객 불편을 최소화할 수 있다.