Large Language Models를 이용한 비관제 공항 주변의 자동 항공 교통 안전 평가를 향하여

우리는 Large Language Models (LLMs)를 사용하여 비관제 공항 (non-towered airports)에서의 비행 후 안전 분석을 위한 프레임워크를 조사합니다. 비관제 공항은 항공 교통 조율을 위해 공통 교통 자문 주파수 (Common Traffic Advisory Frequency, CTAF)에 의존하며, 조종사의 자가 신고 통신 프로토콜로 인해 빈번한 공중 근접 충돌 (near mid-air collisions)을 경험합니다. 우리는 자연어로 전사된 CTAF 무선 통신, 기상 보고 (METeorological Aerodrome Report, METAR) 기상 데이터, 자동 종속 감시 방송 (Automatic Dependent Surveillance-Broadcast, ADS-B) 비행 궤적, 그리고 비행장의 시각 비행 규칙 (Visual Flight Rules, VFR) 섹션 차트를 분석하기 위한 일반적인 시각-언어 모델 (Vision-Language Model, VLM) 접근 방식을 제안합니다. 우리는 Half Moon Bay 공항에서의 예비 연구를 제공하며, 질적 실세계 사례 연구와 통신 및 기상 모달리티 (modalities)의 새로운 합성 데이터셋을 사용한 양적 평가를 수행합니다. 우리는 Gemini 2.5 Pro를 사용하여 실제 비행 데이터에 대해 우리의 프레임워크를 질적으로 평가하였으며, 우선권 위반 (right-of-way violation)을 정확하게 식별함을 입증했습니다. 합성 데이터셋은 실제 사례에서 유도되었으며 12개 카테고리의 위험 분류 체계 (hazard taxonomy)를 포함하고 있으며, CTAF 및 METAR와 관련된 입력 서브셋에 대해 세 가지 오픈 소스 (Qwen 2.5-7B, Mistral-7B, Gemma-2-9B) 및 세 가지 폐쇄형 (GPT-4o, GPT-5.4, Claude Sonnet 4.6) LLM 모델을 벤치마킹하는 데 사용되었습니다. CTAF 및 METAR 입력과 오픈 소스 LLM으로 제한하더라도, 우리 프레임워크의 사례들은 이진 명목/위험 (binary nominal/danger) 분류 작업에서 일반적으로 0.85 이상의 macro F1 점수를 달성합니다. 향후 연구에는 모든 모달리티에 대한 양적 평가와 더 많은 수의 실세계 사례가 포함됩니다. 종합적으로, 우리의 결과는 비관제 공항의 안전에 대한 VLM 분석이 가치 있는 미래 역량이 될 수 있음을 시사합니다.