딥러닝으로 날갯짓의 안전을 읽다: 항공 안전 사고 보고서 분석의 혁신
본 연구는 자연어 처리와 딥러닝 모델을 활용하여 항공 안전 사고 보고서의 비행 단계를 분류하는 시스템을 개발하고, 그 효과성을 검증한 연구입니다. ResNet과 sRNN 모델을 비교 분석한 결과, sRNN 모델이 68% 이상의 높은 정확도를 달성하며 우수한 성능을 보였습니다.

하늘을 나는 순간, 안전은 최우선입니다. 작은 이상에도 치명적인 결과를 초래할 수 있는 항공 산업에서, 사고 및 사건 보고는 안전 개선의 핵심입니다. 하지만, 사고 보고서들은 구조화되지 않은 자연어로 작성되어 컴퓨터 시스템이 이해하기 어렵다는 문제가 있습니다.
Aziida Nanyonga를 비롯한 연구팀은 이 문제 해결에 도전장을 던졌습니다. 그들은 자연어 처리(NLP)와 인공지능(AI)의 힘을 빌려, 항공 안전 사고 보고서의 텍스트 분석을 통해 비행 단계를 분류하는 시스템을 개발했습니다. 미국 교통안전위원회(NTSB)의 27,000건에 달하는 방대한 사고 보고서 데이터를 활용한 대규모 연구였습니다.
연구팀은 ResNet과 sRNN 두 가지 딥러닝 모델을 비교 평가했습니다. 7개의 비행 단계로 분류하는 과제에서, 두 모델 모두 놀라운 성능을 보여주었습니다. 단순히 무작위로 분류할 경우 14%의 정확도에 그치지만, ResNet과 sRNN은 **68%**를 넘는 높은 정확도를 기록했습니다. 정밀도, 재현율, F1 점수 또한 매우 우수한 수치를 보였습니다. 특히, sRNN 모델은 ResNet 모델보다 훨씬 뛰어난 성능을 선보였습니다.
이 연구는 자연어 처리와 딥러닝 기술을 활용하여 비정형 텍스트 데이터에서 중요한 정보를 추출하고 분석할 수 있음을 증명합니다. sRNN 모델은 항공 안전 사고 분석의 효율성을 크게 높일 뿐만 아니라, 더 나아가 다양한 분야에서의 텍스트 데이터 분석에 새로운 가능성을 제시합니다. 이는 단순한 기술적 발전을 넘어, 더 안전하고 효율적인 항공 여행을 향한 중요한 발걸음입니다. 앞으로도 이러한 AI 기술의 발전을 통해, 하늘을 나는 우리의 안전을 더욱 확보할 수 있기를 기대합니다.
Reference
[arxiv] Natural Language Processing and Deep Learning Models to Classify Phase of Flight in Aviation Safety Occurrences
Published: (Updated: )
Author: Aziida Nanyonga, Hassan Wasswa, Oleksandra Molloy, Ugur Turhan, Graham Wild
http://arxiv.org/abs/2501.06564v1