Secure Coordination for Vertiport Sequencing in Advanced Air Mobility

기술 요약: 첨단 항공 모빌리티의 수직 이착륙장 순서 조정을 위한 안전한 조정

문제 진술
수직 이착륙장 (vertiport) 인근의 첨단 항공 모빌리티 (AAM) 운용은 제한된 착륙 능력과 불확실한 도착 시간 하에서 밀집된 교통량을 관리하기 위한 신뢰할 수 있는 조정 메커니즘이 필요합니다. 현재의 조정은 차량의 신원과 위치를 제공하는 원격 식별 (Remote-ID) 과 같은 자가 보고 데이터에 크게 의존하고 있습니다. 그러나 이러한 의존성은 취약점을 만듭니다: 이기적인 차량은 유리한 착륙 슬롯을 확보하기 위해 예상 도착 시간 (ETA) 을 전략적으로 허위로 보고할 수 있으며, 악의적인 행위자는 순서 조정을 방해하거나 혼잡을 유발하기 위해 데이터를 스푸핑할 수 있습니다.

자가 보고 데이터를 레이더나 광학 추적과 같은 외부 감시 데이터와 비교하는 것은 방어 수단이 될 수 있지만, 측정 노이즈와 추정 오차로 인해 감시 추정치는 본질적으로 불확실합니다. 결과적으로 감시 불확실성 영역과 일관성을 유지하는 위조된 보고는 즉시 거부될 수 없습니다. 이는 조정자가 감지되지 않았을지라도 잠재적으로 해로울 수 있는 허위 보고의 가능성에도 불구하고 분리 가능한 도착 일정을 할당해야 하는 전략적 조정 문제를 야기합니다.

방법론
본 논문은 두 가지 구별되는 허위 정보 출처를 식별하고 이에 대응하기 위한 강력한 순서 조정 규칙을 수립하는 안전한 수직 이착륙장 순서 조정 프레임워크를 제안합니다.

1. 시스템 모델:

   • 시스템은 공유 수직 이착륙장을 접근하는 $N$개의 차량을 포함합니다.
   • 각 차량 $i$는 실제 ETA($\tau_i$) 를 가지며, 보고된 ETA($\hat{\tau}_i = \tau_i + \delta_i$) 를 보고합니다. 여기서 $\delta_i$는 보고 편차입니다.
   • 조정자는 독립적인 ETA 추정을 위해 능동 감시 시스템을 활용합니다. 센싱 불확실성으로 인해 편차 $\delta_i$는 불확실성 일관 집합 $\mathcal{U}_i$(예: 구간 $[-\varepsilon_i, \varepsilon_i]$) 로 제한됩니다. 이 집합 밖의 보고는 거부되며, 집합 안의 보고는 진실된 것과 구별할 수 없는 잠재적 허위 보고로 간주됩니다.
   • 목표는 최소 시간 간격 제약 ($s_{min}$) 을 준수하면서 할당된 도착 시간 ($a_i$) 과 실제 ETA($\tau_i$) 간의 제곱 조정 합으로 정의된 시스템 수준의 순서 조정 비용을 최소화하는 것입니다.

2. 강력한 공식화:
   본 논문은 조정자와 보고 주체 간의 상호작용을 두 가지 강력한 최적화 접근법으로 모델링합니다:

   • 이기적 허위 보고 (전략적 편차): 스택엘버그 게임으로 모델링됩니다. 이기적인 차량은 조정자의 강력한화 매개변수 ($\theta$) 를 관찰하고 자신의 일정 조정 비용을 최소화하기 위해 $\delta_i \in \mathcal{U}_i$를 선택합니다. 조정자는 이러한 최적 반응 행동을 예측하고 시스템 비용을 최소화하는 $\theta$를 선택합니다.
   • 악의적 스푸핑 (적대적 교란): 최소 - 최대 (min-max) 문제로 모델링됩니다. 외부 공격자는 차량의 부분 집합 ($\mathcal{M}$) 에 대해 허위 보고를 주입하여 시스템 수준의 순서 조정 비용을 최대화합니다 (예: 혼잡이나 지연 유발). 조정자는 이러한 적대적 편차로 인해 발생하는 최악의 시스템 비용을 최소화하는 $\theta$를 선택합니다.

3. 순서 조정 규칙:
   조정자는 보고된 도착 시간을 할당된 일정에 매핑하는 매개변수화된 순서 조정 규칙 $S_\theta$를 사용합니다. 매개변수 $\theta$는 불확실성 집합 내의 보고에 대한 순서 조정 결과의 민감도를 낮추도록 설계된 신뢰도 임계값이나 불확실성 감소 규칙과 같은 강력한화 조치를 나타냅니다.

주요 기여 및 계획된 결과
확장 초록으로서, 본 논문은 최종 실험 결과를 제시하기보다는 이론적 프레임워크를 확립하고 계획된 수치 연구를 개요로 제시합니다. 주요 기여 사항은 다음과 같습니다:

• 위협 모델의 공식적 구분: 본 논문은 개인적 이익을 위한 전략적 허위 보고와 시스템 악화를 위한 악의적 스푸핑을 명시적으로 구분하며, 각각에 대한 고유한 강력한 공식을 제안합니다.
• 센싱 불확실성 하의 강력한 설계: 완벽한 감지가 센서 노이즈로 인해 불가능하다는 점을 인정하여, 감시 일관 불확실성 집합에 대한 강력한 설계 문제로 수직 이착륙장 순서 조정을 공식화합니다.
• 계획된 평가 전략: 저자들은 제안된 규칙을 평가하기 위한 포괄적인 수치 연구를 제안합니다. 해당 연구는 다음을 비교할 예정입니다:
  • 기준 순서 조정: 보고된 시간을 직접 사용.
  • 이기적 강력한 순서 조정: 전략적 편차에 대해 최적화.
  • 악의적 강력한 순서 조정: 적대적 교란에 대해 최적화.
• 평가 지표: 계획된 실험은 다음을 정량화하는 것을 목표로 합니다:
  • 강력한화의 효율성 손실(진실된 보고 하에서 강력한 대 기준 성능 비교).
  • 강력한화의 보안 이점(허위 보고 하에서 강력한 규칙 유무에 따른 성능 비교).
  • 교통 밀도, 분리 요구 사항, 감시 노이즈, 그리고 잠재적 비신뢰 차량 집합 ($\mathcal{M}$) 의 크기에 대한 민감도.

의의
본 논문은 AAM 교통 밀도가 증가하고 순서 조정 마진이 좁아짐에 따라 허위 정보의 운영적 영향이 기존 항공 교통 관리보다 더 두드러질 것이라고 주장합니다. 제안된 프레임워크는 강력한 최적화를 통해 감시 데이터와 자가 보고 정보를 통합하여 순서 조정 메커니즘의 신뢰성을 유지하는 것을 목표로 합니다. 이는 개별 차량이 시스템을 노리는 '공유지의 비극'과 능동적인 적대적 공격으로부터 보호하여, 센싱 능력이 불완전하더라도 수직 이착륙장 운용이 안전하고 효율적으로 유지되도록 합니다.

저자들은 향후 연구에서 이 프레임워크를 감시 자원 할당으로 확장할 것이라고 언급했습니다. 이는 조정자가 특정 차량에 대한 불확실성을 줄이기 위해 감지 자원 (예: 해상도 또는 전력) 을 동적으로 할당하여, 허위 정보의 가능한 출처에 대한 순서 조정 결정을 강화하는 것을 의미합니다.