1.서 론

탐색문제는 탐색자(searcher)의 제한된 탐색능력을 바 탕으로 표적(target)에 대한 탐지확률을 최대화하거나 탐 지시간을 최소화하는데 그 효과척도를 두고 있다. 현재 군에서 적대적인 이동표적을 탐색하기 위해 적용 중인 예 상 도주거리 판단[1] 및 표적 방책분석 등 정보분석가에 의한 정성적인 판단방법 만으로는 시간의 흐름에 따른 변 화된 표적의 위치를 찾아내기가 제한되어 그 효과가 미흡 한 실정이다. 제한된 시간 내에 적대적인 표적을 찾아야 하는 상황에서 지상작전을 수행하는 전술지휘관의 관심 사는 다음의 3가지로 요약될 수 있다. 첫째, 표적의 임무 는 무엇이고 목적지는 어디일까?, 둘째, 지금 이 시간에 표적이 아군의 차단지역 내 있을까? 혹시 표적이 아군의 차단지역을 벗어났으면 표적과 어떻게 접촉해야 할까?, 셋째, 접촉이 단절된 표적을 찾기 위해 나의 가용한 탐색 자산을 어디에 우선적으로 투입할까? 지상 전술지휘관은 이러한 문제를 긴박한 상황 속에서 신속하게 결심하고 작 전명령을 하달해야 하는 부담을 가지면서 지휘를 하게 된 다. 특히, 표적과 접촉이 없는 상황에서 자신의 가용한 탐 색수단을 어디에 우선 투입하여 표적을 탐지할 것인가는 중요한 당면과제라 할 수 있다. 적대적인 이동표적 탐색에 관한 군의 작전사례를 살펴보면, 지상 전술지휘관의 질적 인 정보의 부족 및 헬기 정찰, 무인항공기 정찰, 지상수색 팀 정찰 등 탐색수단 임무계획(mission planning)의 부정확 성, 탐색수단 투입의 지연으로 표적과의 접촉 실패 등 부 적절한 초기 대응으로 인해 골든타임을 놓치고 작전을 실 패한 적이 빈번하게 있었음을 확인할 수 있다. 이러한 시 행착오를 더 이상 반복하지 않기 위해서는 현재 적용 중인 정성적인 방법이 변화하는 지상 이동표적을 찾는데 한계 가 있다는 점을 인식하고, 정량적인 방법론을 적용한 전 술적 결심지원도구(tactical decision aids)를 지원함으로써 작전 현장에 있는 전술지휘관이 양질의 분석된 정보를 기 반으로 적시적이고 정확한 지휘결심을 할 수 있도록 여건 을 보장해야 한다. 따라서, 본 연구는 이러한 필요성을 바 탕으로 시간의 흐름에 따른 변화된 표적의 위치를 적시적 으로 찾기 위해 동적 확률지도를 이용하여 우선탐색지역 을 제공하는 정량적인 방법론을 제시하고자 한다.

지상 이동표적은 공중이나 수중 이동표적과 달리 상 대적으로 지형의 영향을 많이 받는다. 지형의 영향으로 인해 지상 이동표적은 제한된 경로를 따라 이동하게 된 다. 제한된 경로를 가진 적대적인 지상 이동표적을 대상 으로 하는 탐색문제는 고려해야 하는 변수가 많아 풀기 어려운 문제라고 알려져 있다. 표적의 이동특성, 위장 상 태, 지형적인 특징, 기상조건, 탐지 시기, 가용시간, 표적 과 탐색자의 이격거리 및 이동속도, 표적의 전술 등 다양 한 요소가 복합적으로 작용하는 복잡한 메커니즘으로 구 성되어 있기 때문이다[15]. 적대적인 지상 이동표적의 탐 색은 모델링하기 어려운 문제이다. 하지만, 지배적으로 영 향을 미치는 요소인 “지형”을 효과적으로 분석한다면 모 델링을 용이하게 할 수 있다.

<Table 1>에 나타낸 바와 같이 도보로 이동하는 소규 모의 지상 이동표적에 대한 탐색은 공중 이동표적이나 수중 이동표적 탐색과는 다른 독특한 특징이 있다. 공중 이동표적과 수중 이동표적 탐색에 관한 기존 연구[7, 8, 15, 16, 20, 21]에서는 표적의 이동형태가 전 방향으로 이동 가능한 다양성을 지니기 때문에 이동형태를 모형화 하기 위하여 전이확률(transition probability)을 이용하였 다. 전이확률이란 격자형 공간인 셀에서 인접 다른 셀로 이동하거나 셀에 머무는 확률을 의미한다. 신뢰성 있는 전이확률의 적용이 최적해를 찾는데 지대한 영향을 미치 게 된다. 반면, 지상 이동표적의 경우에는 지형의 제한을 받기 때문에 제한된 경로를 따라 이동할 수 밖에 없다. 즉, 지형공간정보(geospatial Information)를 이용하여 침투 가 능지역을 생성하고 표적의 침투전술을 고려하여 경유지 (waypoints)를 추가하는 정교한 보완작업을 한 후 이를 연결하면 침투 예상경로를 도출해 낼 수 있다. 이 방법은 기존 연구에서의 마코브 과정(markov process)을 이용한 전이확률 생성방법 보다 지상 이동표적이 본래 지니는 이동형태의 다양성을 크게 제한시키면서 침투경로와 우 선탐색지역을 선정할 수 있다는 장점이 있다.

본 연구의 목적은 침투한 적대적인 지상 이동표적을 찾기 위한 정량적인 분석방법을 제공하여 지상 전술지휘 관의 적시적인 의사결정을 촉진하고 작전의 효과를 향상 시키는데 기여하는 것이다.

본 연구는 <Figure 1>과 같이 7단계로 구분하여 수행 된다.

첫째, 최초정보(prior information)에 기초하여 분석공간 에 대한 지형 및 기동성 분석(terrain and mobility analysis) 을 수행한다. 둘째, 고도, 경사도, 수목차폐도 등 지형영 향요소의 노출 위험 확률지수를 반영한 ‘노출 위험 확률 지도’를 생성한다. 셋째, 침투 가능지역을 생성한 후 기 동 불가 장애물 제거 및 극복 가능 장애물 추가, 경유지 및 목지점(choke point) 추가 등 정교한 침투 가능지역 보완(adjustment)을 거쳐 침투지역과 침투경로를 생성한다. 넷째, 시나리오별 침투경로를 네트워크(path network)로 구성한다. 다섯째, 지형 조건과 표적의 이동속도를 반영 한 몬테카를로 시뮬레이션[14]을 수행한다. 여섯째, 단위 시간별 한 셀에 표적이 머무는 시간을 고려한 동적 확률 지도를 생성한다. 일곱째, ‘동적 확률지도(dynamic probability maps)’를 기초로 우선탐색지역을 결정한다.

2.기존 연구 고찰

2.1.이론적 배경

탐색문제에 대한 수리적 연구는 제 2차 세계대전 중 독일의 잠수함을 공격하기 위한 연구로부터 시작되었다. 그 후 미 핵잠수함 Scorpion 탐색과 구소련 잠수함 탐색 등 침몰된 잠수함을 탐색하기 위해 베이지안 확률 등을 이용한 사례가 있었다[7, 15, 22]. 오늘날 탐색이론은 컴 퓨터의 성능 개량을 통해 군사학, 산업공학, 로봇제어, 컴퓨터 공학, 우주항공공학, 의학, 사회학 등 광범위하고 다양하게 적용되고 있다. 특히, 군사적인 측면에서는 지 형공간정보에 기반한 탐색기법 연구가 활발히 진행 중이 며, 지리정보시스템(geographic information system)의 발 전과 더불어 다양한 지형공간 및 속성 정보를 반영한 침 투로 분석, 낙하지점 분석, 은거지 분석, 시가전 분석 등 지상 전술작전에 활용되고 있다[3].

2.2.기존 연구

Koopman[13]은 제 2차 세계대전 중 적 잠수함 탐색 연 구에 참가하여 최초로 탐색이론의 일반원칙을 제시하였다. 1970년 이후 이동표적 탐색에 관한 연구들이 본격적으로 수행되었다. 많은 연구들은 이동표적의 이동을 이산사건 의 markov process로 가정하였다[5, 12, 13, 20].

Benkoski[5]는 이동표적에 관한 연구를 크게 2개의 분 류로 정리하였다. 한 분류는 표적의 특수한 이동형태에 관한 연구이고, 다른 한 분류는 이동표적 문제를 해결하 기 위해 최적 필요충분조건을 제시한 Brown[6]의 모형을 토대로 발전시킨 연구이다. 표적의 이동형태에 관한 연구 로 Benkoski[5]가 markov process에 의해 모형화 할 수 있는 표적의 이동을 연구하였다. Washburn[26]은 단일 탐색자 에 의한 최적 경로를 구하는 특수화된 분지한계법(branch and bound method)을 개발하는데 집중하였다. Royset and Sato[23]는 하나 이상의 표적을 탐색하는 다수 탐색자의 최적 경로를 찾기 위해 혼합정수비선형계획(mixed-integer nonlinear program)을 제시하였다.

Brown의 모형를 발전시킨 연구로는 Ohsumi[19]가 제 한이 없는 탐색경로에서 이동표적 탐색을 위한 최적 조 건과 알고리즘을 제시하였고, Hohzaki와 Iida[12]는 탐색 자가 표적의 이동경로를 안다고 가정하고 예상되는 여러 이동경로에 확률을 부여하고, 보상기준에 기초한 최적의 탐색전략을 발전시켰다. Pursiheimo[21]는 연속적인 시간 과 이산적 공간에서 탐지확률을 최대로 하고 탐색시간을 최소화하는 탐색계획의 필요조건을 발전시켰고, Washburn [26]은 유한의 탐색시간을 가지는 탐색문제를 FAB(forward and backward) 알고리즘으로 풀었다. Stewart[25]는 Brown 의 모형에서 탐색자의 이동에 제한이 있는 경우를 추가 하여 1차원 탐색공간에서 분지한계법을 이용한 최적해 알고리즘을 제시하였으며, Eagle and Yee[9]는 Stewart[25] 의 모형을 확장하여 부분 관측된 Markov 의사결정과정 (partially observed markov decision process) 및 2차원 탐 색공간에서 분지한계법을 이용한 최적해 알고리즘을 제 시하였고, Hohzaki and Iida[12]는 표적의 예상 이동경로 를 알고 탐색비용을 고려하는 모형과 분지한계법을 이 용한 알고리즘을 제시하였다. Dell et al.[8]은 다수 탐색 자 문제에 대해 표적의 이동확률을 markov process로 가정 하였고 탐색경로를 구하는 방법으로 MH(moving horizon), GA(genetic algorithm) 등 6가지 휴리스틱 알고리즘을 제 시하였다. Hong et al.[10, 11]은 단독 탐색자 문제를 다 루었으며 휴리스틱 알고리즘의 단점인 해의 품질 문제를 보완하여 최적해 보다 근사확률의 상관오차가 크지 않으 면서 계산이 빠른 근사 알고리즘을 제시하였고, Cho[7] 는 정확한 비탐지확률을 구하는 것은 어려운 문제이므로 지정된 시간길이에 대해서만 비탐지확률을 구한 후 조건 부 확률을 이용하여 계산하는 근사 비탐지확률(approximate nondetection probability)을 이용한 휴리스틱 알고리즘을 제시하였다.

기존 연구를 살펴 본 결과, 적 항공기 또는 미사일 등 공중 이동표적 탐색 및 수상함이나 대잠헬기에 의한 잠 수함 탐지 등 수중 이동표적에 대한 탐색연구는 국내·외적으로 다수 있었으나[7, 15, 16, 17] 지상 이동표적에 대한 탐색문제를 다룬 연구는 상대적으로 저조하였다. 특히, 지상 이동표적 탐색을 위해 필수과업인 지형분석 및 기동성 분석, 최적 침투지역 분석, 최적 침투경로 분 석, 임무경로계획 등 특정 분야에 대한 단편적인 연구들 [3, 4, 18, 24]은 일부 있었으나, 적대적인 지상 이동표적 의 특성과 지형과 기상조건, 그리고 시간의 변화에 따른 표적의 위치를 고려하여 우선탐색지역을 결정하는 종합 적인 연구는 아직 없는 것으로 파악된다.

3.침투경로 분석

3.1.지형공간정보를 이용한 침투지역 분석

지상표적은 지형정보에 매우 민감하므로 지형정보는 센서의 융합이라는 패러다임 속에서 운영되는 또 다른 하나의 센서로 간주할 수 있다[18].

지형분석 및 기동성 분석(terrain and mobility analysis) 을 통해 침투 가능지역과 침투경로를 분석하는 것은 지 상 이동표적 탐색을 위해 필수적인 과업 중의 하나이다. 지상 이동표적은 목적지까지 방향성을 유지하면서 일정 한 이동 가능한 지역을 따라 침투한다. 지상 이동표적은 통상 탐색자로 부터 관측을 최대한 회피하면서 나침반과 지도 등 제한된 방향유지 도구 또는 그림자, 별자리 등 자연현상을 이용하여 착잡한 지형을 극복하며 목적지까 지 방향을 유지하거나 임무 준비를 위해 잠시 은거지를 점령하게 된다. 이를 위해 참조점(예 : 감제고지, 송신탑, 고압선, 별, 동굴, 암자, 외딴 건물 등)을 적극 이용하게 된다. 특히 산림이 울창한 산악지역 이거나 하계 녹음기 에 침투를 한다면 수목의 우거짐과 참고점 식별의 제한 으로 인해 방향을 유지 못하고 이탈할 수도 있다.

지형분석과 기동성 분석을 통해 우선 침투 가능지역 을 선정하고, 표적이 이용할 수 있는 경유지나 목지점 (choke point)을 다수 추가하여 연결하면 침투 예상경로 를 개략적으로 선정할 수 있다. 그러나, 잘 훈련된 적대 적인 지상 이동표적은 이동속도 및 지형 극복능력이 우 수하다. 이들은 이동이 불가능한 장애물도 극복하여 예 기치 않은 이동을 할 수 있으므로 이를 고려한 세심한 침투지역 보완작업을 통한 침투경로 선정이 중요하다.

침투 예상지역 전체를 일정 규모 단위 셀로 분할하였고, 전술지형분석자료(VITD : Vector product Interim Terrain Data)를 이용하여 셀별 지형고도, 경사도, 수목 차폐도 등 특징적인 지형영향요소를 계량화하여 산출한 ‘노출 위험 확률지도’를 기초로 최적 침투지역을 분석한 연구가 있다 [2, 24]. VITD는 벡터형식의 지형분석 기초자료로서 미 국가지형공간정보국(NGA : National Geospatial Intelligence Agency)이 제작하여 전산화한 자료이다. 본 연구에서는 침투지역 분석을 위해 이를 참고하여 보완함으로써 현실 적인 활용도를 향상시켰다. 지형분석 및 기동로 분석을 통한 침투경로 생성단계는 <Figure 2>와 같다.

침투지역 분석은 준비단계와 분석단계로 구분된다. 준 비단계에서는 먼저 모의지역을 지정한 후 출발지와 목적 지를 설정하고, 출발지와 목적지를 연결하는 가상선을 설정한다. 가상선을 설정하는 이유는 침투방향을 유지하 면서 목적지까지 최단거리의 경로를 개략적으로 판단하기 위함이다. 분석단계에서는 ‘노출 위험 확률지도’를 작성 하여 침투 가능지역을 생성한다.

침투자 관점에서 노출 위험(detection risk)과 관계된 지 형영향요소는 지형의 고도, 지형의 경사도, 지형의 경사 방향도, 지형의 경사반복도, 식생정보 등 5가지 요소가 있 다[12]. 본 연구의 경우, 현재 전술부대에서의 활용 가능 성을 고려하여 지형 고도, 지형 경사도, 수목 차폐도 등 3가지를 지형영향요소로 선정하였고, 기동성(Go, No Go) 즉, 침투 가능성 여부 분석을 추가하였다. 노출 위험 확률 지도는 <Figure 3>과 같이 노출 위험요소별 위험지수와 기동성 여부를 조합함으로써 완성된다. ‘노출 위험 확률 지도’를 작성하는 절차는 다음과 같다.

1단계 : 지형 고도에 의한 노출 위험지수 산출,

2단계 : 지형 경사도에 의한 노출 위험지수 산출,

3단계 : 수목 차폐도에 의한 노출 위험지수 산출,

4단계 : 기동성 분석을 포함한 종합된 노출 위험확률지 도를 생성한다.

지형 고도는 <Table 2>와 같이 능선별 11개 등급으로 분류하여 노출 위험지수를 산출한다. 지형 고도는 개활 지 이거나 9부 능선 이상일 경우 노출될 가능성이 높다. 1~2부 능선이라도 수상침투가 가능한 하천과 연결된 와 지선과 같은 지형은 노출 위험이 작아질 수 있으므로 별 도로 고려되어야 한다[23].

지형 경사도는 %단위로 구분한다. %경사도는 두 지점 간 고도 차이를 등고선 상 수평거리로 나눈 값이다. %경 사도에 따른 노출 위험지수는 10개 등급으로 분류되며 <Table 3>과 같다.

지형의 식생정보에는 수목의 차폐도와 밀집도가 있다. 수목 차폐도는 나무가 하늘을 덮는 정도로서 관측에 영 향을 준다[2, 24]. 수목 차폐도는 5개 등급으로 분류되며, 노출 위험지수는 <Table 4>와 같다.

분석 대상지역을 C 개의 셀로 나누었을 때 i번째 셀 의 노출 위험 확률지수 X _i 를 생성하기 위한 산출식은 다 음과 같다.

여기서 M_i 는 각 셀의 기동성 여부 결과(1 또는 0.001), A_i 는 각 셀의 지형고도 노출 위험지수, G _i 는 지형 경사 도 노출 위험지수, B _i 는 수목 차폐도 노출 위험지수, W_i 는 계절적/기상적 요소 가중치이다. P _i 는 지형 고도, 지 형 경사도, 수목 차폐도 등 n가지 지배적 노출 위험요소 의 발생확률로 독립적으로 작용하는 것을 고려 1/n을 적 용하였다. 산출식을 통해 침투 가능지역을 추출할 수 있 다. 추출된 침투 가능지역을 기초로 소로, 계곡, 4~6부 능선, 개활지와 연결된 와지선 등 이용 가능한 지점과 경 로 및 반드시 통과해야 하는 목지점 등 침투지역 보완작 업을 거쳐 최종적으로 침투지역을 생성한다.

3.2.침투경로 선정

예상 침투경로에 대한 분석은 침투하는 표적 입장에 서 생존성이 보장되는 가운데 목적지에 이르는 단거리이 면서 침투 성공에 용이한 지점과 침투경로가 어디가 될 것인가를 판단하는 것이다. 이동형태에 크게 영향을 주 는 표적의 전술을 숙지하고 정교하게 분석하는 것이 매 우 중요하다. 침투경로는 목적지까지 최단거리로 이동하 는 경로를 고려하되, 경로를 크게 이탈하거나 U turn 하 거나 우회하는 경로는 제외한다는 가정을 따른다. 생성 된 수 개의 침투경로 중에서 표적이 채택 시 가장 유리 한 경로, 위험한 경로 등을 우선순위에 기초하여 선정 한다.

4.우선탐색지역 선정 위한 동적 확률지도 생성

4.1.침투경로망 구성(Path Network)

이동표적이 있을 위치에 관한 확률은 시간에 따라 변 한다. 본 연구에서는 동적으로 이동하는 표적을 효과적 으로 탐색하기 위해 표적의 위치에 관한 시간대별 ‘동적 확률지도(dynamic probability maps)’를 생성하는 알고리 즘을 적용한다. 동적 확률지도를 생성하기 위해서 대상 지역을 C개의 셀로 나누고, 탐지시간을 M개의 시간대로 구분한다. 동적 확률지도를 통해 각 시간대에서 각 셀에 표적이 있을 확률인 p_(m,c)를 구하는 것이다.

동적 이동표적 탐색에 대한 의사결정모델은 <Figure 4>와 같이 n개 시나리오 s₁, s₂, …, s_n으로 구성된다. 각 시나리오는 표적의 임무, 지형, 목적지, 시간, 침투전술 등에 따라 상이하다. 시나리오 s_k는 시나리오가 발생할 가능성을 나타내는 확률 p(s_k )과 침투경로망(path network) 및 표적 이동속도의 크기에 대한 확률분포로 구 성된다. 시나리오가 발생할 확률 p(s_k )은 분석가의 판 단에 기초한 가중치로 정해지고 변경이 가능하다. 침투 경로망은 선택된 시나리오에 기초하여 제 3장에서 설 명하였듯이 침투경로를 네트워크화 한 것이다. 표적 이 동속도의 크기(빠르기의 정도)에 대한 확률분포는 0부 터 1사이의 값으로서 speed_k의 확률분포 f(speed_k )로 표 현된다.

침투경로망 생성절차는 다음과 같다. 침투경로망에서

의 노드 υ_i는 특정 셀에서의 경로 분지(path segment, 특 정 셀에서 경로가 분리 됨)에 의해 생성된 경로를 의미 하여, 셀 υ_i는 노드 υ_i가 속한 셀을 나타낸다. 셀 υ_i에서 두 노드를 잇는 방향성 엣지(edge) e (υ_i, υ_j )에는 노드 υ_i , υ_j로의 이동확률인 p(υ_i, υ_j )가 주어진다. 각 노드 υ_i 는 경로 이동시간 t에 대한 확률분포 f_i (t)를 포함한다. 예 를 들어 설명하면, <Figure 5>의 왼쪽 4개의 셀 c1, c2, c3, c4에는 각각 침투경로가 있다. 이동방향은 셀 c1에서 시작하여 표적이 남동쪽 방향으로 이동한다고 하자. 셀 c1, c3, c4에는 각각 두 개의 침투경로로 분지되고, 셀 c2 에는 하나의 침투경로만 있다.

셀 c1에서 경로가 분지되어 분리된 노드 v1, v2가 생 성된다. 각 노드는 이동시간에 대한 확률분포를 포함한 다. 셀 c1에서 노드 v1의 발생확률이 0.7, 노드 v2의 발 생확률이 0.3이라고 가정하면 이 확률이 경로 분지되어 그 노드로 이동할 확률로 설정된다.

4.2.몬테카를로 시뮬레이션을 이용한 동적 확률지도 생성

시간대별 표적이 특정 셀에 머무는 시간을 구하기 위 해 난수를 적용하여 반복 실험하는 몬테카를로 시뮬레이 션 방법을 이용하였다. 다음 절차는 시간대별 ‘동적 확률 지도’를 생성하는 세부적인 알고리즘을 나타낸다.

단계 1 : 분석 대상지역을 C개의 셀로 나누고, 탐지시간 을 M개의 시간대로 구분한다. m번째 시간대 에서 c번째 셀의 누적시간 값 q_{(m, c)}를 0으로 초기화 한다. 초기화 하는 이유는 첫 번째 셀에 표적이 머무는 시간을 구하기 위해서이다.

단계 2 : 시간대별 특정 셀에 표적이 머무는 시간을 구 하기 위해 다음 절차를 N 번 반복한다.

단계 3 : 누적시간 정보를 이용, 특정 시간대에 특정 셀에 표적이 머무는 시간을 확률로 전환하여 각 시간 대별 각 셀에서의 표적의 탐지확률을 산출한다.

위 계산식은 확률 p_(m,c)가 표적이 m번째 시간대에서 c번째 셀에 있는 누적시간 값에 비례한다는 가정에 기초 한다. 이러한 가정은 표적이 셀에 오래 머무를수록 그 셀 에 표적이 있을 확률이 크게 된다는 일반적인 사실에 근 거한다.

5.사례연구

5.1.모의실험 준비

본 연구의 알고리즘이 현실에의 유용성을 확인하기 위해 <Figure 6>과 같이 시나리오를 구성하였다. 수상한 표적을 발견하였다는 최초의 주민신고가 접수된다. 탐색 자는 표적이 적대적 표적임을 뒤늦게 인지하고 어떤 지 체시간이 경과한 후 탐색할 준비를 한다. 이후 표적의 행 방이 묘연하고 표적과 추가적인 접촉이 없는 상태에서 지상 전술지휘관은 우선탐색지역 선정이 포함한 탐색임 무계획을 수립 중에 있다.

이러한 기본 시나리오를 기초로 세부적인 시나리오를 생성하였다. 시나리오 1은 정상적으로 침투하기 어려운 장애물을 극복하고 예상하지 못한 지역으로 침투하는 것 이고, 시나리오 2는 정상적으로 침투 가능한 경로를 따 라 침투하는 것이다. 실험을 위하여 분석공간을 충남 청 주시, 세종특별시 및 대전지역으로 가상적으로 선정하였 고, 이 공간을 일정 크기 1km×1km의 정사각형으로 분할 하여 가로 18개×세로 11개의 셀로 구성하였다.

5.2.침투경로 생성

제 3.1절에 설명한 바와 같이 분석공간에서의 각 셀에 대한 지형영향요소별 노출 위험지수를 산출하여 <Figure 7>과 같이 ‘노출 위험 확률지도’를 생성하였다.

노출 위험 확률지수가 낮은 셀은 적대적인 지상 이동 표적이 침투경로로 이용될 확률이 높은 셀 임을 의미한다.

5.3.동적 확률지도 생성을 통한 우선탐색지역 선정

제 5.2절에서 생성된 ‘노출 위험 확률지도’를 기반으로 <Figure 8>과 같이 두 가지 시나리오에 기초한 침투경로 를 생성하였다.

시나리오 1은 출발지에서부터 하천 등 정상적으로는 극복하기 어려운 장애물을 극복하고 예상치 못한 지역으 로 침투하여 목적지까지 이르는 침투경로이며, 시나리오 2는 통과하기 어려운 장애물을 제외하고 기동 가능한 지 역을 따라 목적지까지 이르는 침투경로이다. 시나리오의 발생확률은 각각 0.3과 0.7로 설정하였다.

시나리오 1은 <Figure 9>와 같은 침투경로망으로 구성되 고, 표적의 이동속도는 지형조건과 표적의 전술(Tactics)을 고려하여 6km/H를 적용하였다. 또한, 표적 이동속도의 크 기에 대한 확률분포는 삼각분포로 T(0, 0.5, 1.0)로 설정하 였다. 삼각분포를 적용한 이유는 표적 이동속도의 크기와 각 노드의 이동시간의 분포에서 최소치, 최빈치, 최대치가 명확하기 때문이다.

시나리오 2는 <Figure 10>과 같은 침투경로망으로 구 성되고, 표적 이동속도의 크기에 대한 확률분포는 시나 리오 1과 동일하게 T(0, 0.5, 1.0)로 설정하였다. 침투경 로망을 기반으로 생성된 동적 확률지도는 <Figure 11>부 터 <Figure 14>와 같다. 표적이 발견된 최초시간으로부터 2시간이 경과한 시점까지 30분 간격으로 시간대별 우선 탐색지역을 제시하였다. 셀에 표시된 수치는 표적이 그 셀에 위치할 확률값에 1,000을 곱한 값으로서 값이 클수 록 우선적으로 탐지해야 할 지역임을 의미한다. 지금까 지 사례연구를 통해서 지형공간정보과 동적 확률지도 생 성을 통해 적대적인 지상 이동표적을 탐색하는 본 연구 의 알고리즘이 유용함을 확인할 수 있었다. Fig .12,13

현재 군에서 적용 중인 예상 도주거리 판단 및 표적 방책분석 등 정성적 방법은 지형속성 데이터를 나타내는 지형공간정보의 활용이 미흡하여 침투경로 판단의 정확 성이 떨어지고, 시간의 변화에 따른 최신화 된 이동표적 의 위치 정보를 제공하는데 제한되는 문제점이 있다. 반 면, 본 연구방법론은 빅 데이터 시대에 부합되게 양질의 지형정보자료를 최대로 활용하는 지형분석과 기동성 분 석을 통해 침투경로를 생성하고, 이를 기반으로 지형조 건과 표적의 이동속도를 고려한 동적 확률지도를 생성하 여 최신화 된 표적의 위치 정보를 제공함으로써 우선탐색 지역을 결정하는데 기여할 수 있다. 또한, 추가적인 첩보 (posterior information)의 접수 등 변화된 상황이 발생한 경우, 본 알고리즘을 적용한 전술적 결심지원도구(tactical decision aids)가 지원된다면 최단시간 내 재계획(replanning) 하여 지상 전술지휘관에게 우선탐색지역에 관한 정보를 제공할 수 있다는 장점이 있다.

6.결 론

본 연구는 적대적인 지상 이동표적을 조기에 탐색하기 위해 탐색 가용자산을 우선적으로 탐색해야 할 지역을 결정하기 위한 모델링에 관한 것이다. 지상 이동표적 탐 색에 유용한 지형공간정보를 활용한 ‘노출 위험 확률지 도’ 생성 및 경유지 등 침투 가능지역 보완을 통한 침투 경로를 생성하는 알고리즘을 제시하였고, 지형조건과 표 적의 이동속도를 고려하여 ‘동적 확률지도’를 생성한 후 우선탐색지역을 선정하는 정량적인 알고리즘을 제시하여 현실적인 적용 가능성을 향상시켰다.

본 연구는 지상 이동표적을 조기에 탐색하고자 하는 탐색자의 임무계획을 수립하는데 기초를 제공할 뿐만 아 니라, 지상 전술지휘관에게 우선탐색지역을 적시에 결심 하는데 지원함으로써 작전의 효과성을 향상 시키는데 도 움이 될 수 있을 것으로 기대된다.

연구 발전분야로는 정확한 침투지역 분석을 위해 신 뢰성 있는 지형공간정보 데이터를 보강하고, 노출 위험 확률값 산정을 위한 계산식에 지형영향요소 및 기상적 요소에 대한 합리적인 가중치 적용 등의 보완이 요구된 다. 침투경로 산정의 정확도 평가를 위해 A*, 유전자 알 고리즘, 동적 계획법 등 경로분석 알고리즘을 이용한 결 과와의 비교 연구도 필요하다. 아울러 본 연구방법론과 융합하여 제한된 경로에서의 다수 탐색자에 의한 탐색할 당(search allocation)에 관한 연구가 후속된다면 보다 현 실적 유용성이 향상된 지상 이동표적 탐색논리로 활용될 수 있을 것이다.