본 논문은 항공 교통 관리 분야의 데이터 부족 문제 해결을 위해 시간 기반 벡터 양자화 변분 오토인코더(TimeVQVAE)를 개선한 새로운 항공기 궤적 합성 방법을 제안합니다. 시간-주파수 영역 처리, 벡터 양자화, 트랜스포머 기반 사전 정보를 활용하여 비행 데이터의 전역 및 지역 역학을 모두 포착합니다. 잠재 공간을 이산화하고 트랜스포머 사전 정보를 통합하여 장거리 시공간 의존성을 학습하고 전체 비행 경로의 일관성을 유지합니다. 다양한 품질, 통계 및 분포 메트릭과 오픈소스 항공 교통 시뮬레이터에서의 비행 가능성 평가를 통해 기존의 Temporal Convolutional VAE 보다 우수한 성능을 보이며, 공간 정확도, 시간 일관성 및 통계적 특성 측면에서 실제 비행 데이터를 반영하는 합성 궤적을 생성함을 보여줍니다. 시뮬레이터 기반 평가 결과, 대부분의 생성된 궤적은 운영상의 실현 가능성을 유지하지만, 일부 예외적인 경우 추가적인 도메인 특정 제약 조건이 필요할 수 있음을 시사합니다. 결론적으로, 다중 스케일 표현 학습의 중요성과 모델 훈련, 영공 설계, 항공 교통 예측 등의 후속 작업을 위한 대표적인 합성 궤적 생성에서 TimeVQVAE의 가능성을 보여줍니다.
