양자컴퓨팅은 항공기와 승무원, 공항 슬롯, 정비시간 등 복잡하게 연결된 조건을 계산해 효율적인 운항 일정을 탐색합니다. 이번 글에서는 양자컴퓨팅이 항공분야에서는 어떻게 활용되는지 적용원리부터 지연복구 방식까지 알아봅시다.
양자컴퓨팅과 항공 운항 스케줄 최적화 핵심 정리
항공사의 운항 스케줄은 단순히 비행기의 출발시간과 도착시간을 정하는 작업이 아닙니다. 어느 노선에 어떤 기종을 투입할지 결정하고, 개별 항공기와 조종사·객실승무원을 배정하며, 정비시간과 공항 슬롯까지 맞춰야 하는 대규모 최적화 문제입니다.
하나의 항공편이 지연되면 다음 항공편에 투입될 항공기와 승무원의 일정도 함께 영향을 받을 수 있습니다. 지연된 항공기를 기다리는 승객의 환승편이나 공항 게이트 사용계획까지 바뀌면서 작은 문제가 전체 운항망으로 확산하기도 합니다.
양자컴퓨팅은 이러한 수많은 선택지를 이진변수와 비용함수로 표현하고, 여러 제약조건을 만족하면서 비용이 낮은 운항계획을 탐색하는 기술로 연구되고 있습니다. 현재는 양자컴퓨터가 항공사의 전체 운항표를 단독으로 만드는 단계라기보다 고전 컴퓨터와 양자 알고리즘을 결합해 일부 계산을 보완하는 방식이 현실적인 접근으로 평가됩니다.
| 최적화 대상 | 주요 결정사항 | 기대되는 효과 |
|---|---|---|
| 항공편 편성 | 노선별 운항 횟수와 출발시간 | 수요 대응과 수익성 개선 |
| 기종 배정 | 노선별 항공기 종류 선택 | 좌석 공급과 운항비용 조정 |
| 항공기 배정 | 개별 항공기와 운항편 연결 | 가동률과 정비계획 개선 |
| 승무원 편성 | 승무원별 비행과 휴식 일정 | 규정 준수와 인력 활용 |
| 게이트 배정 | 항공편별 주기 위치 지정 | 승객 이동과 지상 대기 감소 |
| 운항 복구 | 지연·결항 발생 후 일정 재구성 | 연쇄 지연과 추가비용 감소 |
항공 운항 스케줄은 무엇을 결정하는가
항공 운항 스케줄은 특정 기간에 어느 도시를 몇 번 운항하고, 각 항공편을 몇 시에 출발시킬지를 정하는 계획에서 시작합니다. 항공사는 예상 탑승수요와 운임, 경쟁사의 운항시간, 공항 이용 가능시간과 환승 연결성을 함께 검토합니다.
기본적인 항공편 시간이 정해지면 각 노선에 투입할 기종을 결정합니다. 수요가 많은 노선에는 좌석이 많은 항공기를 배정할 수 있지만, 대형 항공기는 연료비와 공항 사용료가 높아질 수 있습니다. 반대로 좌석이 부족한 항공기를 투입하면 판매하지 못하는 좌석 수요가 발생합니다.
기종을 정한 뒤에는 등록번호로 구분되는 개별 항공기를 각각의 항공편에 연결해야 합니다. 같은 기종이라도 정비상태와 운항거리, 다음 정비 시점과 현재 위치가 다르므로 아무 항공기나 자유롭게 배정할 수 없습니다.
여기에 조종사와 객실승무원 편성, 공항 게이트 배정, 정비인력과 지상조업 계획까지 연결됩니다. 따라서 항공 운항 스케줄은 서로 독립된 시간표가 아니라 여러 자원이 하나의 운항망 안에서 연속적으로 이동하는 계획이라고 볼 수 있습니다.
항공 스케줄 계산이 어려운 이유
항공 운항계획이 어려운 가장 큰 이유는 선택할 수 있는 조합이 매우 많기 때문입니다. 항공편과 항공기 수가 늘어날수록 배정 가능한 경우의 수가 빠르게 증가하며, 승무원과 게이트까지 함께 고려하면 계산 규모는 더욱 커집니다.
좋은 운항계획은 비용만 줄인다고 완성되지 않습니다. 항공안전과 정비규정, 승무원의 근무시간, 공항 슬롯처럼 반드시 지켜야 하는 조건이 있고, 정시성과 환승 편의, 승무원 선호처럼 일정 범위 안에서 조정할 수 있는 조건도 있습니다.
- 공항별 이착륙 슬롯과 운영시간
- 항공기의 좌석 수, 항속거리와 운항 가능 공항
- 개별 항공기의 현재 위치와 정비 예정시간
- 조종사·객실승무원의 자격과 근무시간
- 비행 사이에 필요한 최소 연결시간
- 승객과 수하물의 환승 연결시간
- 공항별 게이트와 지상조업 능력
- 기상상황과 항공교통 혼잡 가능성
한 조건을 개선하면 다른 조건이 나빠질 수도 있습니다. 항공기의 가동률을 높이기 위해 비행 사이의 대기시간을 지나치게 줄이면 앞 항공편의 작은 지연이 다음 운항까지 이어질 가능성이 커집니다. 정시성을 높이기 위해 여유시간을 많이 넣으면 항공기 활용률이 낮아질 수 있습니다.
이 때문에 항공사는 완벽한 하나의 답보다 현실적으로 실행할 수 있는 여러 후보 가운데 총비용과 지연 위험이 낮은 계획을 찾습니다. 양자컴퓨팅도 이러한 조합 최적화 과정에 활용할 수 있는 새로운 계산 방식으로 연구되고 있습니다.
항공 스케줄을 양자문제로 바꾸는 방법
양자컴퓨터가 항공사의 운항자료를 그대로 이해하는 것은 아닙니다. 항공편과 항공기, 승무원과 게이트의 관계를 양자 알고리즘이 처리할 수 있는 수학적 문제로 변환해야 합니다.
선택사항을 이진변수로 표현
특정 항공기를 특정 항공편에 투입할지, 특정 승무원이 하나의 비행구간을 담당할지와 같은 선택을 0과 1로 표현할 수 있습니다. 선택하면 1, 선택하지 않으면 0으로 두는 방식입니다.
예를 들어 A항공기를 서울에서 도쿄로 운항하는 항공편에 배정하는 선택과 B항공기를 배정하는 선택을 각각 별도의 이진변수로 만들 수 있습니다. 알고리즘은 이 변수들의 조합을 바꾸면서 실행 가능한 운항계획을 탐색합니다.
목표함수 설정
목표함수는 알고리즘이 최소화하거나 최대화하려는 값을 뜻합니다. 항공기 운항비용과 승무원 비용, 지연시간, 결항으로 인한 손실, 승객의 환승 실패와 정비 위치 조정비용 등을 하나의 평가기준으로 구성할 수 있습니다.
- 항공기 연료비와 운항비용 최소화
- 항공편 지연시간과 결항편 수 감소
- 승객의 환승 실패와 재예약 비용 감소
- 항공기와 승무원의 비가동시간 감소
- 공항 게이트 충돌과 지상 이동시간 감소
- 계획 변경으로 발생하는 운영비용 최소화
항공사가 무엇을 중요하게 보는지에 따라 각 항목의 가중치는 달라집니다. 같은 지연이라도 국제선 장거리 항공편과 승객이 적은 단거리 항공편이 운항망에 미치는 영향은 다를 수 있습니다.
제약조건과 벌점 부여
한 항공편에 두 대의 항공기가 동시에 배정되거나, 하나의 항공기가 같은 시간에 서로 다른 공항에서 출발하는 결과는 실행할 수 없습니다. 이러한 조합에는 큰 벌점 값을 부여해 알고리즘이 선택하지 않도록 설계합니다.
승무원의 법정 휴식시간을 지키지 못하거나 항공기가 필요한 정비를 받을 수 없는 계획도 마찬가지입니다. 벌점이 너무 작으면 실행 불가능한 일정이 선택될 수 있고, 지나치게 크면 비용이 비슷한 실행 가능 일정 사이의 차이를 제대로 비교하기 어려워질 수 있습니다.
QUBO와 아이징 모델로 변환
양자 최적화 연구에서는 복잡한 배정 문제를 이차 비제약 이진 최적화인 QUBO 형태로 바꾸는 방법이 자주 사용됩니다. 목표비용과 제약조건의 벌점을 이진변수 사이의 관계로 표현해 양자 어닐링 장치나 게이트형 양자 알고리즘에서 처리할 수 있게 만드는 방식입니다.
항공문제를 QUBO로 바꾸는 과정에서는 변수 수를 줄이는 것이 중요합니다. 모든 항공기와 항공편의 조합을 변수로 만들면 현재 양자 하드웨어가 처리할 수 있는 규모를 빠르게 넘어설 수 있기 때문입니다.
양자 어닐링과 QAOA는 어떻게 활용되는가
양자 어닐링은 여러 선택의 조합을 에너지 형태로 표현하고, 에너지가 낮은 상태를 찾아가는 방식입니다. 운항비용과 지연이 적고 제약조건을 만족하는 계획이 낮은 에너지 상태가 되도록 문제를 구성할 수 있습니다.
양자 어닐링 장치는 한 번의 실행으로 항상 완전한 최적해를 보장하지 않습니다. 여러 번 계산해 얻은 후보 가운데 조건을 만족하고 비용이 낮은 결과를 선택하며, 고전 알고리즘을 이용해 결과를 수정하는 과정이 함께 사용될 수 있습니다.
게이트형 양자컴퓨터에서는 양자 근사 최적화 알고리즘인 QAOA가 대표적으로 연구됩니다. 양자회로가 여러 배정 후보를 나타내는 상태를 만들고, 고전 최적화 알고리즘이 회로의 매개변수를 반복적으로 조정해 비용이 낮은 결과가 측정될 확률을 높입니다.
두 방식 모두 양자컴퓨터만으로 전체 과정을 처리하기보다 고전 컴퓨터와 역할을 나누는 하이브리드 구조가 일반적입니다. 항공자료 정리와 문제 분할, 결과 검증은 기존 컴퓨터가 담당하고 계산이 어려운 일부 조합 탐색에 양자 자원을 연결하는 방식입니다.
항공 운항계획에서 활용할 수 있는 분야
항공 운항 스케줄은 하나의 거대한 문제처럼 보이지만 실제로는 목적과 제약조건이 다른 여러 단계로 나누어 계산됩니다. 양자컴퓨팅도 전체 운항계획을 한 번에 해결하기보다 특정 단계에 우선 적용하는 방식이 검토되고 있습니다.
| 활용 분야 | 결정하는 내용 | 주요 제약조건 |
|---|---|---|
| 항공편 편성 | 노선, 운항 횟수와 출발시간 | 수요, 슬롯과 환승 연결 |
| 기종 배정 | 항공편별 항공기 종류 | 좌석 수, 항속거리와 공항 조건 |
| 테일 배정 | 개별 항공기와 항공편 연결 | 항공기 위치, 정비와 연결시간 |
| 승무원 페어링 | 비행구간을 연결한 근무조합 | 자격, 근무시간과 휴식시간 |
| 게이트 배정 | 항공편별 탑승구 위치 | 항공기 크기, 시간 중복과 환승 |
| 운항 복구 | 지연·결항 이후 일정 변경 | 대체자원과 변경비용 |
기종과 개별 항공기 배정
기종 배정에서는 예상수요와 좌석 수, 운항비용을 고려해 각 항공편에 적합한 항공기 종류를 정합니다. 이후 테일 배정 단계에서는 등록번호로 구분되는 실제 항공기를 항공편에 연결합니다.
개별 항공기는 하루 동안 여러 도시를 연속으로 이동합니다. 앞 항공편의 도착지와 다음 항공편의 출발지가 같아야 하며, 항공편 사이에 승객 하차와 청소, 급유에 필요한 시간이 확보되어야 합니다. 정비기한이 가까운 항공기는 정비시설이 있는 공항으로 돌아오도록 배정해야 합니다.
승무원 페어링과 근무표
승무원 페어링은 여러 비행구간을 연결해 법규와 사내 기준을 만족하는 근무조합을 만드는 문제입니다. 출발기지에서 근무를 시작해 비행과 휴식을 거친 뒤 다시 기지로 돌아오는 경로를 구성할 수 있습니다.
승무원마다 운항할 수 있는 기종과 자격이 다르며, 하루와 일정 기간에 허용되는 근무시간도 제한됩니다. 해외 체류와 숙박, 이동편까지 반영해야 하므로 가능한 근무조합의 수가 크게 증가할 수 있습니다.
공항 게이트 배정
공항에서는 도착한 항공편을 어느 게이트에 배정할지도 결정해야 합니다. 같은 시간대에 하나의 게이트를 여러 항공편이 사용할 수 없고, 항공기 크기와 국제선·국내선 구역, 탑승교 이용 가능 여부도 맞아야 합니다.
환승 승객이 많은 두 항공편을 가까운 게이트에 배정하면 승객 이동시간을 줄일 수 있습니다. 반면 특정 구역에 항공편이 몰리면 지상조업과 수하물 처리에 혼잡이 생길 수 있어 공항 전체의 흐름을 고려해야 합니다.
실제 시스템에서 최적 운항표가 만들어지는 과정
실제 항공사의 운항표는 양자컴퓨터에 자료를 입력하고 바로 정답을 받는 방식으로 만들어지지 않습니다. 기존 운항관리 시스템과 데이터베이스, 고전 최적화 프로그램과 양자 알고리즘이 단계별로 역할을 나누게 됩니다.
- 운항자료 수집: 항공편과 항공기, 승무원, 공항 슬롯과 정비자료를 정리합니다.
- 문제 범위 설정: 전체 운항망 중 최적화가 필요한 기간과 항공편을 선택합니다.
- 목표 설정: 지연, 결항, 운항비용과 승객 불편 가운데 줄이려는 항목을 정합니다.
- 양자문제 변환: 선택사항을 이진변수로 만들고 비용과 제약조건을 구성합니다.
- 후보 일정 탐색: 양자 또는 하이브리드 알고리즘을 이용해 여러 후보를 생성합니다.
- 운항 가능성 검증: 안전과 정비, 승무원 규정을 만족하는지 고전 시스템에서 확인합니다.
- 세부 일정 보정: 현장에서 실행할 수 있도록 연결시간과 자원 배정을 조정합니다.
- 운항관리 시스템 반영: 확정된 일정을 관련 부서와 승무원에게 전달합니다.
계산 과정에서 문제를 여러 개의 작은 부분으로 나누는 방법도 중요합니다. 전체 항공망을 한 번에 처리하기 어렵다면 특정 공항과 시간대, 특정 기종이나 지연 영향을 받은 항공편만 분리해 다시 계산할 수 있습니다.
양자 알고리즘이 만든 결과가 제약조건을 일부 위반하는 경우에는 고전 알고리즘으로 수정할 수 있습니다. 반대로 고전 알고리즘이 먼저 실행 가능한 초기 운항표를 만들고 양자 알고리즘이 일부 배정을 개선하는 방식도 가능합니다.
간단한 항공기 배정 사례로 이해하기
한 항공사가 세 대의 항공기로 여섯 개의 항공편을 운항한다고 가정할 수 있습니다. 두 대는 같은 기종이지만 한 대는 몇 시간 뒤 정비를 받아야 하고, 나머지 한 대는 좌석 수가 적어 수요가 많은 항공편에 투입하기 어렵다고 가정합니다.
각 항공편의 출발지와 도착지, 출발시간도 모두 다릅니다. 항공기가 앞 항공편을 마친 뒤 다음 출발 공항으로 순간적으로 이동할 수 없으므로 항공편 사이의 위치와 연결시간을 반드시 맞춰야 합니다.
단순히 좌석 수가 많은 항공기를 수요가 높은 노선에 먼저 배정하면 정비가 필요한 항공기가 정비공항으로 돌아오지 못할 수 있습니다. 연결시간을 짧게 구성하면 항공기 가동률은 높아지지만 작은 지연에도 다음 항공편이 영향을 받을 가능성이 커집니다.
최적화 모델은 각 배정의 운항비용과 예상수익, 연결시간과 정비조건을 하나의 평가구조에 넣습니다. 양자 알고리즘은 비용이 낮은 배정 후보를 탐색하고, 고전 시스템은 실제 운항이 가능한지 확인합니다.
최종 결과는 모든 항공기의 비행시간을 동일하게 만드는 계획이 아닐 수 있습니다. 한 항공기의 가동시간이 짧아지더라도 정비를 제때 받을 수 있고 전체 지연 위험이 낮아진다면 항공사 전체에는 더 유리한 일정이 될 수 있습니다.
기상악화와 지연 발생 시 운항 복구
항공 운항계획의 어려움은 계획을 세우는 단계에서 끝나지 않습니다. 기상악화와 항공기 고장, 공항 혼잡, 승무원 결원처럼 예상하지 못한 상황이 발생하면 기존 계획을 신속하게 수정해야 합니다.
한 항공편을 단순히 지연시키면 해당 항공기에 예정된 다음 항공편도 늦어질 수 있습니다. 승무원의 근무시간이 초과되거나 승객이 연결편을 놓치면서 다른 항공편까지 변경해야 하는 상황도 발생할 수 있습니다.
- 지연된 항공편의 출발시간 변경
- 동일 기종의 다른 항공기와 교체
- 예비 승무원 또는 다른 승무원조 투입
- 항공편 취소 또는 두 항공편의 통합
- 환승 승객을 다른 항공편으로 재배정
- 공항 게이트와 지상조업 시간 재조정
- 정비계획과 항공기 이동경로 변경
운항 복구에서는 원래 계획과 다른 일정을 새로 만드는 것만으로 충분하지 않습니다. 변경으로 발생하는 승객 불편과 추가 숙박비, 승무원 교체비용, 항공기의 다음 날 위치까지 함께 고려해야 합니다.
양자컴퓨팅은 여러 복구 시나리오를 빠르게 비교하는 도구로 연구될 수 있습니다. 다만 실제 운항에서는 계산 속도뿐 아니라 데이터가 들어오는 시간과 승인절차, 현장 직원에게 변경사항을 전달하는 시간도 전체 복구속도에 영향을 줍니다.
고전 최적화와 양자 최적화의 차이
현재 항공사와 공항의 운항계획에는 혼합정수계획법, 제약 프로그래밍, 열 생성기법, 휴리스틱과 메타휴리스틱 등 다양한 고전 최적화 기술이 사용됩니다. 오랜 기간 축적된 알고리즘과 운영자료를 바탕으로 대규모 문제에서도 실용적인 결과를 만들 수 있습니다.
양자 최적화는 기존 프로그램을 곧바로 대체하는 기술이라기보다 조합 수가 많은 일부 문제를 다른 방식으로 탐색하는 계산수단입니다. 실제 효과를 판단하려면 최신 고전 알고리즘과 동일한 데이터와 제한시간을 적용해 결과의 품질과 계산비용을 비교해야 합니다.
| 구분 | 고전 최적화 | 양자·하이브리드 최적화 |
|---|---|---|
| 기술 성숙도 | 실제 운항계획에 폭넓게 활용 | 연구와 시험 적용 중심 |
| 대표 방식 | 정수계획법, 열 생성과 휴리스틱 | 양자 어닐링, QAOA와 VQE |
| 주요 장점 | 안정성, 재현성과 풍부한 운영경험 | 새로운 조합 탐색 가능성 |
| 현재 역할 | 전체 운항계획의 중심 | 특정 계산의 보조수단 후보 |
| 주요 한계 | 대규모 실시간 문제의 계산 부담 | 큐비트 수, 오류와 문제 변환 부담 |
항공문제는 제약조건이 많고 실행 가능한 결과가 전체 조합에서 차지하는 비율이 작을 수 있습니다. 양자 알고리즘이 비용이 낮은 결과를 만들더라도 안전과 운항규정을 위반하면 사용할 수 없으므로 후처리와 검증이 중요합니다.
가까운 미래에는 고전 시스템이 항공편 자료와 전체 운항 흐름을 관리하고, 양자 알고리즘이 항공기 교체나 게이트 배정처럼 특정 조합 문제를 처리하는 하이브리드 형태가 우선 활용될 가능성이 있습니다.
항공사와 승객이 기대할 수 있는 효과
운항 스케줄이 개선되면 항공사는 항공기와 인력을 효율적으로 활용할 수 있습니다. 항공기의 불필요한 대기와 공항 간 위치 조정을 줄이고, 정비계획을 안정적으로 연결하면 운영비용을 낮출 가능성이 있습니다.
- 항공기 가동률과 좌석 공급의 효율화
- 지연과 결항에 따른 추가비용 감소 가능성
- 승무원의 대기와 불필요한 이동 감소
- 공항 게이트와 지상조업 자원의 효율적 배정
- 승객 환승 실패와 재예약 감소
- 운항거리와 지상 대기에 따른 연료소비 감소 가능성
- 운항 차질 발생 후 복구계획 탐색시간 단축 가능성
승객의 입장에서는 정시성 향상과 안정적인 환승 연결을 기대할 수 있습니다. 게이트 배정을 함께 최적화하면 환승 승객의 이동거리를 줄이고 항공편 변경으로 발생하는 혼란도 완화할 수 있습니다.
다만 양자컴퓨팅을 사용했다는 이유만으로 비용과 지연이 자동으로 감소하는 것은 아닙니다. 입력자료의 정확도, 목표함수 설계와 현장 실행능력이 함께 갖춰져야 계산 결과가 실제 성과로 이어집니다.
양자 항공 최적화에서 주의해야 할 오해
양자컴퓨터가 모든 운항 가능성을 동시에 확인하고 즉시 완벽한 시간표를 만든다고 설명하는 경우가 있습니다. 그러나 중첩 상태가 여러 가능성을 표현할 수 있다는 것과 모든 후보의 답을 한 번에 읽어낼 수 있다는 것은 다른 의미입니다.
양자 알고리즘은 좋은 결과가 측정될 가능성을 높이도록 설계되며, 여러 번의 실행과 고전적 검증을 거칠 수 있습니다. 문제의 종류와 구조에 따라 고전 알고리즘보다 유리하지 않을 수도 있습니다.
- 큐비트 규모: 항공편과 항공기가 늘어나면 필요한 변수가 빠르게 증가합니다.
- 하드웨어 오류: 현재의 게이트형 양자컴퓨터는 잡음으로 인해 깊은 회로를 안정적으로 실행하기 어렵습니다.
- 문제 변환: 복잡한 운항규정을 QUBO와 양자회로에 정확하게 표현해야 합니다.
- 데이터 연결: 운항과 정비자료를 기존 시스템에서 실시간으로 받아야 합니다.
- 결과 검증: 안전규정과 현장조건을 만족하는지 별도로 확인해야 합니다.
- 비교 기준: 최신 고전 알고리즘보다 실제로 우수한지 공정하게 비교해야 합니다.
- 운영 안정성: 결과 품질뿐 아니라 계산시간과 재현성도 확보해야 합니다.
작은 항공편과 게이트를 사용한 시험에서 좋은 결과를 얻었다고 해서 대형 항공사의 전체 운항망에서도 같은 성능이 보장되는 것은 아닙니다. 연구결과를 확인할 때는 실제 양자 하드웨어를 사용했는지, 시뮬레이터에서 계산했는지, 문제 규모와 제약조건이 어느 정도였는지 구분해야 합니다.
도입 가능성을 확인하는 체크리스트
항공사가 양자컴퓨팅 도입을 검토하려면 먼저 현재 운항계획에서 해결하기 어려운 문제가 무엇인지 구체적으로 정의해야 합니다. 데이터 오류나 부서 간 정보전달 문제로 지연이 발생한다면 양자 알고리즘보다 기존 시스템을 정비하는 것이 우선일 수 있습니다.
- 최적화할 대상이 항공기, 승무원, 게이트 또는 운항 복구 중 무엇인지 명확한가
- 비교 기준이 되는 고전 최적화 프로그램과 성능자료가 있는가
- 항공편과 정비, 승무원 자료가 정확하게 연결되어 있는가
- 반드시 지켜야 할 조건과 조정 가능한 조건을 구분했는가
- 지연, 결항과 비용 중 우선적으로 줄일 항목이 명확한가
- 작은 문제부터 동일한 조건으로 성능을 비교할 수 있는가
- 양자 결과를 기존 운항관리 시스템에 연결할 수 있는가
- 양자 시스템 이용료와 데이터 변환비용까지 비교했는가
- 계산 결과를 현장에서 검증하고 승인할 절차가 있는가
시험 적용에서는 양자 알고리즘이 정답을 찾았는지만 확인하면 부족합니다. 결과의 비용과 실행 가능성, 계산시간, 문제 준비시간과 전체 시스템 사용료를 종합적으로 평가해야 합니다.
항공 운항 최적화의 주요 용어
| 용어 | 의미 |
|---|---|
| 항공편 편성 | 노선별 운항 횟수와 출발·도착시간을 정하는 과정 |
| 기종 배정 | 각 항공편에 투입할 항공기 종류를 결정하는 과정 |
| 테일 배정 | 등록번호로 구분되는 개별 항공기를 항공편에 연결하는 문제 |
| 승무원 페어링 | 여러 비행구간을 연결해 합법적인 승무원 근무조합을 만드는 과정 |
| 운항 복구 | 지연과 결항 이후 항공기·승무원 일정을 다시 구성하는 작업 |
| 목표함수 | 지연과 비용처럼 최소화하거나 수익처럼 최대화하려는 값 |
| 제약조건 | 정비와 근무시간처럼 반드시 만족해야 하는 조건 |
| QUBO | 선택 문제를 이진변수와 이차 비용으로 표현하는 최적화 형식 |
| 양자 어닐링 | 비용이 낮은 에너지 상태를 탐색하는 양자 최적화 방식 |
| QAOA | 양자회로와 고전 최적화를 결합해 근사해를 탐색하는 알고리즘 |
| 하이브리드 방식 | 고전 컴퓨터와 양자컴퓨터가 계산 역할을 나누는 구조 |
양자컴퓨팅과 항공 운항 스케줄의 미래
양자컴퓨팅은 항공사의 복잡한 운항계획을 자동으로 완성하는 만능 시스템이 아닙니다. 항공편과 항공기, 승무원, 게이트와 정비계획 사이에 존재하는 방대한 조합을 기존과 다른 방식으로 탐색하는 계산도구입니다.
현재는 작은 문제와 제한된 운항자료를 이용해 테일 배정과 게이트 배정, 승무원 편성 등에 양자 알고리즘을 적용하는 연구가 진행되고 있습니다. 현재 양자 하드웨어의 큐비트 수와 오류 수준을 고려하면 대규모 항공 운항망을 양자컴퓨터만으로 최적화하기에는 제약이 있습니다.
현실적인 발전 방향은 기존 운항관리 시스템과 고전 최적화 알고리즘을 중심으로 두고, 계산이 어려운 일부 문제에 양자 자원을 연결하는 것입니다. 전체 문제를 작은 부분으로 나누거나 고전 알고리즘이 만든 초기 일정을 양자 알고리즘으로 개선하는 하이브리드 방식이 중요한 역할을 할 수 있습니다.
항공사 입장에서는 양자컴퓨터를 사용했는지보다 실제 지연시간과 결항비용, 항공기 가동률과 계산시간이 개선됐는지를 확인하는 것이 중요합니다. 양자 하드웨어가 발전하고 실제 운항자료를 사용한 검증이 축적되면 항공 운항 스케줄 최적화는 양자컴퓨팅의 주요 산업 활용분야 가운데 하나로 발전할 가능성이 있습니다.