무인무기체계가 투입된 전투 시뮬레이션 모델링은 <Figure 2>와 같이 정찰이 주임무인 UGV, 전투가 주임무인 전차(Tank), 그리고 명령전달이 주임무인 지휘∙통제기(Commander)로 구성된 아군과 적군의 전투 프로세스 토대로 구축되었다.

먼저 지휘 통제기는 이동하면서 와 전차에게 초기 ∙ UGV 기동 명령을 내린다. 초기 기동 명령을 수행한 UGV와 전차는 정찰을 통한 적의 위치 파악을 통해 적군의 위치 정보를 지휘∙통제기에게 보낸다. 지휘∙통제기는 적 위치 정보를 전송 받게 되면 전차에게 그 위치에 있는 적에 대한 공격 명령을 할당한다. 공격 명령을 받은 전차는 적군의 전차를 파괴할 때 까지 계속 사격을 수행한다. 전차가 공격 대상이었던 적을 파괴하고 나면, 시뮬레이션에서 도출되는 전투 피해 결과와 시간에 따라 교전 종료 상태를 판가름한다. 교전 종료 조건은 전투 후 남은 아군 및 적군의 잔존 전투력 비율을 의미하는 BSR(Blue Survival Ratio) 혹은 RSR(Red Survival Ratio) 중 하나가 30% 이하이거나 전투시간이 1000초 이상일 때이다. 교전 종료 조건이 아닌 상태에서의 지휘∙통제기는 UGV 및 전차로부터 얻은 탐지 정보에서 다른 적이 있다면 다시 전차에게 공격 명령 할당을, 아니라면 전차에게 추가 기동 명령을 내린다. 본 연구에서 UGV는 초기에 기동하라는 명령을 받으면 추가 명령을 받지 않고 주어진 이동 경로를 따라서 기동한다.

본 연구의 ABM을 구성하는 에이전트에는 무인무기체계 각각의 주요 임무를 수행할 수 있도록 기능을 부여하는 서브 에이전트(Sub Agent), 서브 에이전트로부터 기능을 부여 받아 무인무기체계 정의 및 적군 및 아군을 결정하는 유닛 에이전트(Unit Agent), 마지막으로 전장 환경 및 무인무기체계가 가진 성능을 조절하는 Main이 있다. <Figure 3>에서는 본 연구에서 사용하는 에이전트의 구성 상태를 그림으로 나타낸 것이다.

서브 에이전트에는 전투 상황에 필요한 6가지 기능이 존재하며, 이를 이용하여 무인무기체계에게 각자의 임무 수행을 적합한 기능을 부여한다. 먼저 통신 에이전트(Communication Agent)에는 무인무기체계 간 정보 교환 및 명령을 수행하는 에이전트로, 본 연구에서 개발한 통신 성공 여부를 결정하는 모듈을 이용하여 정보 전달의 성공 및 실패를 결정한다. 기동 에이전트(Maneuver Agent)는 무인무기체계의 기동을 수행하는 에이전트로, 가까운 경로를 찾아 기동하거나 지휘∙통제기의 명령을 받아 기동을 수행한다. 통신 에이전트와 기동 에이전트는 본 연구의 무인무기체계들이 공통적으로 가지는 기능이다.

탐지 에이전트(Detect Agent)는 정찰을 수행하여 적의 위치 정보를 전달하는 에이전트로, 무인무기체계들은 탐지 후 가장 가까운 거리에 위치한 적군에 대한 정보를 지휘∙통제기에게 보낸다. 탐지 에이전트는 정찰을 통해 위치 정보를 보내고 나면 그 명령이 끝날 때까지 정찰 기능을 수행하지 않는다. UGV는 탐지 에이전트를 이용하여 앞에 장애물 유무에 따른 가시선 확보를 의미하는 LOS/NLOS(Line of Sight/None Line of Sight)를 판단한다. 이 때 LOS/NLOS 판단은 시뮬레이션 상에서의 판단으로, 지휘∙통제기에게 전달되지 않는다.

사격 에이전트(Shoot Agent)는 적군에게 피해를 입히기 위한 포탄 에이전트(Cannon Agent)를 발포하는 에이전트로, 사격 에이전트를 가진 무기체계는 상대 발견 시 먼저 발포하지 않고 지휘∙통제기에게 적 위치 정보를 보낸 후, 지휘∙통제기로부터 임무를 받으면 그 정보에 맞는 적을 향해 상대방에게 포탄 에이전트를 발사한다. 포탄 에이전트는 사격에이전트 에서 발포하는 대포와 같은 개념으로, 발포된 거리를 이용하여 상대에게 전투피해를 준다. 전투피해의 종류에는 3가지로, 기동이 불가능해 사격만 가능한 상태인 M-Kill(Maneuver-Kill), 사격이 불가능해 기동만 가능한 상태인 A-Kill(Attack-Kill), 마지막으로 기동과 사격이 불가능하여 하나의 무인무기체계가 사라진 상태인 T-Kill(Total-Kill)로 나눠진다.

다음으로 C2 에이전트(Command and Control Agent)는 기동 후 다른 무인무기체계의 탐지 에이전트를 이용하여 획득한 공격대상 정보를 이용하여 그에 관련된 사격 임무 및 추가 기동 명령을 내린다. 마지막으로 셀 에이전트(Cell Agent)는 Main에 있는 지도의 색깔의 진한 정도에 따라 고도를 결정하는 에이전트로, 앞의 장애물 유무에 따른 통신환경에 영향을 주는 역할을 수행한다.

유닛 에이전트는 앞서 언급한 무기체계에게 기능을 부여하는 각 서브 에이전트의 사용 여부 조합을 이용하여 각자에게 주어진 주요 임무를 수행하는 무인무기체계인 UGV, 전차, 지휘∙통제기에 대한 기능 정의와 아군이자 공격 팀인 블루 팀(Blue team)과 적군이며 방어역할을 하는 레드 팀(Red team)을 구분한다.

UGV의 경우, 정찰을 통한 공격 대상의 위치 파악이 주목적이기 때문에, 사격 에이전트와 C2 에이전트 기능은 사용하지 않는다. 전차는 명령을 내리는 C2 에이전트와 지형의 고도를 표현하는 셀 에이전트를 제외한 나머지 서브 에이전트를 이용한다. 전차는 탐지 에이전트를 통해 적의 위치 정보를 알아도 지휘∙통제기에게 적 위치에 따른 사격임무를 받기 전 까지는 스스로 사격을 수행하지 않는다. 본 연구에서는 아군과 적군의 전차 사이에서만 사격이 일어나며, 전투 피해 또한 전차에게만 적용된다. 마지막으로 지휘∙통제기는 임무 전달이 목적이기 때문에 탐지 에이전트와 사격 에이전트를 사용하지 않고 UGV와 전차로부터 얻은 적 위치 정보를 통해 전차에게 사격 명령을 내린다. 교전 후 시뮬레이션 내의 상태에 따라 교전상황이 종료되지 않으면 기동 명령 및 추가 사격과 같은 추가 동작 명령을 내린다.

Main은 전장 환경, 무인무기체계, 즉 유닛 에이전트의 생성, 배치, 이동 경로, 성능 설정을 가능하게 하는 에이전트로, 전장 환경에 있어서 셀 에이전트를 이용하여 장애물이 있는 상태인 고도를 표현한다. 또한 아군과 적군의 전투 후의 전투 피해 정도인 CDA(Combat Damage Assessment)를 그래프로 이용하여 <Figure 4>와 같이 시각적으로 보여준다.

본 연구에서 아군과 적군의 승패를 결정할 때 퍼센트 를 , (%) 이용하여 아군의 잔존 전투력을 의미하는 BSR과 적군의 잔존 전투력 비율인 RSR을 이용한다. BSR과 RSR의 계산 방법은 다음과 같다.

여기서 B_T와 R_T는 아군과 적군 간의 전투 남은 잔존 전투력을, B₀와 R₀는 아군과 적군의 초기 전투력을 의미한다. 본 연구에서 전차가 전투 피해를 줄 때 포탄 에이전트의 거리에 따른 명중률을 이용하여 M-kill, A-kill, T-kill이라는 세 가지 형태가 있다고 언급하였다. 이 때, BSR 감소를 위해서는 전차의 전투피해 상태가 무인무기체계가 사라지는 상태인 T-kill이 되어야 BSR 값이 감소한다.

패배를 결정하는 방법은 잔존전투력이 30% 이하가 되었을 때로, BSR 혹은 RSR 둘 중 하나가 30% 이하가 된 팀이 패배한 것으로 간주하고 전투는 종료된다. 그리고 잔존 전투력을 이용하여 전투효과를 파악하는데, 전투효과 파악 방법은 RSR이 30% 이하가 되었을 때 BSR을 확인한다. 이 때 BSR 값이 커질수록 무인무기체계 도입이 전투에 높은 승률을 가져온다고 볼 수 있다. 본 연구의 BSR 및 RSR 계산법은 Lee et al.(2015)의 방법을 사용하였다.

본 연구에서 패킷 개수를 조절하여 무인무기체계 간 통신을 수행할 때, <Figure 5>에 나와 있는 프로세스처럼 진행된다. 먼저 무인무기체계 간 통신 채널을 열기위해 Channel Open 구간에서 송신자인 TX(Transmitter)는 통신을 위한 송신 시도 메시지를 보내고, 수신자인 RX(Receiver)는 송신 시도 메시지를 받게 되면 이 사실을 알리는 수신에 성공했다는 사실을 알리는 메시지인 ACK(Acknowledgement) 메시지를 보낸다. 그 후, 송신자가 수신자로부터 ACK 메시지를 받으면 통신 채널이 열려 통신을 수행할 수 있는 상태가 된다.

전장 환경 및 명령과 같은 정보가 담긴 메시지를 보내는 구간인 MSG. Transmission에서는 Channel Open을 통해 메시지 송수신이 가능한 상태가 되면, TX에서 RX에게 전투 정보 및 명령이 담긴 메시지 한 개를 보낸다. 그 후, RX가 메시지를 받게 되면 해당 메시지를 받았다고 알리는 n 번 째 메시지의 ACK 메시지를 TX에게 보낸다. 여기까지의 과정이 한 개 패킷의 송신이 성공하는 경우이고, 만일 복합적인 메시지를 송신할 경우와 n+1 번 째 메시지가 있다면, n+1 번째 메시지를 보낼 준비를 하고, n+1 번째 메시지가 없다면 통신을 종료한다. 여기서 복합적인 메시지를 구성하는 n개 패킷 모두 송신되었다면 복합적인 메시지 전송은 성공한 것으로 판단한다.

메시지가 성공적으로 전송되었는지 여부는 수신자가 메시지 수신 후 송신자에게 ACK 메시지를 전송하는 것으로 파악할 수 있다. 송신자는 메시지 전송 후, 2초 이내에 ACK 메시지를 수신하는 경우 전송 성공으로 판단하며, 그렇지 않은 경우 최대 3회까지 메시지를 재전송하게 된다. 만일 여러 개의 메시지를 전송하는 과정에서는 하나의 메시지라도 전송이 실패하면 전체 메시지 전송이 실패한 것으로 판단한다.

본 연구에서는 무선 채널 모듈이라는 방법을 통해 사실적인 통신 과정을 모사하기 위해 거리, 송수신기의 성능, 다양한 함수 이론을 이용하여 통신 성공 확률을 도출한다. 무선 채널 모듈을 이용한 통신 성공 확률 도출 과정은 <Figure 6>와 같다.

TX와 RX의 상대적인 거리, 비교적 긴 움직임에 따라 수신호의 세기가 장기간을 거쳐 변하는 통신 환경인 Long-term Fading 채널 환경, 무인무기체계의 움직인 거리와 속력, 송수신기의 성능과 움직임에 따라 손실된 전파의 세기를 계산하는 Pathloss Model에 대입하여 손실된 전파 세기를 구한다. Pathloss Model은 교외 지형인 C1, 도시 지형인 농촌 지형인 이라는 세 가지 지형과 장애물에 C2, D1 유무에 따라 가시선 확보 여부를 의미하는 LOS/NLOS를 고려한 6가지 시나리오에 따라 Pathloss Model을 이용한다. 본 연구에서 사용하는 6가지 시나리오에 따른 Pathloss Model은 <Table 2>과 같다.

송수신기 간의 거리, 송수신기가 위치한 높이, 반송파 주파수를 고려하여 Pathloss Model을 통해 수신세기와 잡음세기를 도출한다. 도출된 수신세기와 잡음세기를 이용하여 수신세기 대 잡음비 값인 SNR(Signal to Noise Ratio)를 구한다. SNR에 대한 수식은 다음과 같다.

구해진 SNR 값은 패킷 당 통신 오류 발생 비율을 의미하는 PER(Packet Error Rate)에 대입하여 통신 성공 확률을 결정한다. 정해진 통신 성공 확률에 대해 1부터 100까지를 이용한 랜덤 함수를 시행하여 통신 성공 여부를 결정한다. PER 곡선은 사용되는 통신 장비와 송수신 환경 등과 같은 다양한 요소들에 의해 결정되는데, 본 연구에서는 실험의 간략화를 위해 백색잡음 상태에서의 PER 곡선(Yoo and Jang, 2009)을 이용하였다. 본 연구에서 수신세기와 잡음세기에 대해서는 교외 지역의 LOS 확보 상태에서의 잡음세기를 이용한다.

본 연구에서는 사실적인 전투 상황 모사를 위해 각 무인무기체계의 성능과 배치, 그리고 지형 환경에 대한 설정 수치가 존재한다. <Table 3>는 아군과 적군의 무인무기체계의 성능 및 배치된 수와 같은 수치를, <Figure 7>은 지형환경에 대해 나타낸다.

공격 대상에 대한 탐지 확률인 PoD(Probability of Detect)는 UGV와 전차 모두 같은 확률이고, 명중률인 PoH(Probability of Hit)는 사격이 가능한 전차만 사용한다. d는 아군과 적군 사이의 거리로, 단위는 m를 사용한다. 아군인 블루 팀과 적군인 레드 팀 모두 전차 대 지휘∙통제기 비율이 3 대 1임을 알 수 있는데, 이는 한 대의 지휘∙통제기가 3대의 전차에게 탐지 정보에 따른 명령을 내리기 때문이다. 레드 팀에게 UGV가 없는 이유는 방어 입장이기에 먼저 기동하지 않고 블루 팀의 무인무기체계를 탐지했을 때 움직임을 시작하기 때문이다. 본 연구의 시뮬레이션에서 사용한 전투 환경은 <Figure 7>과 같이 강원도 화천군 지역을 대상으로 하였고 LOS/NLOS 상황을 나타내기 위해 고도가 있는 Cell을 표기하였다.

본 연구는 높은 복잡도를 지닌 정보를 담는 패킷 개수에 따른 전투결과 분석 및 변화 추이를 파악하는 것으로, 1개의 패킷을 사용하는 경우와 개의 패킷을 사용하는 경우의 n 모델을 각각 1000회 시뮬레이션을 실행한 후 도출된 전투 결과 비율값인 BSR 평균값을 이용하여 2개의 평균을 이용한 비교 분석인 T 검정을 이용한다. 이를 통해 BSR이 유의한 차이를 보이며 감소하게 되는 특정 패킷 개수와 유의한 BSR 차이를 보이는 패킷 개수 사이에서 BSR 평균의 차이가 큰 특정 패킷 개수 분석을 통해 복잡도가 높은 메시지 전달 시 적합한 패킷 사용 개수를 파악한다. 본 연구는 아군의 패킷 개수에 따른 아군의 전투효과 파악이 주요 목적이기 때문에 적군의 패킷 개수는 1개로 고정한 상태에서 아군 패킷 개수만 조절한다.

무인무기체계로 구축된 전장에서 전투효과를 떨어트리지 않는 패킷 수를 구하기 위해 대조군에 해당하는 1개 패킷을 사용하는 모델에 대해 패킷 개수라는 영향을 고려하여 n개의 패킷 수를 사용하는 모델에 대해 대응 표본 T 검정을 이용한다. <Figure 8>는 대응 표본 T 검정을 이용했을 때 전투결과에 유효한 감소를 보이는 패킷 수 파악에 대한 과정이다.

패킷 1개를 사용하는 모델의 BSR 평균값과 패킷 n개를 사용하는 모델의 BSR 평균값에 대해 신뢰 수준 99%에서 평균 비교 대응 표본 T 검정을 실시한다. 대응 표본 T 검정 결과, 두 모델의 BSR 평균값에 대한 p값이 0.01이라면 통신 성공률이 전투 결과에 영향을 미칠 정도로 떨어진 것으로 판단하여, 전투 결과에 영향을 미치지 않게 하는 패킷 수인 n-1개가 전투에 적합한 최적의 패킷 수가 된다. T 검정을 통한 최적의 패킷 수 파악 외에도 패킷 수 변화에 의한 BSR 평균값을 이용하여 패킷 수 증가에 따른 통신 성공률 변화 추이를 파악한다. 본 연구에서는 20개까지의 패킷 수까지 실험하였으며, 사용한 통계 프로그램은 SPSS 및 Excel을 이용하였다.

패킷 개를 사용하는 모델과 패킷 개부터 패킷 개까지 1 2 20 사용하는 모델 간의 대응 표본 T 검정을 신뢰 수준 99%에서 실시하였다. <Figure 9>은 패킷 1개를 사용하는 경우부터 20개를 사용하는 경우의 BSR 평균값의 대응 표본 T 검정결과를 보여준다. 이에 따르면 1개 패킷을 사용했을 때와 2개 패킷을 사용했을 때의 BSR 평균값에 대한 T 검정결과, 신뢰수준 99%에서 두 경우의 차이가 2.5433% 만큼 차이가 나고 p값이 0.000으로 매우 유의한 차이를 보인다. 패킷 개수가 늘어남에 따라 패킷 1개를 사용하는 경우와의 BSR 평균값 차이는 패킷 2개를 사용한 경우의 BSR 평균값 차이보다 증가하고 있음을 알 수 있다. 이는 무인무기체계가 투입된 전투 환경에서 패킷 2개를 사용하는 경우 패킷 1개를 사용한 경우보다 BSR 평균값이 2.5433%만큼 전투효과에 영향을 미칠 정도로 감소되었고 패킷을 늘릴수록 패킷 1개를 사용하는 경우와의 BSR 평균값 차이가 2.5433%보다 더 크기 때문에 패킷의 개수가 많아질수록 전투효과는 더 악화된다. 즉, 전투효과를 최대화하기 위한 최적의 패킷 개수는 1개라고 판단할 수 있다.

패킷 수의 변화에 따른 BSR 평균값 변화의 추이는 <Figure 10>과 같이 계속해서 하락하는 모습을 보인다. 패킷 수에 따른 BSR 평균값은 다음과 같이 분석할 수 있다. 패킷 1개를 사용하였을 때 BSR 평균값 69.2267%는 패킷 2개를 사용하였을 때 BSR 평균값인 66.6833%보다 약간 높다는 것을 알 수 있다. 즉 패킷 수가 늘어날수록 BSR 평균값은 점점 더 감소하는 추세를 보인다. 통신에 사용되는 패킷의 숫자가 늘어날수록 전투효과에는 부정적인 영향을 미치는 것을 알 수 있다. 패킷 수 변화에 따른 BSR 평균값 변화에서 특이한 점은 1개 패킷을 사용하는 경우에서 10개 패킷을 사용하는 경우까지의 BSR 평균값은 크게 감소하다가 그 이후부터는 패킷 수가 증가하면 증가할수록 완만하게 감소하는 것을 알 수 있다. 또한, 10개 이후부터는 패킷 수 증가에 따른 BSR 평균값은 상승과 하락을 반복하는 상황을 볼 수 있다.

BSR 평균값이 미세한 차이로 상승과 하락을 반복하는 구간에 대해 유의한 차이가 존재하는지를 파악하기 위해 <Figure 11>과 같이 특정 패킷 개수와 1개 차이가 나는 패킷 개수에 대해 대응 표본 T 검정을 실행하였다.

패킷 개수가 1개씩 차이나는 패킷 개수들에 대해 T 검정을 수행한 결과, 패킷 8개부터 20개를 사용하는 경우, 자신들의 패킷 개수보다 1개 더 많은 패킷 개수에 대해 T 검정을 수행했을 때, 신뢰수준 99%에서 p값이 0.01 이상이므로 유의한 차이를 보이지 않는 것을 알 수 있다. 즉, 패킷 개수에 따라 유의한 차이를 보이며 BSR 평균값이 낮아지는 범위는 패킷 2개부터 패킷 8개로 패킷 수를 늘릴 때임을 알 수 있다. 이를 통해 통신을 위해 패킷 8개 이상을 사용하는 경우 BSR 값은 평균적으로 약 58%로 유지된다는 것을 알 수 있다.

패킷 개수에 따른 BSR 평균값 변화를 통해 아군의 전차의 손실을 대략적으로 알아낼 수 있다. 잔존 전투력은 남은 전차의 수를 의미하기 때문에 B_Tn을 미지수로 하여 나온 전차 대수 파악을 위한 수식은 다음과 같다.

B_Tn은 전투 후 남은 전차의 수를 의미한다 이 수식을 이용하여 . 패킷 개수에 따른 남은 전차 개수를 파악할 수 있다. 본 연구에서는 초기에 전차 30대를 이용했으므로 B₀에는 30을, BSR에는 특정 패킷 수를 사용한 경우에 나온 BSR 평균값을 대입한다. 이를 이용하여 나온 잔존 전차의 수치는 <Table 4>에 나와 있다. 본 연구의 전차 손실 시점에 있어서, 패킷 1개와 패킷 2개를 사용한 경우에는 전차 피해의 정도가 차이가 없다. 이러한 결과가 나온 이유는 본 연구에서 남은 전차의 정의는 M-kill과 A-kill과 같은 부분적인 전투 피해를 입지 않은 전차로 한정하였기 때문에, B_Tn 계산을 통해 나온 소수점 부분을 무시했기 때문이다. 즉, 패킷 1개와 패킷 2개를 사용한 경우에는 전차 손실 관점에는 같은 피해 정도를 입는 것을 알 수 있다. 패킷 3개와 패킷 4개까지는 한 개 패킷이 늘어가면서 생존한 전차의 대수가 19대, 18대처럼 한 대씩 감소한다. 그리고 패킷 7개를 사용했을 때 17대로 줄어들고 그 후 패킷 20개를 사용한 경우에도 생존 전차의 수는 17대 임을 알 수 있다. 다시 말해 패킷 4개부터 6개까지는 전차 12대가 파괴되는 피해를 입고, 7개부터 그 이상은 13대가 파괴되는 피해를 입는다. 즉, 패킷 7개부터 20개까지는 패킷 수를 늘려도 파괴되는 전차의 수에는 영향이 없음을 알 수 있다.