The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the Applicability of Safety Performance Indicators using the Density-Based Ship Domain

밀도기반 선박 도메인을 이용한 안전 성능 지표 활용성 연구

  • 한영재 (부산대학교 산업공학과 산업데이터공학융합전공) ;
  • 심성현 (동의대학교 산업경영빅데이터공학과) ;
  • 배혜림 (부산대학교 산업공학과 산업데이터공학융합전공)
  • Received : 2022.05.16
  • Accepted : 2022.06.15
  • Published : 2022.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Various efforts are needed to prevent accidents because ship collisions can cause various negative situations such as economic losses and casualties. Therefore, research to prevent accidents is being actively conducted, and in this study, new leading indicators for preventing ship collision accidents is proposed. In previous studies, the risk of collision was expressed in consideration of the distance between ships in a specific sea area, but there is a disadvantage that a new model needs to be developed to apply this to other sea areas. In this study, the density-based ship domain DESD (Density-based Empirical Ship Domain) including the environment and operating characteristics of the sea area was defined using AIS (Automatic Identification System) data, which is ship operation information. Deep clustering is applied to two-dimensional DESDs created for each sea area to cluster the seas with similar operating environments. Through the analysis of the relationship between clustered sea areas and ship collision accidents, it was statistically tested that the occurrence of accidents varies by characteristic of each sea area, and it was proved that DESD can be used as a leading indicator of accidents.

선박 충돌 사고는 경제적 손실, 인명피해 등 다양한 부정적 상황을 초래할 수 있기 때문에 사고를 예방하기 위한 다각적인 노력이 필요하다. 따라서 사고 예방을 위한 연구가 활발히 이루어고 있으며, 본 연구에서는 선박 충돌 사고 예방을 위한 새로운 선행 지표를 제안한다. 기존 연구에서는 특정 해역에서 선박들간의 거리를 고려하여 충돌위험을 표현하였지만 이를 다른 해역에 적용하기 위해서는 모델을 새로 개발해야하는 단점이 존재한다. 본 연구에서는 선박 운항 정보인 AIS(Automatic Identification System) 데이터를 활용하여 해역의 환경과 운항의 특징을 포함한 밀도기반 선박 도메인 DESD(Density based Empirical Ship Domain)을 정의하였다. 각 해역별로 만들어진 2차원의 DESD를 대상으로 Deep Clustering을 적용하여 유사한 운항 환경을 가진 해역들을 군집화 한다. 군집화된 해역과 선박 충돌 사고의 연관성 분석을 통해 해역의 특징별로 사고의 발생여부가 달라짐을 통계적으로 검정하여 DESD가 사고의 선행 지표로서 활용될 수 있음을 증명하였다.

Keywords

Acknowledgement

이 논문(혹은 프로젝트, 연구)은 2022년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2020R1A2C1102294).

References

  1. Wang, Y. H., Ou, Y., Deng, X. D., Zhao, L. R., & Zhang, C. Y. (2019, June). The Ship Collision Accidents Based on Logistic Regression and Big Data. In 2019 Chinese Control And Decision Conference (CCDC) (pp. 4438-4440). IEEE. 
  2. Z.J. Liu and Z.L. Wu, "Human factor data mining based on ship collision accident investigation report [J]", China Navigation, vol. 2, no. 59, pp. 1-6, 2004. 
  3. Li, G., Weng, J., & Hou, Z. (2021). Impact analysis of external factors on human errors using the ARBN method based on small-sample ship collision records. Ocean Engineering, 236, 109533. 
  4. 김상수, 정재용, 하원재, 송두현, & 박진수. (2000). 선박충돌 사고의 원인 조사 및 분석방법에 관한 연구'. 한국해양항만학회지, 24(1). 
  5. Fujii, Y., & Tanaka, K. (1971). Traffic Capacity. Journal of Navigation, 24(4), 543-552. doi:10.1017/S0373463300022384 
  6. Hansen, M., Jensen, T., Lehn-Schioler, T., Melchild, K., Rasmussen, F., & Ennemark, F. (2013). Empirical Ship Domain based on AIS Data. Journal of Navigation, 66(6), 931-940. doi:10.1017/S0373463313000489 
  7. Zhang, L., & Meng, Q. (2019). Probabilistic ship domain with applications to ship collision risk assessment. Ocean Engineering, 186, 106130. 
  8. Chen, M., Shi, X., Zhang, Y., Wu, D., & Guizani, M. (2017). Deep feature learning for medical image analysis with convolutional autoencoder neural network. IEEE Transactions on Big Data, 7(4), 750-758. 
  9. Albawi, S., Mohammed, T. A., & Al-Zawi, S. (2017, August). Understanding of a convolutional neural network. In 2017 international conference on engineering and technology (ICET) (pp. 1-6). Ieee. 
  10. 허명회, & 이용구. (2004). K-평균 군집화의 재현성 평가 및 옹용. 
  11. Xiao, F., Ligteringen, H., Van Gulijk, C., & Ale, B. (2015). Comparison study on AIS data of ship traffic behavior. Ocean Engineering, 95, 84-93.  https://doi.org/10.1016/j.oceaneng.2014.11.020
  12. Choo, H. S., & Kim, D. S. (2013). Tide and Tidal Currents Around the Archipelago on the Southwestern Waters of the South Sea, Korea. Journal of the Korean Society of Marine Environment & Safety, 19(6), 582-596. https://doi.org/10.7837/kosomes.2013.19.6.582