Journal of Navigation and Port Research (한국항해항만학회지)

Korean Institute of Navigation and Port Research (한국항해항만학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on the User-Based Small Fishing Boat Collision Alarm Classification Model Using Semi-supervised Learning

준지도 학습을 활용한 사용자 기반 소형 어선 충돌 경보 분류모델에대한 연구

  • Received : 2023.11.17
  • Accepted : 2023.12.15
  • Published : 2023.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

This study aimed to provide a solution for improving ship collision alert of the 'accident vulnerable ship monitoring service' among the 'intelligent marine traffic information system' services of the Ministry of Oceans and Fisheries. The current ship collision alert uses a supervised learning (SL) model with survey labels based on large ship-oriented data and its operators. Consequently, the small ship data and the operator's opinion are not reflected in the current collision-supervised learning model, and the effect is insufficient because the alarm is provided from a longer distance than the small ship operator feels. In addition, the supervised learning (SL) method requires a large number of labeled data, and the labeling process requires a lot of resources and time. To overcome these limitations, in this paper, the classification model of collision alerts for small ships using unlabeled data with the semi-supervised learning (SSL) algorithms (Label Propagation and TabNet) was studied. Results of real-time experiments on small ship operators using the classification model of collision alerts showed that the satisfaction of operators increased.

본 연구는 해양수산부의 '지능형 해상교통정보시스템' 서비스 중 '사고취약선박 모니터링 서비스'의 선박 충돌 경보를 개선하기 위한 것으로, 현재의 선박 충돌 경보는 대형 선박 위주의 데이터와 그 운항자에 기반한 설문조사 레이블을 가지고 지도 학습(SL)한 모델을 사용하고 있다. 이로 인해, 소형선박 데이터 및 운항자의 의견이 현재 충돌 지도학습 모델에 반영되지 않아, 소형선박 운항자가 느끼는 체감보다 먼 거리에서 경보가 제공되기 때문에 그 효과가 미비하다. 또한, 지도학습(SL) 방법은 레이블링 된 다수의 데이터가 필요하지만, 레이블링 과정에서 많은 자원과 시간이 필요하다. 본 논문은 이러한 한계를 극복하기 위해 준지도학습(SSL)의 알고리즘인 Label Propagation과 TabNet을 사용하여 레이블이 결정되지 않은 데이터를 활용하여 소형선박을 위한 충돌 경보의 분류 모델을 연구하였다. 충돌 경보의 분류 모델을 활용하여 소형선박 운항자를 대상으로 실해역 시험을 수행한 결과 운항자의 만족도가 증가하는 결과를 확인하였다.

Keywords

Acknowledgement

이 논문은 2023년도 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구임(20210645, 지능형해상교통정보 서비스 기반의 해상디지털 정보활용 기술개발).

References

  1. Baek, J. H., Cho, D. J. and Lim, K. H.(2022), "Design of Data Pipeline for Linkage the Intelligent Maritime Transport Information System", J. Navig. Port Res, Vol. 2022, No. 1, pp. 315-316.
  2. Lee, J. H., Baek, S. B. and Lee, J. H.(2022), "ECS-based intelligent marine traffic information service usability and effectiveness assessment tool and method study", J. Navig. Port Res, Vol. 2022, No. 1, pp. 310-312.
  3. Ma, J., Jia, C., Yang, X., Cheng, X., Li, W. and Zhang, C.(2020), "A Data-Driven Approach for Collision Risk Early Warning in Vessel Encounter Situations Using Attention-BiLSTM", in IEEE Access, Vol. 8, pp. 188771-188783. https://doi.org/10.1109/ACCESS.2020.3031722
  4. Ministry of Oceans and Fisheries(2023)," Implementation Plan for Intelligent Maritime Traffic Information Service", pp. 3-5., https://www.mof.go.kr/
  5. Olivier, D., Yoshua, B. and Nicolas, L. R.(2005), "Efficient Non-Parametric Function Induction in Semi-Supervised Learning", Proceedings of the Tenth International Workshop on AISTAT 2005, pp. 96-103.
  6. Park, M. J., Park, Y. S., Lee, M. K., Kim, D. W. and Kim, N. E.(2021), "A Study on the Improvement of Collision Prevention Algorithm for Small Vessel Based on User Opinion", Journal of the Korean Society of Marine Environment and Safety, Vol. 27, No. 2, pp. 238-246. https://doi.org/10.7837/kosomes.2021.27.2.238
  7. Seok, H. J., Sim, S., Woo, J. H., Cho, J. R., Cho, D. J., Baek, J. H. and Jung, J.(2023), "A Study on the Prediction of Ship Collision Based on Semi-Supervised Learning", J. Navig. Port Res, Vol. 2023, No. 1, pp. 204-205.
  8. Sercan O. Arik. and Tomas P.(2021), "TabNet: Attentive Interpretable Tabular Learning", The 35th AAAI Conference on Artificial Intelligence, Vol. 35, No. 8, pp. 6679-6687.
  9. Yang, Y. H.(2021), "A Study on the Development of Ship Collision Risk Informed Classification Model for Using Logistic Regression", Mokpo National Maritime University, Department of Maritime Transportation System, PhD Dissertation.
  10. Yang, Y. H. and Oh, S. W.(2016), "Implementation of core technology korean e-Navigation service for the prevention of maritime accidents", The Korean Association of Maritime Police Science, Vol. 6 No. 2, pp. 63-76.
  11. Yoshua, B., Olivier, D. and Nicolas, L. R.(2006), "In Semi-Supervised Learning", MIT Press, pp. 193-216.