• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2015.07a
• /
• pp.310-311
• /
• 2015

Ships' tracking data are being monitored and collected by vessel traffic service center in real time. In this paper, we intend to contribute to vessel traffic service operators' decision making through extracting ships' tracking patterns and models based on these data. Support Vector Machine algorithm was used for vessel track modeling to handle and process the data sets and k-fold cross validation was used to select the proper parameters. Proposed data processing methods could support vessel traffic service operators' decision making on case of anomaly detection, calculation ships' dead reckoning positions and etc.

• Journal of Navigation and Port Research
• /
• v.46 no.6
• /
• pp.576-584
• /
• 2022

AIS is widely utilized in vessel traffic services for marine traffic safety. In 2021, Korea deployed the high-speed maritime wireless communication system (LTE-Maritime) on the sea following IMO's proposal for the introduction of e-Navigation. In this paper, vessel trajectory data from AIS and LTE-Maritime were used for vessel trajectory prediction to compare and analyze the two systems. The results show that the trajectory prediction error of LTE-Maritime was smaller than that of AIS due to the granular and uniform data provided by LTE-Maritime. Additionally, it was revealed that time interval is the most important factor influencing the errors in trajectory prediction, with the prediction error of LTE-Maritime growing at a slower rate of 17% than AIS. This research contributes to the literature by quantitatively comparing AIS and LTE-Maritime systems for the first time.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.344-346
• /
• 2022

최근 자율운항기술개발이 활발하게 이루어짐에 따라 자율운항선 실증이 증가하고 있으며, 또한 자율운항선의 효율적 운용 특히 운항의 안전성을 위해 입출항 시기의 적절성 또한 중요해지고 있다. 이에 해상교통혼잡도를 예측하고자 하였고, AIS 빅데이터를 통해 선박별항적을 분석 및 분류하고자 하였다. 장기적 관점에서 PORT-MIS 선박입출항현황 데이터(호출번호, 입항일시, 출항일시, 전출항지, 차항지, 계선지)를 과거 AIS 빅데이터와 연결시켜 과거 항적 중 가장 가까운 항적을 찾고자 하였다. 그리고 당시 소요 시간을 반영하여 12개의 시간대별로 어느 시점에 어느 위치 구간에 선박들이 놓이게 될지 예측하였고, 특히 입출항 시기의 적절성에 핵심이 되는 13개로 모델링된 영역에 몇 개의 선박들이 항로를 지나는지에 따라 혼잡도(원활, 혼잡, 정체)를 구분하였다. 또한, 본 연구에서는 단기적 관점에서 실제 AIS가 수신된 후에도 유사한 항적을 검사해가며 혼잡도를 예측하고자 하였고, 이러한 장단기적 혼잡도 예측을 통해 미래 자율운항선입출항 지원 서비스의 안전과 그 적절성을 제공하고자 하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.6
• /
• pp.1195-1202
• /
• 2016

Recently, a lot of studies that applying the big data technology to various fields, are progressing actively. In the maritime domain, the big data is the meaningful information which makes and gathers by the navigation and communication equipment from the many ships on the ocean. Also, importance of the maritime safety is emphasized, because maritime accidents are rising with increasing of maritime traffic. To support prevention of maritime accidents, in this paper, we developed a vessel traffic display and statistic system based on AIS messages from the many vessels of maritime. Also, to verify the developed system, we conducted tests for vessel track display function and vessel traffic statistic function based on two test scenarios. Therefore, we verified the effectiveness of the developed system for vessel tracks display, abnormal navigation patterns, checking failure of AIS equipments and maritime traffic statistic analyses.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.33-34
• /
• 2019

대부분의 나라에서는 어선의 위치발신장치를 이용하여 어선 조업상황을 모니터링 한다. 우리나라도 어선의 위치발신장치를 이용하여 어선 조업량, 불법조업 유무를 판별한다. 현재까지는 어선의 불법조업 유무 판별은 어선의 위치정보 기반으로 이루어 졌으나, 허가받지 않는 어구를 사용하는 불법조업에 대한 판별은 불가능 하였다. 이에 본 논문에서는 어선 항적과 조업면허 데이터를 이용하여 데이터 기반의 어선 조업 판별모델을 개발하고자 한다. 이를 위해 어선 항적데이터를 시계열 단위로 전처리하여 학습 이미지들을 생성하고, 해당 어선의 조업면허 정보를 레이블로 하여 학습 데이터를 제안하는 딥러닝 모델에 적용한다. 제안하는 방법의 검증을 위해 1년 동안 제주 주변해역에서 조업하는 어선의 선박자동식별장치의 항적데이터를 수집하여 실험을 하였다. 실험 결과 제안한 방법의 분류정확도는 71.5%를 얻었다.

• Journal of Navigation and Port Research
• /
• v.47 no.6
• /
• pp.367-375
• /
• 2023

This study developed a new distance metric for vessel trajectories, applicable to marine traffic control services in the Korean coastal waters. The proposed metric is designed through the weighted summation of the traditional Hausdorff distance, which measures the similarity between spatiotemporal data and incorporates the differences in the average Speed Over Ground (SOG) and the variance in Course Over Ground (COG) between two trajectories. To validate the effectiveness of this new metric, a comparative analysis was conducted using the actual Automatic Identification System (AIS) trajectory data, in conjunction with an agglomerative clustering algorithm. Data visualizations were used to confirm that the results of trajectory clustering, with the new metric, reflect geographical distances and the distribution of vessel behavioral characteristics more accurately, than conventional metrics such as the Hausdorff distance and Dynamic Time Warping distance. Quantitatively, based on the Davies-Bouldin index, the clustering results were found to be superior or comparable and demonstrated exceptional efficiency in computational distance calculation.

• Journal of Navigation and Port Research
• /
• v.42 no.4
• /
• pp.277-282
• /
• 2018

Recently, the Vessel Traffic Service (VTS) coverage has expanded to include coastal areas following the increased attention on vessel traffic safety. However, it has increased the workload on the VTS operators. In some cases, when the traffic volume increases sharply during the rush hour, the VTS operator may not be aware of the risks. Therefore, in this paper, we proposed a new method to recognize ship movement anomalies automatically to support the VTS operator's decision-making. The proposed method generated traffic pattern model without any category information using the unsupervised learning algorithm.. The anomaly score can be calculated by classification and comparison of the trained model. Finally, we reviewed the experimental results using a ship-handling simulator and the actual trajectory data to verify the feasibility of the proposed method.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2020.11a
• /
• pp.175-176
• /
• 2020

시뮬레이션 기반의 해상교통 분석 방법은 대상 항만의 항적 데이터를 이용하여 교통 특성 모델을 구축하고, 이를 통해 해상교통 현상을 재현함으로써 분석을 수행하는 방법이다. 교통 특성 모델은 교통 현상을 수치적으로 표현한 일반화 된 모형을 말하며, 모델링 작업에 많은 시간과 노력이 소요된다. 본 논문에서는 해상 교통 특성을 생성하기 위한 자동화 된 프로세스를 제안하며, 실제 목포항의 항적 데이터에 적용하여 교통특성 정보 생성 방법으로서의 활용 가능성을 검토하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.133-134
• /
• 2022

본 논문에서는 자율운항선박의 육상 관제 및 원격제어를 위해, 자율운항선박의 비상상황인식 기술 개발에 대한 기초연구를 수행한다. 자율운항선박 주변의 타선들의 이동 경로를 예측하고 이에 따라 자선의 이동경로와 비교하여, 충돌위험 영역을 식별함으로써 비상상황 인식이 가능하도록 한다. 먼저, 타선의 이동경로 예측을 위해서는 선박자동식별시스템 AIS 정보를 바탕으로, 해당 해역에서의 통항패턴을 분석하고 이를 기반으로 타선의 특정 시간 동안의 이동 경로를 예측한다. 예측된 타선의 이동경로와 함께 자선의 이동경로를 비교 분석함으로, 최근 접점 및 최근접점 거리 정보 기반의 충돌위험영역을 식별한다. 식별된 충돌위험영역의 위험도에 따라 육상 관제센터에서는 원격 제어를 통한 위험상황 회피가 가능하도록 활용할 수 있다. 제안된 방법은 AIS에서 얻어지는 실제 항적 데이터를 이용하여 초기 결과를 검증하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.208-209
• /
• 2023

Intelligent maritime traffic information service for maritime traffic safety operates a service that provides safe and efficient optimal safety routes considering information such as water depth, maritime safety law, weather information, and fuel consumption. However, from a service user's point of view, they prefer a route that suits their personal navigation experience and style, such as unnecessary detours and conservative safety distances for maritime objects. In this study, the optimal safety route can be extracted based on the experience of service users without reflecting the separate maritime environment by adjusting the weight of the trunk line for the area where the ship frequently navigates with the ship's track data collected through LTE-M model was studied.