• 한국항해항만학회지
• /
• 제45권6호
• /
• pp.284-297
• /
• 2021

본 연구에서는 선박의 운항 데이터를 기반으로 조종성능을 모사할 수 있는 단순 운동학 모델을 제안하였다. 수평면 3자유도 각 방향의 속도 성분을 1차 미분방정식의 해 형태의 단순모델로 두고, 계수에 대한 운항데이터 학습을 수행하였다. 실제 선박의 충분한 운항 데이터의 확보는 어렵거나 제한적이므로, 본 연구에서는 실 운항 데이터 대신 공개된 동역학 모델을 활용하여 임의의 제어입력에 대한 시뮬레이션 결과를 얻고, 이를 운항데이터 학습에 활용하였다. 제어입력인 프로펠러 회전수 및 타각을 임의로 부가하여 동역학 시뮬레이션을 수행하고 각 속도 성분 출력을 얻었다. 충분한 시간 동안 동역학 시뮬레이션의 제어 입력과 속도 출력을 학습하여 각 제어 입력에 대한 운동학 모델 내 계수인 시정수 3개, 수렴속도성분 3개의 분포를 도출하였다. 추가로 임의의 제어 입력에 의한 선회 시뮬레이션 결과들과 비교함으로써 단순 운동학 모델의 성능을 검증하였다. 도출된 시정수들의 분포에는 다소 분산이 있으며, 제어 입력 이외의 관련 변수를 더 추가하여 정확도를 높이는 추후 연구가 필요하다.

• 한국항해항만학회지
• /
• 제43권6호
• /
• pp.335-343
• /
• 2019

최근 선박의 배기가스 규제가 강화되면서 연료소비량을 저감하기 위한 많은 방안들이 검토되고 있다. 그중에서도 선박으로부터 수집한 데이터를 활용하여 연료소모량을 예측하는 기계학습 모델을 개발하고자 하는 연구가 활발히 수행되고 있다. 하지만 많은 연구들이 학습모델의 주요 변수 선정이나 수집데이터의 처리 방법에 대한 고려가 미흡하였으며, 무분별한 데이터의 활용은 변수 간의 다중공선성 문제를 야기할 수도 있다. 본 연구에서는 이러한 문제점을 해결하기 위하여 주성분 분석을 이용하여 선박의 연료소비를 예측하는 방법을 제시하였다. 13K TEU 컨테이너 선박의 운항데이터에 주성분 분석을 수행하였으며, 추출한 주성분으로 회귀분석을 수행하여 연료소비 예측모델을 구현하였다. 평가용 데이터에 대한 모델의 설명력은 82.99%이었으며, 이러한 예측모델은 항해 계획 수립 시 운항자의 의사결정을 지원하고 항해 중 에너지 효율적인 운항상태 모니터링에 기여할 수 있을 것으로 기대된다.

• 한국항해항만학회지
• /
• 제47권6호
• /
• pp.358-366
• /
• 2023

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.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2020년도 추계학술대회
• /
• pp.52-53
• /
• 2020

자율운항선박의 효과적인 운영을 위해서는 자선 주변 해상 환경의 장애물 및 자선, 타선에 대한 통합적인 상황인식 정보가 요구된다. 상황인식은 현재의 시점에서 관측되는 정보를 바탕으로 운항 해역에 대한 종합적인 인식과 함께 가까운 미래에서 발생할 수 있는 위험 상황 및 비정상 상황에 대한 추론까지를 포함한다. 본 연구에서는 이러한 자율운항선박의 원격 상황인식을 위한 기초연구로써, 선박자동식별시스템 AIS의 항적 정보 분석에 대한 내용을 수행한다. AIS에서 얻어지는 항적 정보를 이용한 해상 상황인식을 수행하기 위한 전처리 과정으로써, 손실 데이터에 대한 보간 방법에 대한 연구를 수행한다. 구체적인 방법론은, 추적필터를 이용한 보간 방법과 항적 정보 학습 기반의 보간 방법을 적용하였으며, AIS에서 얻어지는 실제 항적 데이터를 이용하여 초기 결과를 검증하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.73-75
• /
• 2022

본 논문에서는 자율운항선박의 예측 가능한 운항 경로 상에 잠재된 비상상황을 인식하기 위하여 운항 해역의 항적 정보를 활용한 방안과 이를 기반으로 충돌 위험과 같은 비상위험을 식별하는 프레임워크를 설계하였다. 설계한 프레임워크는 크게 항적 특성 분석 모듈, 항로예측 모듈, 위험 식별 모듈로 구성된다. 항적 특성 분석 모듈에서는 자율운항선박의 운항 해역에 관한 선박들의 항적 정보를 활용하기 위하여, 대상 VTS 관제 영역 내에서 취합된 누적 선박자동식별장치(AIS) 데이터를 이용하여 선박의 항적 특성을 분석하여 데이터베이스(DB)를 생성하였다. 그리고 운항 경로 예측 모듈에서는 누적된 항적 정보와 자율운항선박의 현재 운항 정보를 기반으로 특정 시간 동안의 운항 경로를 예측하기 위한 학습 네트워크 모델을 구성하였다. 마지막으로, 위험 식별 모듈에서는 예측한 운항 경로 상에 최근접점과 최근접점 거리 정보를 이용하여 충돌 위험 가능성이 있는 충돌위험영역을 식별하였다. 설계한 프레임워크는 자율운항선박의 육상 관제소에서 원격 제어를 통해 위험상황을 인지하고 회피할 수 있는 정보를 제공할 수 있음을 실제 항적 데이터를 활용하여 그 결과를 검증하였다.

• 해양환경안전학회지
• /
• 제29권6호
• /
• pp.681-687
• /
• 2023

최적 운항자세 선정 기술이란 주어진 운항 배수량과 운항 선속에서 최소의 저항을 가지는 즉, 최적의 연료 소비 효율을 가지는 초기 선수흘수와 선미흘수를 제시하는 것이다. 본 논문의 주 목적은 대상선박의 유효동력 데이터를 기반으로 주어진 운항조건에서 최대의 에너지효율을 가지는 최적의 운항자세를 선정하는 프로그램 개발하는 것이다. 본 프로그램은 인공지능 기법에 의한 파이썬 기반 GUI(Graphical User Interface)로 작성되어 선주가 쉽게 사용할 수 있도록 하였다. 그 과정에 있어 대상 선박 소개, 전산유체역학(CFD)을 통한 유효동력 데이터 수집, 심층학습을 사용한 유효동력 모델 학습 방법 그리고 심층신경망(DNN) 모델을 응용한 최적 운항자세 제시 프로그램을 구체적으로 설명하였다. 선박은 운항 별로 화물을 싣고 내리게 되고, 이에 화물 적재량이 변화되고 배수량이 변경된다. 선주는 배수량 별 예상 선속에 따라 최소저항을 가지는 즉, 최대의 에너지효율을 가지는 최적의 운항자세를 알고자 한다. 개발된 GUI는 해당선박의 태블릿 PC와 앱에 설치하여 최적 운항자세 선정에 활용 가능하다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1114-1115
• /
• 2023

이 논문은 해양 안전 및 보트 운항 훈련을 위한 소형선박 시뮬레이터의 개발을 다룬다. 시뮬레이터는 자유 운항, 시험 모드 운항, 초급자 훈련 모드 운항 등 다양한 기능을 제공하며, 사용자의 실력과 선호도에 따라 맞춤 교육을 제공한다. 이를 통해 보트 운항의 안전성을 향상시키고, 비용 효율적인 방법으로 많은 사용자들에게 접근 가능한 학습 도구를 제공한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2019년도 춘계학술대회
• /
• pp.87-88
• /
• 2019

자율운항선박 개념이 등장함에 따라 이를 관제하는 해상교통관제에도 선박 변화에 따른 대응이 필요하다. 본 연구의 목적은 인공지능의 한 분야인 기계학습을 통해 해상교통관제사가 교통 관리를 위해 선박에게 교신을 시작하는 시점을 일반화하는 것이다. 이를 위해 부산 북항의 7일간 교신 시작 시점 데이터를 이용해 알고리즘을 개발했다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• 해양환경안전학회지
• /
• 제27권7호
• /
• pp.1044-1050
• /
• 2021

우리나라는 여러 건의 여객선 사고를 겪으면서, 여객선 안전관리를 위해 다양한 제도를 운영하고 있다. 2021년 기준 우리나라 연안을 운항하는 여객선 162척 중, 차량갑판이 개방된 형태의 차도선이 105척(65 %)을 차지하고 있다. 차도선은 2~4개의 섬을 경유하는 운항 패턴을 가지고 있다. 출항지(모항)에서 안전점검은 선원과 운항관리실의 운항감독관, 해사안전감독관에 의해 실시된다. 경유지에서의 안전점검은 자체점검이 실시되는 경우가 있다. 여느 제도와 마찬가지로 제도적, 현실적 한계 등이 있다. 이를 위해 영상처리기법을 활용하여 차량을 검출하고 이를 선박 복원성 계산과 연동하는 방안을 제안하고자 본 연구를 수행하였다. 차량 검출을 위해 차영상을 이용하는 방법과 기계학습을 이용하는 방법을 사용하였다. 검출된 데이터를 선박 복원성 계산에 활용하였다. 기계학습을 통해 차량을 검출하는 경우, 차영상에 의한 차량 검출 방법보다 차량 식별에 안정적임을 알 수 있었다. 다만, 카메라가 일몰과 같은 상황에서 역광을 받는 경우와 야간과 같은 상황에서 부두와 선박 내부의 강한 조명에 의해 차량이 식별되지 않는 한계가 있었다. 안정적인 영상처리를 위해 충분한 영상 데이터 확보와 프로그램 고도화가 필요해 보인다.