• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.224-226
• /
• 2022

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2021.11a
• /
• pp.54-56
• /
• 2021

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• 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.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2019.05a
• /
• pp.179-181
• /
• 2019

천진항 폭발사고 이후 우리나라 항만의 위험물 취급실태를 분석하고 개선방은 제시하기 위해 천진항 폭발사고의 유의점, 우리나라 항만위험물 취급현황, 우리나라 항만위험물 취급 문제점을 분석하고, 이에 대한 개선방안을 제시한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2015.07a
• /
• pp.331-332
• /
• 2015

항만운영전산망(PortMIS)은 항만 내 선박 입출항, 투묘, 양묘, 이동 등 모든 항만운영관련 사항들이 포함된 정보망이다. 하지만 아직까지 VTS등에서 PortMIS 통계자료 활용이 부족한 실정이다. 이에 본 발표는 PortMIS 통계현황을 분석하고, PortMIS 관제대장 분석을 통해 해상교통안전분야에 활용 가능한 통계분석방법에 대해 제안하고자 한다. 관제대장을 활용하여 제안되는 기능은 시간별, 선박별, 항로 통항량 산출 및 예측기능이다.

• Journal of Navigation and Port Research
• /
• v.31 no.6
• /
• pp.447-454
• /
• 2007

To assess the port development and maritime traffic environment, the future traffic volume has been estimated using the number of inbound and outbound vessel for a specific port. The estimation of future traffic volume should be considered as an important factor to establish the degree of fairway congestion, the determination of fairway width and the operational role. Until now, the number of in and out vessel for the port has been only estimated mainly, but the type and size of inbound and outbound ships are different depending on the port's characteristics. So, it is difficult to estimate the future traffic volume using the change of only one item. This paper calculates the future traffic volume using the marine traffic characteristic factors as the number of coastal ship and ocean-going ship, the size of ship and the change of cargo volume per a ship etc. And it compared with the results of Artificial Neural Network(ANN) for accurate identification of nonlinear system.

• Journal of Korea Port Economic Association
• /
• v.28 no.2
• /
• pp.75-93
• /
• 2012

The steel cargoes as the core raw materials for the manufacturing industry have important roles for increasing the handling volume of the port. In particular, steel cargoes are fundamental to vitalize Port of Incheon because they have recognized as the primary key cargo items among the bulk cargoes. In this respect, the IPA(Incheon Port Authority) ambitiously developed the port complex facilities including dedicated terminals and its hinterland in northern part of Incheon. However, these complex area has suffered from low cargo handling records and has faced operational difficulties due to decreased net profits. In general, the import and export steel cargo volumes are sensitively fluctuated followed by internal and external economy index. There is a scant of research for forecasting the steel cargo volume in Incheon port which used in various economy index. To fill the research gap, the aim of this research is to predict the steel cargoes of Port of Incheon using the well established methodology i.e. System Dynamics. As a result, steel cargoes volume dealt with in Incheon port is forecasted from about 8 million tons to about 10 million tons during simulation duration (2011-2020). The Mean Absolute Percentage Error (MAPE) is measured as 0.0013 which verifies the model's accuracy.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.484-484
• /
• 2023

지진해일은 해저지진, 화산활동, 해저 산사태 등에 의해 발생되는 장주기 파랑이다. 지진해일은 발생빈도가 낮지만, 한번 발생하면 많은 에너지가 연안으로 유입되어 인명 및 재산피해를 야기 시킬 수 있다. 따라서, 과거 수십년동안 지진해일에 대한 연구는 지진해일의 역학관계를 이해하고, 이를 바탕으로 한 수치모델 개발에 초점을 두어 연구가 진행되어 왔다. 더욱이, 지진해일 실험적 연구는 많은 경제적 비용을 지불해야 하기에 수치모델개발 연구가 더욱 중점적으로 수행되어 왔다. 지리학적으로 우리나라는 지진해일에 안전하지 못하다. 하나의 예로, 1983년 5월 26일, 일본 서해안에서 발생한 지진해일은 동해로 전파되어 동해안 지역에 커다란 피해를 야기시켰다. 이 당시, 강원도삼척시 원덕읍에 위치한 임원항에서는 2명의 사상자와 2명의 부상자가 발생하였고, 당시 금액으로 약3억원의 재산피해가 발생하였다. 이 연구는 인공지능 기법 중 하나인 인공신경망을 이용하여 인명과 재산피해가 발생한 임원항에서 최대지진해일고를 예측하고자 하였다. 지진해일 수치모델은 뛰어난 정확도를 나타내는 반면, 결과를 산출하는데 상당한 시간을 필요로 한다. 이에 반해, 인공신경망은 수치모델과 유사한 정확도 및 결과를 신속하게 제공할 수 있다는 장점을 가지고 있다. 지진해일 인공신경망 모델 개발은 지진의 단층파라미터를 바탕으로 작성된 지진해일의 시나리오를 토대로 연구가 진행되었고, 우리나라 동해에 위치한 외해 관측 지점의 지진해일고 자료를 통해, 임원항에서의 최대 지진해일고가 예측되도록 개발되었다. 이를 위하여, 인공신경망의 학습 및 검증 과정을 수행하였고, 향후 발생 가능한 다양한 지진해일에 대해 평가함으로써, 인공신경망 모델의 예측성능을 확인하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.617-618
• /
• 2020

우리나라의 지리적인 여건상 대륙과 연결되지 않기 때문에 해상운송에 절대적으로 의존하고 있다. 해상운송에 있어 항만시설의 확보가 필요하며 대외무역의존도가 높은 우리나라의 경우 더욱 중요한 역할을 한다. 항만시설은 장기적인 항만수요예측을 통해 대규모 인프라투자를 결정하며 단기적인 예측은 항만운영의 효율성을 개선하고 항만의 경쟁력을 제고하는데 기여하므로 예측의 정확성을 높이기 위해 많은 노력이 필요하다. 본 논문에서는 딥러닝 모델 중에 하나인 LSTM(Long Short Term Memory)을 적용하여 우리나라 주요항만의 컨테이너 물동량 단기예측을 수행하여 선행연구들에서 주류를 이뤘던 ARIMA류의 시계열모델과 비교하여 예측성능을 평가할 것이다. 본 논문은 학문적으로 항만수요예측에 관한 새로운 예측모델을 제시하였다는 측면에서 의미가 있으며 실무적으로 항만수요예측에 대한 정확성을 개선하여 항만투자의사결정에 과학적인 근거로서 활용이 가능할 것으로 기대된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.21-22
• /
• 2023

입항 수역이 좁은 제주항만은 단일 방향 통항이 가능한 one-way 방식을 사용 중 이다. 이러한 항만 특성으로 인해 제주항을 입출항 하는 선박들은 해상교통관제사(Vessel Traffic Service, VTS)의 지시에 의거하여 순서대로 입출항을 하고 있다. 본 연구는 VTS 관제사가 객관적이고 정확한 예측을 위해 선박자동식별장치(Automatic Identification System, AIS) 선박항적데이터를 이용하여 제주항에 입출항 하는 선박의 이동시간 통계를 산출하여 선박입출항 소요시간을 분석하고자 한다. 이를 위해 AIS 데이터를 이용하여 선박 이동시간을 산출하는 알고리즘을 제안하고, 이에 더하여 기상 상태와 항만 예선 사용에 따른 입출항 소요 시간을 취합하여 분석하고자 한다. 이에 따른 결과를 실제 관제에 적용 시켜 보다 더 안전하고 효율적으로 항만을 운영하는데 의의를 두고 있다.