• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.147-148
• /
• 2022

최근 선박 접안 시 사고가 다수 발생함에 따라, 항만 내 선박운항에 대한 안전조치에 대한 필요성이 강조되고 있다. 본 연구는 부산신항만 내 안전조치에 대한 내용을 정량적으로 분석하고자 선박 항적 데이터를 수집하고, 이를 바탕으로 해사인공지능 알고리즘을 적용여 항적패턴을 분석하였다. 그 결과, 부산신항 입출항선박의 변침 지점을 도출하고, 선속·침로의 운용패턴을 제안하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2016년도 춘계학술대회
• /
• pp.285-286
• /
• 2016

해상교통관제센터에 의해 실시간으로 수집되는 선박의 항해 데이터를 바탕으로 선박 항적 패턴 인식을 수행하고 이를 바탕으로 항적 모델을 추출하여 사전에 선위를 예측하는 기법을 제안한다. 항적 데이터의 처리와 가공, 항적 모델링을 위하여 Support Vector Regression 알고리즘이 사용되었으며, 적정 파라미터 선정을 위하여 k-fold cross validation과 grid search가 사용되었다. 제안된 항적 데이터 모델링 기법을 통하여 사전에 선박의 선위를 예측하여 해상교통과제사의 의사결정을 지원하고자 한다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.227-228
• /
• 2022

위치기반 등부표 관리 기술 개발 연구는 AIS 또는 RTU가 설치된 등부표에 대한 이탈 위험 인지, 항해안전 사고 예방 등 안전대책 강화를 위해 연구하는 것이다. 등부표는 조류, 바람 등 외력에 의해 이출거리가 발생하여 선회반경이 형성되고 이러한 외력으로 인하여 유실, 위치이동 등이 발생할 수 있고 선박추돌 등 항해안전 사고도 발생할 수 있다. 이러한 등부표 사고는 물적 피해비용과 더불어 기능 정지 등으로 인하여 이용자의 안전운항에 대한 심리적 부담감 또는 위험감수 등의 추가적인 행정소요 비용이 발생할 수 있다. 또한 선박추돌 의심 사고 발생시 가해 선박 확인은 현 관리운영시스템상 등부표 및 선박항적을 확인할 수 있는 기능이 없어 대부분의 관리자들은 해경 및 VTS센터에 의뢰하여 식별 해야한다. 이와같이 등부표 사고가 발생하면 항해안전 위험, 행정소요 비용 발생 등 관리자 및 이용자들에게 많은 불편을 초래한다. 따라서 등부표가 고시된 위치에 정위치 여부를 모니터링할 수 있는 안전반경 정보와 선박추돌사고 예방 및 사고발생시 등부표 항적과 선박항적을 확인할 수 있는 기능 등 등부표 위치를 기반으로하는 체계적인 관리가 필요하여 관리 기술 개발 연구를 하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2015년도 춘계학술대회
• /
• pp.310-311
• /
• 2015

선박 항적 데이터는 해상교통관제센터에 의해 실시간으로 모니터링 되고 수집되어 진다. 이러한 데이터를 기반으로 선박의 항적 패턴분석과 항적 모델을 추출하여 해상교통관제사의 의사결정에 기여하고자 한다. 항적 데이터의 처리와 가공, 항적 모델링을 위하여 SVM알고리즘이 사용되었으며, 적정 파라미터 선정을 위하여 k-fold cross validation이 사용되었다. 제안된 항적 데이터 모델링을 통하여 이상거동 선박의 사전 판별, 선박의 추측위치 계산 등에 응용하여 해상교통과제사의 의사결정을 지원하고자 한다.

• 한국항해항만학회지
• /
• 제42권4호
• /
• pp.277-282
• /
• 2018

최근 해상교통량이 증가하고 선박교통 관제구역이 확대됨에 따라 관제사의 업무 부하가 증가하고 있으며, 이로 인해 교통량이 급증하는 경우 관제사가 위험을 인지하지 못하는 상황도 발생하게 된다. 이러한 배경에서 본 논문에서는 관제 업무의 지원을 위해 이상 거동 선박을 자동으로 식별하는 방법을 제안한다. 본 방법은 누적된 AIS 데이터를 이용하여 관제구역 내의 통항 패턴을 학습하고, 학습된 모델과의 비교를 통해 이상치를 계산하여 이상 거동 선박을 식별한다. 특히, 선박의 거동 상태에 대한 분류 정보가 없더라도 비지도 학습법을 기반으로 항적 데이터를 자동으로 분류하여 통항 패턴을 학습할 수 있으며, 항적의 군집화와 분류 과정을 통해 이상 거동 선박을 실시간으로 식별할 수 있는 특징을 가진다. 또한, 본 논문에서는 선박운항 시뮬레이터 및 실제 AIS 항적 데이터를 이용한 식별 실험을 수행하였으며, 이를 통해 선박교통관제 시스템에의 활용 가능성을 고찰하였다.

• 한국항해항만학회지
• /
• 제42권6호
• /
• pp.453-458
• /
• 2018

해상교통 분석은 대상 해역의 환경 특성을 파악하고, 선박의 교통 패턴을 분석하는 일련의 과정을 일컫는다. 이는 최근 해상 교통량이 늘어나고 관제 영역이 확장됨에 따라 그 필요성이 증가하고 있으며, 실제로 해상교통관제(VTS, Vessel Traffic Service)와 항만 시설의 안전성 평가에 적용되기도 한다. 본 논문에서는 공간정보 분석 방법 중 히트맵(heatmap)과 중심점(centroid) 기법을 이용하여 선박의 통항패턴을 분석하는 방법을 제안한다. 이 방법은 시간에 따라 공간적 특성이 변하는 항적 데이터를 분석하기에 적합한 방법이며, 실제 목포항에서 수집된 항적 데이터를 이용한 실험을 수행하였다. 실험에서는 시간대별 교통 밀도와 중심점 분석을 수행하였고, 이를 통해 해상교통의 공간적 변화를 쉽게 식별할 수 있었으며, 제안하는 방법이 해상교통 분석법으로 활용될 수 있음을 확인하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• 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.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2014년도 춘계학술대회
• /
• pp.319-322
• /
• 2014

VTS(Vessel Traffic Center)는 관할해역의 해상교통데이터를 수집하여 해상교통관제를 수행하고 있다. 이러한 해상교통데이터는 가공되지 않는 정보이므로, 관제사 및 선박 등 사용자가 유용하게 활용할 수 있는 형태로의 분석이 필요하다. 이는 객관적인 데이터로 관제사 및 선박에서 해상교통 안전정책을 수립하는데 중요하다. 이를 위해 본 연구에서는 수년간 VTS에 축적되고 있는 BIG DATA를 활용하여 해상교통패턴을 분석하고자 한다. 분석하는 해상교통패턴은 통항분포, 선종별 항적 비교, 예부선의 강 조류 주의구역 판별, 항로상 어선 조업 현황분석 등을 통해 빅데이터를 활용한 관제구역설정, 집중관제구역 검토가 가능하다.

• 한국정보통신학회논문지
• /
• 제20권6호
• /
• pp.1195-1202
• /
• 2016

최근 다양한 분야에 빅데이터 기술을 활용하기 위한 방법에 관한 연구가 활발하게 이루어지고 있다. 해상-빅데이터는 인터넷 공간에 있는 정보들이 아닌 선박의 항해통신장비로부터 발생 및 수집되는 수많은 정보로 정의할 수 있다. 한편, 해상 교통량의 증가함에 따라 해양 사고도 증가하고 있으며, 이에 따라 해양 안전에 관한 요구가 증대되고 있다. 이러한 요구를 충족시키기 위한 일환으로, 본 논문에서는 해상에 있는 수많은 선박으로부터 수신되는 대량의 AIS 메시지 데이터를 기반으로 선박의 항적 표시 및 해상교통량 통계 분석을 전자해도를 통해 시각적으로 표현하는 시스템을 개발한다. 또한, 유용성 검증을 위해 개발한 시스템을 활용하여 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 수행하였다. 이를 통해 개발한 시스템의 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 통해 선박의 항적 표시, 비정상적인 운항 패턴, AIS 장비의 이상 유무, 해상교통량 통계 분석 등에 활용 가능함을 확인하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2014년도 춘계학술대회
• /
• pp.287-289
• /
• 2014

선박의 선위 추측(DR, Dead Reckoning)은 수신되거나 측정된 위치 데이터와 속력, 침로 데이터만을 반영하여 계산하므로 대양의 항해나 연근해의 해역에서는 유효할 수 있으나 침로의 변경과 선속의 변화가 잦은 항계 내의 조선에 있어서는 적용이 어렵다는 문제점이 있다. 본 논문에서 제안하는 선박의 추측위치(DRP, Dead Reckoning Position)는 선박의 운항 패턴에 따라 항계 내의 항적 데이터를 수집하고, 수신된 위치 데이터와 속력, 침로 데이터를 점장위도항법(Mercator Sailing)을 통하여 계획항로(Planned Route)의 각 변침점(WP, Waypoint)간 침로(Course)와 항정(Ship's Passage)에 반영하였다. 제안된 추측위치 산출방법을 통하여 항계 내의 조선과정에서 계획항로를 선박의 추측위치와 결합하여 특정 시간 후의 상황패턴을 미리 예측하고 관제사의 의사결정에 기여하고자 한다.