• 한국음향학회지
• /
• 제29권3호
• /
• pp.155-164
• /
• 2010

본 논문에서는 두 개의 항적 센서를 이용한 수상함 항적 탐색 방법을 제안한다. 수상함의 항적은 수상함 후면의 수면 위에 그 이동 자취에 따라 생성된다. 본 논문에서는 항적 반향 강도가 수상함에 가까울수록 강하며 항적 탐지 센서는 항적 반향 강도를 탐지할 수 있다는 가정 아래, 항적 반향 강도를 이용한 효과적인 항적 탐색 방법을 제안하였다. 제안한 탐색 방법의 성능 평가를 위해 몬테카를로 시뮬레이션을 적용하였으며, 실험 결과 제안한 탐색 방법이 기존의 단일 항적 센서를 이용한 탐색 방법에 비해 평균 탐색 시간 측면에서 약 45초 정도의 성능 향상을 나타내었다. 또한, 항적 길이가 짧은 경우에 본 논문에서 제안한 탐색 방법이 기존의 방법에 비해 효율적임을 알 수 있었다.

• 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.

• 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.374-376
• /
• 2022

항로표지 배치의 적합성 평가 및 검증에 활용하기 위해 기계학습 (Machine Learning)을 통해 대표항적선을 결정한다. 이 연구에서는 대표항적선과 항로표지와의 최근접 거리를 계산하고 시인가능 거리 및 거리율 등을 통해 항로표지의 배치 적합성을 평가하고 검증한다.

• 한국정보통신학회논문지
• /
• 제15권4호
• /
• pp.773-779
• /
• 2011

자유전단류(Shear free flow) 가정을 이용한 수상함 항적모델을 잠수함에 적용 결과 잠수함 난류항적 지름은 $x^n,\;({\frac{1}{5}}{\leq}n\;<{\frac{1}{2}})$ 에 비례하였으며, 난류항적의 최소 확산을 가정할 때(${\sigma}=50.25$, 즉 ${\infty}\;x^{1/5}$인 경우), 길이65m, 폭 6.5m 속력 6kts 인 잠수함의 난류항적 반지름은 잠수함 함미로부터 1.2Km 후방에서 약 20m, 10Km 후방에서는 약 30m에 달하였고, 해수면에서 관측 가능한 잠수함 난류항적은 잔잔한 해상상태에서 잠수함 후방 약 15Km에 이르는 것으로 나타났으나 쇄파가 발생하는 악천후에서는 해수면에서 난류항적을 관측하기는 매우 제한되었다. 이는 적어도 서해와 같이 얕은 잠수함 작전환경에서는 잠수함 난류항적이 해수면에서 나타나는 것을 의미하며 SAR와 같은 탐지체계를 이용 시 탐색 가능함을 의미한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.189-192
• /
• 2021

항적추적 기술에 딥러닝 기반 LSTM(Long Short-Term Memory) 모델을 적용하는 연구로서 기존의 항적추적기술의 경우, 항공기의 등속, 등가속, 급기동, 선회(3D) 비행 등 비행 특성에 따른 칼만 필터 기반의 LMIPDA를 활용한 실시간 항적 추적 시 등속, 등가속, 급기동, 선회(3D) 비행 가중치가 자동으로 변경된다. 이러한 과정에서 등속 비행 중 급기동 비행과 같이 비행 특성이 변경될 때, 항적 손실 및 항적 추적 성능이 하락하여 비행 특성 가중치 변경성능을 향상시킬 필요성이 있다. 본 연구는 레이더의 오차 모델이 적용된 시뮬레이터의 Plot과 표적을 딥러닝 기반 LSTM(Long Short-Term Memory) 모델을 적용하여 학습시키고, 칼만 필터를 활용한 항적추적 결과와 딥러닝 기반 LSTM(Long Short-Term Memory) 모델을 적용한 항적추적결과를 비교함으로써 미리 비행 특성의 변경과정을 예측하여 등속, 등가속, 급기동, 선회(3D) 비행 가중치변경을 신속하게 함으로써 항적추적성능을 향상하기 위한 연구이다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.214-217
• /
• 2022

침몰 선박이 발생하는 경우, 선박의 사고에 대한 원인분석과 사고수습을 위하여 선박의 정확한 항적이 요구된다. 선박의 항적은 육상의 시스템에서도 수집될 수 있으나, 레이더, AIS 등 시스템 권역이 미치지 않는 경우, 선박 자체에 저장된 항적에 의존된다. 우선, 선박사고에서 항적은 사고 분석의 핵심 키가 되는데, 침수되는 선박의 경우, 항적을 저장한 항해장비가 침수되어 부식이 되므로 장비활용이 어렵게 만든다. 최근 사고 선박의 메모리칩을 이용하여 항적을 추출하는 연구가 진행되고 있어, 항적을 추출할 수 있는 가능성이 존재하나, 침수 선박으로 부식이 많이 된 상태에서 인양이 되면 칩자체 복구가 거의 불가능하다. 따라서 부식이 심하게 일어나기 전의 침수 선박의 인양 시점이 언제인지 또는 침수된 선박의 항해 장비 취득 시점이 언제인지는 해양분야 과학 수사에 매우 중요한 요소가 되고 있다. 따라서 본 논문에서는 침수된 선박의 항해장비와 같은 유사한 칩들을 침수시키는 시험을 수행하였고, 그 시험환경 및 결과 들을 공개 하고자 한다.

• 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 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
• /
• 제46권6호
• /
• pp.576-584
• /
• 2022

기존 해상 교통안전을 위한 기반 정보는 AIS 시스템을 사용하여 왔으나, IMO의 e-Navigation 도입이 제기된 이후 LTE 통신을 활용한 초고속 해상무선통신시스템(LTE-Maritime, LTE-M)이 세계 최초로 대한민국에 구축되었다. 본 논문에서는 AIS와 LTE-Maritime을 사용하여 수집된 항적 데이터를 비교 분석하고, 두 가지 종류의 항적 데이터를 기반으로 해상 안전사고 예방에 활용될 수 있는 항적 예측을 수행하였다. AIS 대비 LTE-Maritime의 데이터 수집 간격이 조밀하고 균일하여 항적 예측 오차가 작은 것을 확인하였다. LTE-Maritime에서 수집된 데이터의 경우 데이터 송·수신 시간 간격은 AIS 대비 항적 예측 오차에 대한 영향이 약 17% 적은 것을 발견하였다. 본 연구는 AIS와 LTE-Maritime의 항적 데이터와 그 활용을 정량적으로 비교한 최초의 연구라는 점에서 의미가 있다.