• 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.

• 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.

• 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.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 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.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.426-428
• /
• 2022

해상 교통량을 정량적으로 평가하고 추출하기 위한 방법으로 선박 AIS 데이터 기반의 밀집도 분석을 활용하고 있다. 밀집도는 단위시간 당 단위면적에 분포하는 선박 통항량을 계산한 것으로, 일반적으로 그리드 셀 내에 존재하는 선박 항적 포인트 개수, 항적도 라인 길이, 선박 척수 등을 계산한 밀집도 분석 방법과 커널 밀도 추정(Kernel Density Estimation) 방법 등이 있다. 하지만, AIS 데이터의 특징상 선박 속력에 따라 수신 주기가 다르기 때문에 항적이 등간격으로 나타나지 않는 문제점이 있으며, 선박의 이동과 시간의 속성으로 인해 각각의 밀집도 분석 방법은 한계점이 존재한다. 따라서 본 연구에서는 실측 AIS 데이터를 이용하여 다양한 방법의 선박 밀집도 분석을 수행하고 이를 비교하였다. 그 결과, 항적도 라인 길이에 의한 밀집도 분석이 가장 정량적인 방법으로 나타났으며 이를 통항 척수로 변환할 수 있는 선박 밀집도 분석을 개선방안으로 제안한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제60차 하계학술대회논문집 27권2호
• /
• 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.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2012년도 추계학술대회
• /
• pp.138-140
• /
• 2012

본 연구에서는 실제 AIS의 정적, 동적 데이터를 수집하여 항계내 통항 선박의 움직임을 파악하였다. 실제 완도항 부근의 직선항로을 통항하는 선박 항적의 분석하여 불규칙적인 선박의 특성을 알아보고자 하였다. 기존의 과거 누적 데이터의 퍼지이론을 활용한 이상 거동의 선박식별 시스템은 전문가 시스템에 의존하여 항적의 비정상성을 판단하므로 항로의 특성에 따른 실 항해상황을 간과할 수 있는 문제점이 있다. 본 연구는 실시간 AIS 정보를 활용하여 항로이탈의 변화율에 해당하는 곡률분석, 항로선으로부터 좌우의 변동을 보다 정확하게 모니터링 할 수 있는 이상 거동 선박을 식별하는 방법을 제안한다. 본 연구는 VTS 및 VMS의 응용서비스로서 해양사고의 사전예방을 위한 연안 및 항만수로의 효율적인 관리에 기여할 것이다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.29-38
• /
• 2021

항공안전관리에서 항공기 경로 이탈은 큰 사고로 이어질 수 있는 위험한 요인이다. 본 연구에서는 항공기 경로 이탈 문제를 예방하기 위해 클러스터링을 통해 항적을 분류하고, 클러스터 중심과의 거리를 계산하여 이상 점수를 산출하고자 한다. 1년 동안 수신된 ADS-B 항적 자료에서 공항을 기준으로 근방 100km 이내 항적을 추출하여 연구를 진행했다. 항적은 선형 보간법을 이용하여 벡터화하였다. 위도·경도·고도 3차원 좌표 자료를 사용하였다. PCA를 통해 전체 데이터 분산 90% 이상을 나타내는 축으로 차원을 축소하였고, k-평균 군집화, 계층적 군집화, PAM 기법을 적용하였다. 클러스터 개수는 실루엣 측도를 사용하여 선택하였고, 클러스터 중심과의 거리를 계산하여 이상 점수를 산출하였다. 본 연구에서는 각 클러스터 기법별로 클러스터 개수를 비교해보고, 실루엣 측도를 통해 클러스터링 결과를 평가하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제24권10호
• /
• pp.65-70
• /
• 2019

최근 선박자동식별장치의 도입으로, 육상에서 선박위치, 침로, 속력, 선박종류 등 선박 항적데이터 수집이 가능해 졌다. 본 연구는 맵리듀스 알고리즘을 분산처리 환경에 적용하여 선박 항적데이터를 효율적으로 처리하는 방법을 제안한다. 제안하는 방법은 데이터 전처리 단계, 맵핑 단계, 리듀싱 단계로 나뉘어져 있다. 데이터 전처리 단계는 선박의 동적 및 정적 데이터를 통합하고, 비관심지역의 선박정보는 필터링한다. 맵핑 단계는 선박 위치를 지오해시 코드로 변환하여 맵리듀스의 키 데이터로 할당하고, 선박의 ID는 값 데이터로 분리한다. 리듀싱 단계에서는 키 데이터가 같은 키-값 쌍 데이터를 추출하여 해당 그리드에서 선박의 수를 계산하여 시각화 한다. 제안한 방법은 항적데이터 분석에 있어서 기존 프로그램 성능에 비해 1~4배 성능 개선이 되었다.