• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2002년도 추계공동학술대회논문집
• /
• pp.1-6
• /
• 2002

수색구조 작업에서 표류지점 추정 모델을 윈도우 운영체계에서 쉽게 운영할 수 있는 GUI 프로그램을 개발하였다. 운영자가 화면의 선택사항을 보고 표류물체의 종류와 해상환경조건을 입력시킬 수 있도록 하였고, 계산된 추정점 및 선박의 표류 궤적이 좌표와 함께 해도상에 표시되게 하여 현장에서 쉽게 예측결과를 알 수 있도록 하였다. 프로그램에는 Leeway 공식을 사용하는 방식과 Newton의 운동방정식에서 해를 구하는 방식을 사용하였다. 프로그래밍에 사용된 언어는 FORTRAN이고, 그래픽 처리를 위해 Lahey의 Winteracter 4.0을 활용하였다. 모델의 시현을 위해 2001년 5원 부산 근해에서 수행된 현장실험 결과와 예측 모델에 의한 결과를 비교·도시하였다.

• 한국항해항만학회지
• /
• 제26권5호
• /
• pp.491-495
• /
• 2002

수색구조 작업에서 표류지점 추정 모델을 윈도우 운영체계에서 쉽게 운영할 수 있는 GUI 프로그램을 개발하였다. 운영자가 화면의 선택사항을 보고 표류물체의 종류와 해상환경 조건을 입력시킬 수 있도록 하였고, 계산된 추정 점 및 선박의 표류 궤적이 좌표와 함께 전자해도상에 표시되게 하여 현장에서 쉽게 예측결과를 알 수 있도록 하였다. 프로그램에는 Leeway공식을 사용하는 방식과 Newton의 운동방정식에서 해를 구하는 방식을 사용하였다. 프로그래밍에 사용된 언어는 FORTRAN이고, 그래픽 처리를 위해 Lahey의 Winteracter 4.0을 활용하였다. 모델의 시연을 위해 2001년 5월 부산 근해에서 수행된 현장실험 결과와 예측 모델에 의한 결과를 비교·도시하였다.

• 한국항해학회지
• /
• 제20권4호
• /
• pp.1-6
• /
• 1996

A vessel in distress might be well identified when both the variables affecting the drifting of the vessel and the extent to which the variables affect the drifted vessel are known. And also the disembarking place inside the ship might be easily located if the drifting poised is forecasted. The forecasting method of the drifting poise is resolved by combining the vectors of the current and the wind. It is, however, very hard to forecast the effect of the wind, which should be mainly determined by field survey. This study aims at identifying the drifting characteristics of medium/large ships, considering only the effect of the wind. The experiment revealed the following results. $\circled1$ The drifting poise is determined by the aspect ratio of the ship and the shape of the superstructure of the ship. $\circled2$ Drifting direction is quite stable when wind speed goes over a certain level. $\circled3$ Drifting speed is 3-7% of the wind speed in case of T/S Hannara.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1451-1466
• /
• 2023

해양 조난 사고에서 드론 활용이 빠르게 증가하고 있는 가운데, 특히 드론을 활용한 수색 구조 작업이 주목받고 있다. 조난 선박 및 기타 해양 표류체를 빠르게 탐지하기 위해 드론 영상을 활용한 딥러닝 모델들이 확장되고 있다. 그러나 이러한 모델을 효과적으로 학습시키기 위해서는 다양한 기상 조건과 선박 상태를 고려한 대량의 학습 데이터가 필요하다. 이에 대한 데이터 부족 문제는 학습된 모델의 성능 저하로 이어질 수 있다. 이에 본 연구는 해양 환경 시뮬레이터를 개발하고 데이터셋을 보강하여 조난 선박 탐지를 위한 딥러닝 모델의 성능 개선을 목표로 한다. 이 시뮬레이터는 눈, 비, 안개와 같은 다양한 기상 조건과 선박 상태, 그리고 드론과 센서의 규격과 특성을 설정할 수 있다. 시뮬레이션을 통해 얻은 데이터셋을 활용하여 딥러닝 모델을 학습시켰다. 이로써, 실제 드론 영상 데이터셋만을 사용한 모델과 비교했을 때 정확도와 재현율 등의 탐지 성능이 향상되었다. 특히, 비나 안개와 같은 악기상에서의 조난 선박 탐지 정확도(Average Precision, AP)는 약 2-5% 정도 향상되었으며 미탐지 비율이 현저히 낮아졌다. 이러한 결과는 개발된 시뮬레이터가 현실적이고 효과적으로 다양한 상황을 시뮬레이션하여 모델 학습에 기여함을 보여준다. 또한, 이에 기반한 조난 선박 탐지 딥러닝 모델은 해양 수색 및 구조 작업에서 효율적으로 활용될 것으로 기대된다.