[논문]선박충돌사고의 AIS 데이터를 이용한 선박 충돌위험도 추정 알고리즘 검증에 관한 연구

손남선; 김선영

doi:10.5394/kinpr.2010.34.10.727

선박충돌사고의 AIS 데이터를 이용한 선박 충돌위험도 추정 알고리즘 검증에 관한 연구
Validation on the Algorithm of Estimation of Collision Risk among Ships based on AIS Data of Actual Ships' Collision Accident 원문보기

한국항해항만학회지 = Journal of navigation and port research, v.34 no.10 = no.156, 2010년, pp.727 - 733

손남선 (한국해양연구원 해양시스템안전연구소) , 김선영 (한국해양연구원 해양시스템안전연구소)

초록
AI-Helper

해양사고에서 선박간의 충돌사고가 많은 부분을 차지하고 있으며, 상당수가 인적오류에 의해 발생되고 있다. 본 논문에서는 선박에서 항해사의 안전운항을 효과적으로 지원하고 충돌사고를 방지하기 위해 다중선박의 충돌 위험도를 추정하는 알고리즘을 개발하였다. 선박 충돌위험도 추정 알고리즘은 선박들의 항행정보로서 AIS 정보를 사용하고 퍼지 이론을 이용하여 충돌위험도를 계산한다. 지난 연구에서는 고안된 알고리즘의 성능을 검증하기 위해 울산항 해상교통관제(VTS) 센터로부터 실제 울산항에서 운행된 선박들의 AIS데이터를 수집하였고, 이를 기반으로 검증 시뮬레이션을 수행한 바 있다. 본 논문에서는 선박 충돌위험도 추정 알고리즘을 좀더 정밀하게 검증하기 위해 실제 해상충돌사고 데이터에 적용해 보고자 하였다. 이를 위해, 2009년 부산항에서 발생한 석유제품 운반선과 화물선간의 충돌사고에 대한 AIS 데이터를 수집하였고 이를 이용하여 선박운항 시뮬레이터 기반 재생 시뮬레이션을 수행하였다. 시뮬레이션 결과, 실제 사고 상황에 적용할 경우 충돌 사고가 일어나기 전에 충돌 위험을 표시하여 충돌사고를 경고할 수 있음을 확인할 수 있었다.

Abstract ▼ AI-Helper

An estimation algorithm of collision risk among multiple ships has been developed in order to reduce human error and prevent collision accidents. The algorithm is designed to calculate the collision risk among ships based on Fuzzy theory by using AIS data as traffic information. In this paper, to validate the algorithm, the AIS data of actual collision accident, which occurred between a product carrier and a cargo carrier in Busan harbor in 2009 are collected. The replay simulation is carried out on the actual AIS data and the collision risk is calculated in real time. In this paper, the features of the estimation algorithm of collision risk and the results of replay simulation based on AIS data of actual collision accident are discussed.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이를 통해 전방조우상황, 추월상황 및 항로 교행 상황시 다중선박의 충돌위험도가 잘 추정됨을 확인한 바 있다. 본 논문에서는, 2009년에 부산에서 발생한 석유제품운반선과 화물선간의 선박 충돌시 AIS 실제 데이터를 수집하고, 이를 기반으로 충돌위험도 추정 성능을 검증하고자 하였다. 본 논문에서는, 다중선박 충돌위험도 추정 알고리즘의 특징과 선박충돌사고 AIS데이터 기반 재생 시뮬레이션 결과에 대해 소개한다.
본 논문에서는, 2009년에 부산에서 발생한 석유제품운반선과 화물선간의 선박 충돌시 AIS 실제 데이터를 수집하고, 이를 기반으로 충돌위험도 추정 성능을 검증하고자 하였다. 본 논문에서는, 다중선박 충돌위험도 추정 알고리즘의 특징과 선박충돌사고 AIS데이터 기반 재생 시뮬레이션 결과에 대해 소개한다.
본 논문에서는, 실제 충돌사고와 같이, 긴급한 상황에서 충돌위험도를 잘 추정하는지 그리고, 사전에 충돌 위험을 식별하고 해당 위험선박을 추정할 수 있는지 검증하기 위해, 2009년 부산항에서 발생한 석유제품운반선과 화물선간 충돌사고의 AIS 데이터를 수집하였다. 해당 AIS 데이터는 국토해양부의 협조를 받아, 해양안전종합정보시스템(GICOMS)에서 추출 하였다.
본 논문에서는, 퍼지이론을 이용한 다중선박의 충돌위험도 추정 알고리즘을 설계하고, AIS(Automatic Identification System) 해상교통데이터를 이용하여 그 성능을 검증하고자 하였다. 지난 연구(Son et al.
상대 선박의 초인은 사고 3분 전에 가서야 이루어졌고, VHF를 통한 경고도 사고 불과 1분 20초전에야 이루어져 상호 대응이 늦었다. 본 사고사례에 대해, 본 연구에서 개발된 다중선박 충돌위험도 추정 알고리즘을 적용하여, 충돌위험도의 적절한 추정여부와 사고 시각 이전의 위험선박 식별성능을 검증하여 보고자 한다.
AIS 정보를 이용하여 추정된 선박간의 최근접거리 및 최근접시간, 그리고 선박 특성정보인 속도 및 제원을 바탕으로 퍼지 기반 다중선박들의 충돌위험도를 추정하게 된다. 본 알고리즘에서는 다중선박들의 교통정보를 모두 고려한 개별 선박의 충돌위험도(Collision Risk, .CR)를 산출하고, 이를 통해 수십 척의 선박들이 운항 되는 복잡한 상황에서, 어느 선박들 그리고 어느 해역이 가장 위험한가를 쉽게 인지할 수 있도록 지원하고자 한다.

가설 설정

(1) i번째 선박의 충돌 위험도를 계산하기 위해서는, i번째 선박이 k번째 방향으로 이동한다고 가정하고, j번째 선박과의 최근접시간, TCPAj,k(i) 와 최근접거리, DCPAj,k(i)를 계산한다.
단위각은 변경이 가능하며, 본 논문에서 단위각은 15도이고, N Θ는 13을 가정하였다.

제안 방법

AIS 데이터를 선박운항 시뮬레이터의 타선 데이터베이스에 맞도록 변환작업을 수행하고, Fig. 2에서 설명한 충돌위험도 추정 시스템을 선박운항 시뮬레이터와 네트워크로 연결하였다. 이를 통해, 충돌위험도 추정 시스템은 마치 실제 AIS 신호가 들어오는 것처럼 시뮬레이터를 통해 모사된 타선 정보를 실시간 입력받을 수 있다.
자선박(Own ship)은 AIS를 이용하여, 주위 타선박(Traffic ship)의 해상교통정보를 받을 수 있다. AIS 정보를 이용하여 추정된 선박간의 최근접거리 및 최근접시간, 그리고 선박 특성정보인 속도 및 제원을 바탕으로 퍼지 기반 다중선박들의 충돌위험도를 추정하게 된다. 본 알고리즘에서는 다중선박들의 교통정보를 모두 고려한 개별 선박의 충돌위험도(Collision Risk, .
다중 선박 충돌위험도 추정 알고리즘의 성능 검증을 위해, 실제 AIS 데이터를 재생하는 검증 기법을 고안하였다. Fig.4에서 보는 바와 같이, MOERI의 선박운항 시뮬레이터를 사용 하여, 테스트베드를 구축하였다.
다중선박의 충돌위험도 추정 알고리즘의 성능을 시험하기 위해, 부산항에서 발생한 석유제품운반선과 화물선의 충돌사고에 대한 AIS 데이터를 수집하였다. 그리고 선박운항 시뮬레이터 기반으로 선박 충돌사고 AIS 정보를 재생하는 시뮬레이션을 수행하였다.
다중 선박 충돌위험도 추정 알고리즘의 성능 검증을 위해, 실제 AIS 데이터를 재생하는 검증 기법을 고안하였다. Fig.
선박에서 항해사의 운항을 안전하고 효율적으로 지원하기 위해 다중선박 충돌위험도 추정 알고리즘을 설계하였다. 충돌위험도 추정 성능 검증을 위해, 2009년 부산에서 발생한 선박충돌사고의 AIS 데이터를 수집하고, 재생 시뮬레이션을 수행하였다.
선박에서 항해사의 운항을 안전하고 효율적으로 지원하기 위해, 선박 탑재형으로 다중 선박 충돌위험도 모니터링 시스템을 설계하였으며, Fig.1은 그 개념을 보여준다.
선박에서 항해사의 운항을 안전하고 효율적으로 지원하기 위해 다중선박 충돌위험도 추정 알고리즘을 설계하였다. 충돌위험도 추정 성능 검증을 위해, 2009년 부산에서 발생한 선박충돌사고의 AIS 데이터를 수집하고, 재생 시뮬레이션을 수행하였다. 시뮬레이션 결과, 다음과 같은 결론을 얻을 수있었다.
충돌이 임박하면서, 실제 사고 3분전에 화물선(E-ship)이 제품운반선(R-ship)을 육안으로 발견하였으나, 상대선의 선미가 자선의 선수방향으로 향하여, 상대선이 자선의 선미로 지나갈 것이라고 속단하고 주의를 소홀이 하였다. 재생 시뮬레이션에서는, Fig.

대상 데이터

실제 확보된 244척의 AIS 데이터 중 사고해역과 멀리 떨어져 있거나, 정지해 있는 등 사고와 직접적인 관련이 없는 선박은 제외하였으며, Table 1에 최종 구축된 19척의 선박의 종류와 주요제원을 정리하였다. Table 1의 R선박과 E선박이, 본 충돌사고의 대상선박인 석유제품운반선과 화물선이다.
다중 선박 충돌위험도 추정 알고리즘의 성능 검증을 위해, 실제 AIS 데이터를 확보하였다. 지난 연구에서는 충돌사고가 없는 일반적인 통항상황에 대한 성능검증을 위해, 울산항 VTS센터로부터 획득한 AIS 데이터의 재생 시뮬레이션을 수행한 바 있다.
다중선박의 충돌위험도 추정 알고리즘의 성능을 시험하기 위해, 부산항에서 발생한 석유제품운반선과 화물선의 충돌사고에 대한 AIS 데이터를 수집하였다. 그리고 선박운항 시뮬레이터 기반으로 선박 충돌사고 AIS 정보를 재생하는 시뮬레이션을 수행하였다.
5는 사고 당시 부산항 사고해역 근처의 AIS의 궤적을 보여준다. 실제 확보된 244척의 AIS 데이터 중 사고해역과 멀리 떨어져 있거나, 정지해 있는 등 사고와 직접적인 관련이 없는 선박은 제외하였으며, Table 1에 최종 구축된 19척의 선박의 종류와 주요제원을 정리하였다. Table 1의 R선박과 E선박이, 본 충돌사고의 대상선박인 석유제품운반선과 화물선이다.
6는 당시 석유제품운반선(이하 제품운반선)과 화물선 간의 충돌사고 개요을 보여준다(중앙해양안전심판원, 2009). 제품운반선은 동명부두를 출항하여 항로로 진입하고 있었고, 화물선은 부산항 제7부두를 출발하여 항로상에서 출항 중이었다. 제품운반선은 입항선만 주의하다가 경계소홀로 출항중인 화물선을 인지하지 못하였고, 화물선은 항로상 과속을 하면서 적절한 피항 동작을 하지 못하여 충돌사고가 발생하였다.
본 논문에서는, 실제 충돌사고와 같이, 긴급한 상황에서 충돌위험도를 잘 추정하는지 그리고, 사전에 충돌 위험을 식별하고 해당 위험선박을 추정할 수 있는지 검증하기 위해, 2009년 부산항에서 발생한 석유제품운반선과 화물선간 충돌사고의 AIS 데이터를 수집하였다. 해당 AIS 데이터는 국토해양부의 협조를 받아, 해양안전종합정보시스템(GICOMS)에서 추출 하였다.

성능/효과

(1) 다중선박 충돌 위험도 추정 알고리즘을 통해, 충돌상황이 임박한 상황에서, 실제 충돌에 관계된 선박의 위험성을 특징적으로 표시하고 이를 사전에 경고할 수 있음을 확인할수 있었다.
(2) 다중선박 충돌 위험도 추정 알고리즘은 충돌위험이 발생한 경우, 주의를 요하는 단계부터, 임박한 단계까지 순차적으로, 그리고 점증적으로 위험도를 추정하여 제공함으로써, 사용자가 사전에 위험을 신속하고 효과적으로 인지 하게 지원할 수 있음을 알 수 있었다. 향후, 다양한 선박충돌사고 AIS 데이터를 추가적으로 확보 하여, 다중선박 충돌위험도 추정 알고리즘을 지속적으로 검증해 나갈 계획이다.
Fig.11과 Fig. 12를 통해 사고 임박상황에서, 다중 선박 충돌위험도가 잘 추정되어, 충돌에 관계없는 선박은 안전하게 표시하고 있으며, 충돌과 관련한 두 선박만의 위험상황을 잘 표시하고 있음을 확인할 수 있다.

후속연구

(2) 다중선박 충돌 위험도 추정 알고리즘은 충돌위험이 발생한 경우, 주의를 요하는 단계부터, 임박한 단계까지 순차적으로, 그리고 점증적으로 위험도를 추정하여 제공함으로써, 사용자가 사전에 위험을 신속하고 효과적으로 인지 하게 지원할 수 있음을 알 수 있었다. 향후, 다양한 선박충돌사고 AIS 데이터를 추가적으로 확보 하여, 다중선박 충돌위험도 추정 알고리즘을 지속적으로 검증해 나갈 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	퍼지 이론에 의한 충돌 위험평가의 장점은 무엇인가?	또한, 퍼지 알고리즘을 이용하여 자선 주위의 방향별 충돌 위험도를 추정하고 주관적 위험도인 환경 스트레스 모델에 의한 결과와 비교 연구(손 등, 2009)를 수행한 바 있다. 퍼지 이론에 의한 충돌 위험평가는 충돌 상황시 수십 척의 선박간의 정량적 충돌위험을 실시간 추정할 수 있는 장점이 있다.
	선박의 충돌 위험을 추정하는 목적 두 가지 중 선박 관점에서 충돌 상황을 인지하고 안전한 피항 경로를 탐색하기 위한 목적 외에 다른 하나는 무엇인가?	선박의 충돌 위험을 추정하는 목적은 두 가지로 나눠 볼 수 있는데, 첫 번째 목적은 선박 관점에서 충돌상황을 인지하고 안전한 피항 경로를 탐색하기 위함이다. 다른 하나는 관제센터 관점에서, 충돌 없이 선박들의 경로를 안전하고 효과적으로 유도하기 위함이다.
	연안 해역에서 충돌 좌초의 정보는 무엇을 통해 획득될 수 있는가?	선박에서 근거리의 충돌 위험상황은 항해사의 견시를 통해서 인지되고, 레이더(Radar)와 ECDIS(Electronic Chart Display and Information System)와 같은 운항지원 장비를 통해 좀더 넓은 범위의 충돌상황이 식별된다. 또한, 연안 해역에서 충돌 좌초의 정보는 해상교통관제센터와 VHF 음성 통신을 통해 획득될 수 있다. 그러나, 충돌 위험상황의 최초 인지시점부터 회피 기동시점까지, 항해사가 수동으로 항해장비들을 일일이 확인하고 대처해야 하기 때문에, 시간이 많이 소요된다.

참고문헌 (13)

공인영(2003), 해상교통 안전성 평가를 위한 환경 스트레스 모델의 특성 고찰(I), 한국항해항만학회지 27권 5호, pp. 479-486.

원문보기 상세보기
손남선, 김선영, 공인영(2009), "시뮬레이터 기반 퍼지알고리즘과 환경스트레스모델을 이용한 선박 충돌위험도 추정에 관한 연구", 한국항해항만학회지 33권 1호, pp. 43-50.

원문보기 상세보기
해양안전심판원(2009), http://www.kmst.go.kr
Hara, K. and Hammer, A. (1993), "A Safe Way of Collision Avoidance Maneuver based on Maneuvering Standard using Fuzzy Reasoning Model", MARSIM ‘93. pp. 78-87.
Hasegawa, K., Kouzuki, A., Muramatsu, T., Komine, H. and Watabe, Y. (1989), "Ship Auto-navigation Fuzzy Expert System (SAFES)", Journal of the Society of Naval Architecture of Japan, Vol. 166, pp. 445-452.
Imazu, H. and Koyama, T. (1984), "The Determination of Collision Avoidance Action", Journal of Japan Institute of Navigation, pp. 31-37.
Kijima, K. and Furukawa, Y. (2001),“Design of Automatic Collision Avoidance System using Fuzzy Inference”, Proceeding of CAMS 2001.(CDROM)
Kijima, K. and Furukawa, Y. (2003),“Automatic Collision Avoidance System Using the Concept of Blocking Area”, Proceeding of MCMC 2003, pp. 262-267.
Koyama, T. and Yan, J. (1987), "An Expert System Approach to Collision Avoidance", 8th Ship Control System Symposium.
Lee, H. J. and Rhee, K. P.(2001),“Development of Collision Avoidance System by using Expert System and Search Algorithm”, Journal of International Shipbuilding Progress, Vol. 48, No. 3, pp. 197-212, 2001.
Son, N., Kim, S., Oh, J. (2009), "Study on an Algorithm for the Estimation of Collision Risk among Ships by using AIS Database", 9th Asian Conference on Marine Simulator and Simulation Research(ACMSSR), pp.81-87.
Szlapczynski, R.(2006), "A Unified Measure Of Collision Risk Derived From The Concept Of A Ship Domain”, The Journal of Navigation, Vol.59, pp. 477-490.

상세보기
Wilson, P. A. and Harris, C. J.(2006),“A Line of Sight Counteraction Navigation Algorithm for Ship Encounter Collision Avoidance”, The Journal of Navigation, Vol.56, pp. 111-121.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증