[논문]AIS 에러 데이터 관리기법에 대한 연구

김도연; 홍태호; 정중식; 이상재

doi:10.5391/jkiis.2014.24.3.310

초록
AI-Helper

최근 국내외 해상환경은 국제 해상 물동량 증가 및 활발한 해상 레저 활동으로 인하여 교통량이 증가함으로써 해양 사고의 발생 빈도가 높아지고 있는 추세이다. 이러한 해양사고를 줄이기 위해서 선교에는 항해사의 부담을 감소시키며 정확한 의사결정을 지원하기 위하여 다양한 종류의 항행 안전장비가 존재하고 있다. 그러한 장비들 중에서 선박자동식별장치의 경우 선박 자신의 정보를 송출하고 동시에 다른 선박의 정보를 받아들여 주위 상황판단에 도움을 주는 매우 중요한 시스템이나, 오류가 발생했을 경우 잘못된 정보를 주기적으로 송출하기 때문에 해당 정보를 이용하는 육상 관제사나 항행 중인 항해사의 의사결정에 지장을 주는 경우가 자주 발생한다. 이 연구는 AIS로부터 수신되는 선박 정보들의 신뢰도 및 정확도 향상을 위한 AIS 에러 데이터 및 필드 보정 알고리즘을 제안한다.

Abstract ▼ AI-Helper

The domestic maritime environment shows higher frequency of maritime accidents amidst greater traffic volume arising from increasing international seaborne trade and maritime leisure activities. To reduce such maritime accidents, there exist various kinds of safety navigation devices in the ship bri...

The domestic maritime environment shows higher frequency of maritime accidents amidst greater traffic volume arising from increasing international seaborne trade and maritime leisure activities. To reduce such maritime accidents, there exist various kinds of safety navigation devices in the ship bridge aimed to mitigate burdens of navigators and support their accurate decision making. Amongst is the AIS considered very important, which is an automatic tracking system to assist understanding of the circumstances in the vicinity by receiving information of other ships and also sending its own; where the information contains errors initially, however, such wrong information is periodically transmitted, accordingly giving rise to hindrance sometimes in decision making by shore operators or ship navigators at sea. This study is to propose the error data and field management algorithm using fuzzy theory toward improving reliability and accuracy in ship related information received from AIS.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이 연구에서는 해양 환경에서 수집할 수 있는 타 선박에 대한 정보 중 AIS로부터 수신되는 선박 정보의 문제점을 지적하였으며, 수신되는 정보의 신뢰도 및 정확도 향상을 위한 에러 데이터 관리 및 필드 보정 알고리즘을 제시하였다.

제안 방법

2.2절에서 그림 3의 순서도를 통해 AIS에러 데이터 알고리즘을 제안하였다. 하지만 입력 데이터의 오류 여부 판단은 항행 전문가 및 AIS 장비 전문가의 의견에 따라 판단되어야 하며, 그 판단을 위해 전문가의 의견에 따라 설계된 퍼지 인공지능 기법을 적용하였다.
)를 추출한다. 그 후 가장 최근 시점 GPS(t⁰)와 과거 시점의 GPS(t^-n)간의 계산을 통해 COG, SOG을 계산해 낸다. 그 후 퍼지 추론을 통해 현재 타 선박의 COG와 SOG에 에러가 있는지 여부를 판단한 후, 에러가 있을 경우 계산한 값으로 타 선박의 AIS데이터를 대체시킨다.
그 후 가장 최근 시점 GPS(t⁰)와 과거 시점의 GPS(t^-n)간의 계산을 통해 COG, SOG을 계산해 낸다. 그 후 퍼지 추론을 통해 현재 타 선박의 COG와 SOG에 에러가 있는지 여부를 판단한 후, 에러가 있을 경우 계산한 값으로 타 선박의 AIS데이터를 대체시킨다. 최종적으로 본 선박의 GPS(t⁰), COG(t⁰), SOG(t⁰)를 이용하여 타 선박의 상대각도(ANG), 상대거리(DIS), CPA(최근접시간-TCPA, 최근접거리-DCPA)를 계산하여 AIS 데이터의 필드를 보정한 후 종료된다.
또한, 침로차와 속도차를 계산하기위해 GPS의 현재 좌표와 n개 이전의 과거 좌표에 대한 t ^-n값을 고려할 시 적절한 n값을 결정하기위해 비교분석을 수행했다. 아래 표 5 ~ 표 7에서 정상 AIS 데이터를 송출하는 선박들에 대한 알고리즘 강제 적용 결과의 통계치(총 1174개, 선박 당 약 391개)를 보인다.
본 연구에서는 현재(t⁰) 시점에서의 GPS데이터와 과거(t^-n) 시점에서의 GPS데이터를 항법수식[13-15]을 이용하여 COG와 SOG 및 TCPA, CPA, 상대거리, 상대각도를 계산 하여 AIS필드를 구성하는 알고리즘을 제안하며, 해당 알고리즘의 순서도는 그림 3과 같다.
그 후 퍼지 추론을 통해 현재 타 선박의 COG와 SOG에 에러가 있는지 여부를 판단한 후, 에러가 있을 경우 계산한 값으로 타 선박의 AIS데이터를 대체시킨다. 최종적으로 본 선박의 GPS(t⁰), COG(t⁰), SOG(t⁰)를 이용하여 타 선박의 상대각도(ANG), 상대거리(DIS), CPA(최근접시간-TCPA, 최근접거리-DCPA)를 계산하여 AIS 데이터의 필드를 보정한 후 종료된다.
2절에서 그림 3의 순서도를 통해 AIS에러 데이터 알고리즘을 제안하였다. 하지만 입력 데이터의 오류 여부 판단은 항행 전문가 및 AIS 장비 전문가의 의견에 따라 판단되어야 하며, 그 판단을 위해 전문가의 의견에 따라 설계된 퍼지 인공지능 기법을 적용하였다. 이 연구에서 적용한 퍼지 전문가 시스템은 사람의 애매한 지식을 표현하기에 적절한 인공지능 기법 중 하나로 다양한 분야에 적용되고 있는 가벼우면서도 강력한 기법이다[16].

성능/효과

이 연구에서는 해양 환경에서 수집할 수 있는 타 선박에 대한 정보 중 AIS로부터 수신되는 선박 정보의 문제점을 지적하였으며, 수신되는 정보의 신뢰도 및 정확도 향상을 위한 에러 데이터 관리 및 필드 보정 알고리즘을 제시하였다. 또한, 실제 오류 상황 AIS 데이터와 그 때의 원본 레이더 수집 선박 데이터와의 통계적인 비교분석 결과와 정상 항행 선박에의 알고리즘 강제 적용결과를 보임으로써 제안하는 연구의 필요성과 알고리즘의 타당성을 보였다.
실제 수집된 AIS데이터에 제안하는 알고리즘을 적용한 결과 n의 값이 커질수록 속도의 계산 정확도는 높아지나 항로가 복잡하여 소각도 변침이 잦은 연안의 특성상 침로차에 대한 오차가 커지는 상황(분산 값 증가)을 확인할 수 있었다. 이러한 결과를 통해서 변침이 잦은 연안항해시엔 바로 이전(n=1, 2 ~ 10초 이전 데이터)의 n값을 사용하고 변침이 자주 일어나지 않는 대양 항해 시엔 높은(n>=3, 6 ~ 30초 이전 데이터) n값을 사용하는 것이 효율적임을 알 수 있다.
이 연구는 위에서 보인 알고리즘 적용 값의 통계적인 결과를 통해 제안하는 AIS 에러 데이터의 보정 및 관리의 필요성과 그를 위한 적절한 과거 데이터 시점을 제시하였으 며, 제안한 관리 알고리즘을 통해 AIS 에러 데이터를 효율적으로 관리할 수 있음을 보였다.
이 연구에서는 AIS로부터 수신되는 선박 정보들의 신뢰도 및 정확도 향상을 위한 AIS 에러 데이터와 필드 관리 알고리즘을 제안하고, 실제 오류 상황 AIS 데이터에서의 적용 결과를 보임으로써 연구의 필요성과 제안하는 알고리즘의 타당성을 보인다.
이러한 결과를 통해서 변침이 잦은 연안항해시엔 바로 이전(n=1, 2 ~ 10초 이전 데이터)의 n값을 사용하고 변침이 자주 일어나지 않는 대양 항해 시엔 높은(n>=3, 6 ~ 30초 이전 데이터) n값을 사용하는 것이 효율적임을 알 수 있다.
표 3에서 오류 AIS와 레이더 값의 차 평균은 침로 141도, 선속 82노트, 분산 1070, 289로 매우 큰 오차 범위를 보인다. 반면, 표 4의 계산된 AIS 데이터와 레이더 값의 차 평균은 침로 5.

후속연구

이 연구는 VTS 관제센터 등의 육상 관제 센터 및 항행 중인 선박에 적용될 경우, 기존 다양한 방면에서 사용 중인 AIS 데이터의 신뢰도 및 정확도를 향상시킬 수 있을 것으 로 기대된다.
추후 실 사용자의 의견 수렴을 통한 알고리즘의 민감도 및 임계값 설정에 대한 타당성 보완과 실항행 상황 적용을 통한 알고리즘 검증 및 다른 인공지능 기법들과의 비교분석을 통한 최적 인공지능 기법 선택이 연구과제로 남는다.

질의응답

핵심어	질문	논문에서 추출한 답변
	항행 보조 장비들 중에서 해양사고 절감에 가장 큰 역할을 담당하는 장비는 무엇이 있는가?	그러한 항행 보조 장비들 중에서 해양사고 절감에 가장 큰 역할을 담당하고 있는 장비는 전자해도표출장치(ECDIS, Electronic Chart Display & Information System), 선박자동식별장치(AIS, Automatic Identification System)와 ARPA(Automatic Radar Plotting Aids) 레이더라고 할 수 있다. 전자해도표출장치는 자동차의 내비게이션 역할을 하는 장비로 항행 중인 해역의 물표, 수심 등의 해도정보를 표출하고, 예정 항로를 설계하여 예측도착시간 등을 파악할 수 있어 항행을 위해 매우 중요하게 사용되고 있다.
	전자해도표출장치란 무엇인가?	그러한 항행 보조 장비들 중에서 해양사고 절감에 가장 큰 역할을 담당하고 있는 장비는 전자해도표출장치(ECDIS, Electronic Chart Display & Information System), 선박자동식별장치(AIS, Automatic Identification System)와 ARPA(Automatic Radar Plotting Aids) 레이더라고 할 수 있다. 전자해도표출장치는 자동차의 내비게이션 역할을 하는 장비로 항행 중인 해역의 물표, 수심 등의 해도정보를 표출하고, 예정 항로를 설계하여 예측도착시간 등을 파악할 수 있어 항행을 위해 매우 중요하게 사용되고 있다. 선박자 동식별장치와 ARPA 레이더 장비는 현재 선박에 설치된 다양한 장비들 중에서 유일하게 타 선박(모든 해상 이동물체를 포함한)에 대한 정보를 자동으로 수집하여 항해사에게 제공하는 장비이다.
	타 선박에 대한 정보를 자동으로 수집하여 항해사에게 제공하는 장비들의 각 특징은 무엇인가?	선박자 동식별장치와 ARPA 레이더 장비는 현재 선박에 설치된 다양한 장비들 중에서 유일하게 타 선박(모든 해상 이동물체를 포함한)에 대한 정보를 자동으로 수집하여 항해사에게 제공하는 장비이다. 선박자동식별장치(이후 AIS)는 GPS(Global Positioning System) 및 VHF-DSC(Very High Frequency-Digital Selective Calling)를 이용해 선박 자신의 정보를 표출하고 동시에 다른 선박의 정보를 받아들여 현재 항행상황판단에 도움을 줄 수 있는 시스템이며, ARPA 레이더(이후 레이더)는 전파를 이용한 물체탐지장치로써 상대선의 진운동(침로, 속력), 최근접거리 및 최근접시간을 자동으로 계산하여 표출해주어 타 선박과의 본선과의 관계를 파악할 수 있게 보조하는 시스템이다[5-6].

참고문헌 (16)

Hyun Chool Shin, Jung Ho Lee, Kyeong Hun Lim, Seong Myeoung Yoon and Chul Hwan Koh, "Assessment of the Impacts of 'Sea Prince' Oil Spill on the Rocky Intertidal Macrobenthos Community", Korean Journal of Environmental Biology, Vol. 26, No. 3, pp. 159-169, 2008.
Byeong Ki Lee, Kun Wee Kim and Seung Hyun Hyun, "Analysis of Emergency Management System and Behavior by Oil Pollution Accident of Hebei Spirit: Based on the Risk Movernance Model", KOREAN POLICY STUDIES REVIEW, Vol. 19, No. 4, pp. 353-378, 2010.
IMO, International Convention for the Safety of Life at Sea (SOLAS), Article 5. Rule 19, 1974.
MOF, Shipping Act, marine equipment, Article 108, 2011.
IMO, Res. A.422(Xl), Radar Observer Renewal, 1995.
ITU, M.1371-5, Technical characteristics for an automatic identification system using time-division multiple access in the VHF maritime mobile band, 2014.
Korea Maritime Safety Tribunal, 2012 Marine Accident Statistics, 2012.
Korea Coast Guard, Statistical Yearbook of 2011 Marine Accidents, 2012.
Ju-hwan Lee, Gi-Jong Jo, "A Study on Ship"s Accidents for Intelligent Analysis and Surveillance of Maritime Traffic", Conference of Korean Institute of Intelligent Systems, Vol. 22, No. 1, pp. 47-48, 2012.
Hyung-Seok Kim, Min-Seok Kim, Jeong-Chang Lee, A-Reum, "Collision risk considering the international regulations for preventing collisions at sea, 1972", Journal of the Korean society of fisheries technology, Vol.45, No.2, pp.106-113, 2009.

원문보기 상세보기
Dong-Gyun Kim, Jung Sik Jeong, Gyei-Kark Park, "A Study on Ship Collision Avoidance Algorithm by COLREG", Journal of The Korean Institute of Intelligent Systems, Vol.21, No.3, pp. 290-295, 2011.

원문보기 상세보기
Andrzej Stateczny, and Andrzej Lisaj "Radar and AIS data fusion for the needs of the maritime navigation.", Radar Symposium-IRS 2006. International. IEEE, 2006.
B. Hofmann-Wellenhof, H. Lichtenegger, and J. Collins, Global Positioning System : Theory and Practice, Springer, 1994.
Benjamin R. Michael, John J. Leonard, et al., "A method for protocol-based collision avoidance between autonomous marine surface craft.", Journal of Field Robotics, Vol. 23, No .5, pp. 333-346, 2006.

상세보기
Bin Lin, and Chih-Hao Huang "Comparison between ARPA Radar and AIS Characteristics for Vessel Traffic Services.", Journal of Marine Science and Technology, Vol. 14, No. 3, pp. 182-189, 2006.
M. Negnevitsky, Artificial intelligence second edition- a guide to intelligent system, Addison-Wesley, 2005.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

AIS 에러 데이터 관리기법에 대한 연구
Building an Algorithm for Compensating AIS Error Data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

AIS 에러 데이터 관리기법에 대한 연구 Building an Algorithm for Compensating AIS Error Data 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

홍태호 (9) 정중식 (49)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

AIS 에러 데이터 관리기법에 대한 연구
Building an Algorithm for Compensating AIS Error Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper