최근 다양한 분야에 빅데이터 기술을 활용하기 위한 방법에 관한 연구가 활발하게 이루어지고 있다. 해상-빅데이터는 인터넷 공간에 있는 정보들이 아닌 선박의 항해통신장비로부터 발생 및 수집되는 수많은 정보로 정의할 수 있다. 한편, 해상 교통량의 증가함에 따라 해양 사고도 증가하고 있으며, 이에 따라 해양 안전에 관한 요구가 증대되고 있다. 이러한 요구를 충족시키기 위한 일환으로, 본 논문에서는 해상에 있는 수많은 선박으로부터 수신되는 대량의 AIS 메시지 데이터를 기반으로 선박의 항적 표시 및 해상교통량 통계 분석을 전자해도를 통해 시각적으로 표현하는 시스템을 개발한다. 또한, 유용성 검증을 위해 개발한 시스템을 활용하여 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 수행하였다. 이를 통해 개발한 시스템의 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 통해 선박의 항적 표시, 비정상적인 운항 패턴, AIS 장비의 이상 유무, 해상교통량 통계 분석 등에 활용 가능함을 확인하였다.
최근 다양한 분야에 빅데이터 기술을 활용하기 위한 방법에 관한 연구가 활발하게 이루어지고 있다. 해상-빅데이터는 인터넷 공간에 있는 정보들이 아닌 선박의 항해통신장비로부터 발생 및 수집되는 수많은 정보로 정의할 수 있다. 한편, 해상 교통량의 증가함에 따라 해양 사고도 증가하고 있으며, 이에 따라 해양 안전에 관한 요구가 증대되고 있다. 이러한 요구를 충족시키기 위한 일환으로, 본 논문에서는 해상에 있는 수많은 선박으로부터 수신되는 대량의 AIS 메시지 데이터를 기반으로 선박의 항적 표시 및 해상교통량 통계 분석을 전자해도를 통해 시각적으로 표현하는 시스템을 개발한다. 또한, 유용성 검증을 위해 개발한 시스템을 활용하여 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 수행하였다. 이를 통해 개발한 시스템의 선박 항적 표시 기능 및 해상교통량 통계 분석 기능을 통해 선박의 항적 표시, 비정상적인 운항 패턴, AIS 장비의 이상 유무, 해상교통량 통계 분석 등에 활용 가능함을 확인하였다.
Recently, a lot of studies that applying the big data technology to various fields, are progressing actively. In the maritime domain, the big data is the meaningful information which makes and gathers by the navigation and communication equipment from the many ships on the ocean. Also, importance of...
Recently, a lot of studies that applying the big data technology to various fields, are progressing actively. In the maritime domain, the big data is the meaningful information which makes and gathers by the navigation and communication equipment from the many ships on the ocean. Also, importance of the maritime safety is emphasized, because maritime accidents are rising with increasing of maritime traffic. To support prevention of maritime accidents, in this paper, we developed a vessel traffic display and statistic system based on AIS messages from the many vessels of maritime. Also, to verify the developed system, we conducted tests for vessel track display function and vessel traffic statistic function based on two test scenarios. Therefore, we verified the effectiveness of the developed system for vessel tracks display, abnormal navigation patterns, checking failure of AIS equipments and maritime traffic statistic analyses.
Recently, a lot of studies that applying the big data technology to various fields, are progressing actively. In the maritime domain, the big data is the meaningful information which makes and gathers by the navigation and communication equipment from the many ships on the ocean. Also, importance of the maritime safety is emphasized, because maritime accidents are rising with increasing of maritime traffic. To support prevention of maritime accidents, in this paper, we developed a vessel traffic display and statistic system based on AIS messages from the many vessels of maritime. Also, to verify the developed system, we conducted tests for vessel track display function and vessel traffic statistic function based on two test scenarios. Therefore, we verified the effectiveness of the developed system for vessel tracks display, abnormal navigation patterns, checking failure of AIS equipments and maritime traffic statistic analyses.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
해상-빅데이터는 인터넷 공간에 있는 정보들이 아닌 “선박 등에 탑재된 항해통신장비로부터 발생 및 수집되는 수많은 정보”로 정의할 수 있다. 따라서 본 논문에서는 해상에 있는 수많은 선박으로부터 송신되는 대량의 AIS 메시지를 기반으로 수집, 가공, 처리 등의 작업을 수행한 후, 선박의 항적 표시, 해상교통량 분석, 비정상적인 운항 패턴, AIS 장비의 이상 유무 등을 전자 해도를 통해 시각적으로 쉽게 파악할 수 있도록 해주는 시스템의 개발에 관한 내용을 다룬다. 개발하는 시스템은 통계 분석을 기반으로 보다 효율적인 해상 교통관제를 지원하여 해양 사고의 예방 및 해양구조물 설치의 근거 자료 마련 등 여러 분야에 활용될 수 있다.
본 논문에서는 수많은 선박으로부터 송신되는 대량의 해상-빅데이터를 기반으로 수집, 가공, 처리 등의 작업을 수행한 후, 선박의 항적 표시 및 해상교통량 분석을 기반으로 비정상적인 운항 패턴, AIS 장비의 이상 유무 등을 전자해도를 통해 시각적으로 쉽게 파악할 수 있도록 해주는 시스템을 개발하였다. 또한, 유용성 검증을 위해 개발한 시스템을 활용하여 선박 항적 표시 기능 및 해상교통량 분석을 수행하였다.
따라서 이러한 정보를 활용하여 한 선박의 관리 등 좁은 범위에서부터 특정 항구, 우리나라 전체 등의 범위의 해상교통량 분석 등 해양 안전을 비롯하여 여러 다양한 목적에 맞는 응용 서비스의 제공이 가능해진다. 본 논문에서는 이러한 목적의 일환으로 해상-빅데이터를 정의하고, AIS로 대표되는 대량의 데이터를 수집, 처리, 저장, 관리, 활용하기 위한 시스템의 개발에 관한 내용을 다룬다.
본 논문에서는 해상-빅데이터를 “선박 등에 탑재된 항해통신장비로부터 발생 및 수집되는 수많은 정보”로 정의하였다.
제안 방법
선박 및 해상 구조물의 속도 및 상태에 따른 AIS 메시지의 송수신 주기는 [5]에 정의되어 있다. AIS 메시지는 그 목적과 형태에 따라 1~27번까지 정의되어 있고, 본 논문에서는 선박의 위치 보고와 관련한 동적 AIS 메시지인 1, 2, 3, 18, 19번 메시지 및 선박의 정적 정보를 포함하는 5, 24번 메시지를 사용하며, 이들 AIS 메시지의 종류 및 정의를 표 1에 정리하였다. 이러한 AIS 메시지는 수많은 선박이나 해상 구조물의 상태에 따라 최소 2초에서 최대 3분마다 주기적으로 발생되기 때문에 시간이 지남에 따라 방대한 양의 데이터가 축적된다.
운영체제는 Microsoft Windows 7 Professional 64-bit, 개발도구는 Microsoft Visual Studio 2013, 개발언어는 Microsoft .Net Framework 4.5 기반의 C#과 WPF(Windows Presentation Foundation)를 활용하였으며, 독자 개발한 전자해도(ENC, electronic navigational chart) 라이브러리를 활용하여 전자해도를 표현하였다.
이러한 문제를 해결하기 위해서 [7]의 연구에서는 AIS 메시지를 추가적으로 활용하여 해상교통량을 분석하는 시스템을 개발하였다. 개발한 시스템은 특정 기간 동안 수집된 AIS 메시지를 활용하여 전자해도를 기반으로 선종별 통항 항적도를 표시하는 기능과 선종 및 크기별 통계 기능을 제공함으로써 이를 활용하여 분석 차트나 표를 작성할 수 있는 기반을 제공한다. 하지만, 이러한 연구는 해상교통량 분석을 위한 목적으로 개발되어 선종별 항적 표시만을 해주며, 저장된 통계 결과를 분석하여 자동 시각화해주는 기능은 지원해주지 않는 등의 한계를 가진다.
본 논문에서는 수많은 선박으로부터 송신되는 대량의 해상-빅데이터를 기반으로 수집, 가공, 처리 등의 작업을 수행한 후, 선박의 항적 표시 및 해상교통량 분석을 기반으로 비정상적인 운항 패턴, AIS 장비의 이상 유무 등을 전자해도를 통해 시각적으로 쉽게 파악할 수 있도록 해주는 시스템을 개발하였다. 또한, 유용성 검증을 위해 개발한 시스템을 활용하여 선박 항적 표시 기능 및 해상교통량 분석을 수행하였다.
본 논문에서 다루는 해상-빅데이터 기반 선박 항적 표시 및 해상교통량 통계 분석 시스템은 그림 1과 같이 AIS 메시지 수집 모듈(AIS message receiving module), AIS 메시지 처리 모듈(AIS message processing module), 선박 정보 관리 데이터베이스(VDBMS, vessel database management system), 선박 항적 표시 및 해상교통량 분석 시스템(VTAS, vessel traffic analysis system)으로 구성된다.
AIS 메시지 수집 모듈은 AIS 수신기를 통해 AIS 메시지를 수신하는 기능을 하고, AIS 메시지 처리 모듈은 수신된 메시지 중 1, 2, 3, 5, 18, 19, 24번 AIS 메시지를 VTAS에서 효율적으로 사용할 수 있도록 전처리(preprocessing)를 하여 VDBMS에 저장하는 역할을 한다. 특히, 제안하는 시스템에서 가장 핵심이 되는 VTAS는 크게 항적 조회(track search), 항적 통계(track statistics), 해도 표시(ENC display)의 세 가지 범주의 기능을 가지는데, 먼저 항적 조회 기능은 MMSI(maritime mobile service identity, 해상 이동 업무 식별부호) 검색, 선명 검색, 호출부호 검색, 게이트라인 검색, 구역 검색, 선박 목록 검색 모듈로 이루어져 있다. 또한, 항적 통계 기능은 AIS 검색, 시간대별 검색, 선종별 검색, 클래스별 검색, 점 데이터 생성, 선 데이터 생성, 격자 데이터 생성 모듈로 이루어져 있고, 해도 표시 기능은 구역 생성, 구역 편집, 거리 측정, 해도 설정, 항적 조회 전시, 항적 통계 전시, 항적 색상 설정 모듈로 구성되어 있다.
대상 데이터
개발한 시스템을 활용하여 해상교통량 분석 기능을 테스트하기 위하여 2016년 4월 1일 00:00부터 4월 25일 00:00까지 부산항 부근(35°05.238' N, 129°05.791' E)에서 수집된 AIS 정보를 기반으로 분석을 수행하였으며, 그림 4 및 그림 5에 그 결과를 나타내었다.
데이터처리
이러한 개발 환경을 기반으로 설계한 선박 항적 표시 및 해상교통량 통계 분석 소프트웨어(VTAS)를 구현하였으며, 그래픽 사용자 인터페이스는 그림 2와 같다. 화면의 상단에 선박 항적 조회, 해상교통량 통계 분석 등 설계한 기능을 위한 메뉴부가 있으며, 화면의 중앙에 선박 항적 표시 및 해상교통량 통계 분석의 결과를 시각화 해주기 위한 전자해도 기반 전시부가 있다.
성능/효과
테스트 시나리오 1에서 사용한 VDBMS 및 VTAS의 사양을 표 3에 정리하였으며, 총 조회된 데이터 건수는 59,059건, 데이터베이스 처리 시간은 약 0.0003초, 전체 처리 시간은 약 4.5초가 소요되었다. 전체 처리 시간의 경우, 시각화뿐만 아니라 다른 부가 기능을 위한 데이터 생성 시간이 포함되어 있다.
테스트 시나리오 2에 사용한 시스템의 사양은 시나리오 1과 동일하며, 총 조회된 데이터 건수는 7,158,610건, 데이터베이스 처리 시간은 약 0.4초, 전체 처리 시간은 약 43초가 소요되었다. 마찬가지로 전체 처리 시간의 경우, 데이터를 읽고 전자해도에 시각화해주는 기능뿐 아니라 다른 부가 기능을 위한 데이터 생성 시간이 포함되어 있다.
후속연구
따라서 본 논문에서는 해상에 있는 수많은 선박으로부터 송신되는 대량의 AIS 메시지를 기반으로 수집, 가공, 처리 등의 작업을 수행한 후, 선박의 항적 표시, 해상교통량 분석, 비정상적인 운항 패턴, AIS 장비의 이상 유무 등을 전자 해도를 통해 시각적으로 쉽게 파악할 수 있도록 해주는 시스템의 개발에 관한 내용을 다룬다. 개발하는 시스템은 통계 분석을 기반으로 보다 효율적인 해상 교통관제를 지원하여 해양 사고의 예방 및 해양구조물 설치의 근거 자료 마련 등 여러 분야에 활용될 수 있다.
붉은색에 가까울수록 해상교통량이 많은 것을 의미하며, 사고의 가능성 또한 높기 때문에 안전을 위하여 이러한 지역에 대한 집중 관제가 필요하다. 또한, 분석된 결과를 등표 및 부표 등과 같은 해상 구조물을 설치하는 근거 자료로 활용할 수 있다.
향후에는 알고리즘 개선을 통한 분석 속도 및 효율성 향상 등 시스템의 성능을 높이기 위한 연구를 비롯하여 AIS 메시지 뿐 아니라 다양한 항해통신장비로부터 수집되는 데이터를 상호 보완적으로 통합 고려하기 위한 방법에 관한 연구가 필요할 것이다. 또한, NoSQL 형태의 데이터베이스로 전환한 후, 항해통신장비로부터 수집되는 데이터 및 통계 분석의 결과를 축적 및 학습하여 해상-빅데이터 기반 지능형 항해 의사 결정 지원 시스템의 개발에 관한 연구를 진행 중에 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
시계가 좋지 않을때 AIS 메시지는 어떻게 활용 되는가?
AIS는 선박의 위치, 침로, 속력 등 항해 정보 및 AtoN(aid to navigation, 항행 원조 장치)과 같은 해상 구조물로부터 수집되는 환경 정보 등을 포함하는 AIS 메시지를 선박이나 해상 구조물의 상태에 따라 특정 시간 간격마다 송신하는 장비이다. 시계가 좋지 않아 주위의 선박을 인식할 수 없는 경우에도 선명, 침로, 속력 등의 정보 식별이 가능하며, 다른 항해통신장비와 결합하여 관제를 통한 사고위협 감지 및 조난 선박의 수색 및 구조 활동 등 해양 안전 관리에 활용되고 있다.
해상-빅데이터란 무엇인가?
최근 다양한 분야에 빅데이터 기술을 활용하기 위한 방법에 관한 연구가 활발하게 이루어지고 있다. 해상-빅데이터는 인터넷 공간에 있는 정보들이 아닌 선박의 항해통신장비로부터 발생 및 수집되는 수많은 정보로 정의할 수 있다. 한편, 해상 교통량의 증가함에 따라 해양 사고도 증가하고 있으며, 이에 따라 해양 안전에 관한 요구가 증대되고 있다.
빅데이터의 요건은 무엇인가?
현재까지는 빅데이터에 관해 명확한 정의가 내려져 있지 않지만, 일반적으로 빅데이터의 요건은 Volume (규모), Variety(다양성), Velocity(속도) 즉, 3V로 통용 되고 있다. 선박의 항해와 관련된 다양한 정보를 수집, 저장, 관리함으로써 대용량의 데이터가 형성될 수 있다.
참고문헌 (7)
H. J. Yoon, "Development of contents on the marine meteorology service by meteorology and climate big data," Journal of the Korea Institute of Electronic Communication Sciences, vol. 11, no. 2, pp. 125-138, Feb, 2016.
S. H. Oh and B. G. Lee, "The accident prediction mechanism using maritime big data", in Proceedings of the 2015 Winter Conference on KIISE, pp. 960-961, 2015.
K. Y. Kim, I. W. Kang, S. J. Pyo, S. R. Lee, Y. S. Lim and J. W. Shim, "Study on comparative analysis of AIS related class A type and class B Type", in Proceedings of the Korea Information and Communications Society Summer Conference, pp.229-230, 2010.
W. K. Kim, "Ship navigation bigdata for ICT convergence model in shipbuilding and maritime industry," Journal of KSME, vol. 54, no. 12, pp. 49-52, Dec, 2014.
ITU, ITU-R M.1371 : Technical characteristics for an automatic identification system using time-division multiple access in the VHF maritime mobile band, ITU, 2010.
M. Jung, "A Study on the development of the marine traffic analysis system based on RADAR and ENC," M. S. Thesis, Korea Maritime and Ocean University, Busan, Korea, 2005.
M. Jung, D. H. Kim and C. U. Song, "A Study on the development of the marine traffic analysis system based on AIS and ENC," Journal of Korean Navigation and Port Research, vol. 31, no. 1, pp. 43-48, Feb, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.