선박은 충돌방지를 위해 해상충돌예방규칙에 의해 운항한다. 하지만 다수의 선박이 동시에 운항하는 특수상황 시에는 해상충돌예방규칙을 적용하기 곤란하며 이때는 운항자의 개인능력에 의한다. 이러한 경우 해상교통관제를 통한 교통상황 관리가 필요하다. 이에 전 세계적으로 VTS(Vessel Traffic Services)를 통해 해상교통이 관리되고 있으며 운용 방법은 관제요원이 VTS 시스템을 이용하여 위험상황을 판단하고 통신시설을 이용하여 선박들에게 안전운항을 권고한다. 이 연구에서는 기존 방법에 AI(Artificial Intelligence) 기법을 추가하여 운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다. 또한, 관제 효율성 증대를 위해 AR(Augmented Reality)기법을 추가한 해상교통안전모니터링 시스템에 대해 설명한다. 이 시스템은 위험상황 및 위험 우선순위 예측이 정량적으로 가능하여 복잡한 교통상황시 실제 운항자가 충돌회피하는 방법과 동일한 순차적 위험상황 해소가 가능하다. 특히, 위험상황을 관제요원의 관점뿐만 아니라 각 선박의 운항자의 관점에서 분석할 수 있어 기존의 방법보다 실제적이다. 또한, 분석결과를 통해 정량적인 위험수역 파악이 가능하여 충돌회피를 위한 권고항로 지원이 가능하다. 결과적으로 이 시스템은 해상교통상황이 복잡한 해역에서의 선박간 충돌방지에 도움이 될 것이다. 특히, 해양분야 제4차 산업혁명에 주요한 분야를 차지하는 자율운항선박에 충돌방지 기능으로 사용될 수 있을 것이다.
선박은 충돌방지를 위해 해상충돌예방규칙에 의해 운항한다. 하지만 다수의 선박이 동시에 운항하는 특수상황 시에는 해상충돌예방규칙을 적용하기 곤란하며 이때는 운항자의 개인능력에 의한다. 이러한 경우 해상교통관제를 통한 교통상황 관리가 필요하다. 이에 전 세계적으로 VTS(Vessel Traffic Services)를 통해 해상교통이 관리되고 있으며 운용 방법은 관제요원이 VTS 시스템을 이용하여 위험상황을 판단하고 통신시설을 이용하여 선박들에게 안전운항을 권고한다. 이 연구에서는 기존 방법에 AI(Artificial Intelligence) 기법을 추가하여 운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다. 또한, 관제 효율성 증대를 위해 AR(Augmented Reality)기법을 추가한 해상교통안전모니터링 시스템에 대해 설명한다. 이 시스템은 위험상황 및 위험 우선순위 예측이 정량적으로 가능하여 복잡한 교통상황시 실제 운항자가 충돌회피하는 방법과 동일한 순차적 위험상황 해소가 가능하다. 특히, 위험상황을 관제요원의 관점뿐만 아니라 각 선박의 운항자의 관점에서 분석할 수 있어 기존의 방법보다 실제적이다. 또한, 분석결과를 통해 정량적인 위험수역 파악이 가능하여 충돌회피를 위한 권고항로 지원이 가능하다. 결과적으로 이 시스템은 해상교통상황이 복잡한 해역에서의 선박간 충돌방지에 도움이 될 것이다. 특히, 해양분야 제4차 산업혁명에 주요한 분야를 차지하는 자율운항선박에 충돌방지 기능으로 사용될 수 있을 것이다.
Vessels sail according to the COLREG to prevent a collision. However, it is difficult to apply COLREG under special situation as heavy traffic, at this time personal skills of the operator are required. In this case, traffic control is required through the maritime traffic monitoring system. Therefo...
Vessels sail according to the COLREG to prevent a collision. However, it is difficult to apply COLREG under special situation as heavy traffic, at this time personal skills of the operator are required. In this case, traffic control is required through the maritime traffic monitoring system. Therefore, maritime traffic management is globally implemented by VTS. In this system, VTS of icer uses the VTS system to assess risks and recommends possible safety operation to vessels with radio systems. This study considers that the risk analysis method with AI (Artificial Intelligence) technology from the operator's aspect. In addition, the research explains the Maritime Traffic Safety Monitoring System, Including AR (Augmented Reality) technology to increase vessel control efficiency. This system is able to predict hazards and risk priorities, and it leads to sequential elimination of dangerous situations. Especially, the hazard situations can be analyzed from operator's perspective of each vessel instead of the VTS officer's aspect, which is more practical than the conventional method. Furthermore, the result of analysis enables to comprehend quantitative hazardous areas and support recommended routes to avoid a collision. As a result, I firmly believe that the system will support to prevent a collision in complex traffic waters. In particular, it could be adopted as a collision prevention system for Maritime Autonomous Surface Ship, which occupies a significant proportion in Maritime 4th industrial revolution.
Vessels sail according to the COLREG to prevent a collision. However, it is difficult to apply COLREG under special situation as heavy traffic, at this time personal skills of the operator are required. In this case, traffic control is required through the maritime traffic monitoring system. Therefore, maritime traffic management is globally implemented by VTS. In this system, VTS of icer uses the VTS system to assess risks and recommends possible safety operation to vessels with radio systems. This study considers that the risk analysis method with AI (Artificial Intelligence) technology from the operator's aspect. In addition, the research explains the Maritime Traffic Safety Monitoring System, Including AR (Augmented Reality) technology to increase vessel control efficiency. This system is able to predict hazards and risk priorities, and it leads to sequential elimination of dangerous situations. Especially, the hazard situations can be analyzed from operator's perspective of each vessel instead of the VTS officer's aspect, which is more practical than the conventional method. Furthermore, the result of analysis enables to comprehend quantitative hazardous areas and support recommended routes to avoid a collision. As a result, I firmly believe that the system will support to prevent a collision in complex traffic waters. In particular, it could be adopted as a collision prevention system for Maritime Autonomous Surface Ship, which occupies a significant proportion in Maritime 4th industrial revolution.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 연구에서는 기존의 관리방법에 추가적인 기법인 AI 기능을 이용하여 선박운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다. 또한, 실제와 동일한 상황을 관제요원에게 제공하기 위해 AR기법을 추가한 해상교통안전모니터링 시스템 개발에 대해 고찰하고자 한다. 이 시스템은 해기지식을 가진 관제요원이 해상교통상황을 관리하는 것은 기본적으로 포함하고 추가적인 기법을 적용하여 관제 효율성을 높이고 이로 인해 안전도를 증진하는데 그 목적이 있다.
또한, 실제와 동일한 상황을 관제요원에게 제공하기 위해 AR기법을 추가한 해상교통안전모니터링 시스템 개발에 대해 고찰하고자 한다. 이 시스템은 해기지식을 가진 관제요원이 해상교통상황을 관리하는 것은 기본적으로 포함하고 추가적인 기법을 적용하여 관제 효율성을 높이고 이로 인해 안전도를 증진하는데 그 목적이 있다. 또한, VTS가 설치되지 않는 공사구간 등에 해기지식이 부족한 일반 관제 요원들에 의한 안전관리 시 정량적 위험상황을 알려주고 안전한 교통관리를 위한 적절한 판단을 지원한다.
이에 전 세계적으로 VTS(Vessel Traffic Service)를 통해 해상교통관리가 수행되고 있으며 운용 방법은 관제요원이 VTS 시스템을 이용하여 위험상황을 판단하고 통신시설을 이용하여 선박들에게 안전운항을 권고한다. 이 연구에서는 기존의 관리방법에 추가적인 기법인 AI 기능을 이용하여 선박운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다. 또한, 실제와 동일한 상황을 관제요원에게 제공하기 위해 AR기법을 추가한 해상교통안전모니터링 시스템 개발에 대해 고찰하고자 한다.
하지만 이 기능은 현재 VTS센터에서도 운용 중에 있다. 이런 이유로 이 연구에서는 해상교통관리의 효율성 증대와 충돌예방 등 해상교통의 안전도 향상을 위해 기능을 추가하 였다. 이를 위해 이 연구에서는 AI기법의 운항자의 조종 부담감을 표현한 해상교통위험성모델을 적용하였다.
, 1988; Kijima and Furukawa, 2003). 이에 이 연구에서는 선박동적위험영역을 구하여 해상교통관제에 적용하고자 한다. 혼잡한 해상교통상황에서 선박 간 충돌방지를 위해서는 위험 우선순위를 파악하여 순차적으로 위험상황을 해소하여야 한다.
그러므로 관제요원의 운항 지식에 의한 주관적 판단으로 수행되고 있으며 복잡한 해상 교통 발생의 경우 관제에 어려움이 발생할 수 있다. 이에 이 연구에서는 이러한 어려움을 감소시키기 위해 정량화된 위험영역을 지정하여 상호 위험선박을 선별하고 이를 전자해도 상에 가시화하여 쉽게 관제를 수행하도록 하는데 그 목적을 둔다. 이를 위해 사용된 이론적 모델은 선박운항자의 심리적 부담감을 표현한 이론식과 선박의 속력을 고려한 동적선박영역(Wang, 2010)을 결합하여 저자가 개발한 항해위험 성평가모델이며(Kim et al.
제안 방법
이렇게 제작된 2D 시스템에 설치된 카메라를 이용하여 AR 기법을 적용하면 실시간 화면 상에서 모니터링이 가능하다. 이 기능만의 적용은 기존 VTS 시스템과 차별성이 거의 없으므로 이 연구에서는 항해위험 성평가모델을 적용하여 정량적 위험성 판단이 가능하게 하였다. 즉, 위험 정도를 알려주는 기능이 탑재되었다.
이 연구는 기존 해상교통관리방법에 추가적인 기법을 적용한 것이다. 이때 사용된 방법은 선박 운항자의 충돌에 대한 심리적 부담감을 적용한 AI기법과 실제 교통상황과 동일한 환경에서 모니터링을 가능하게 하는 AR기법이다.
즉, 해상교통안전모니터링 시스템은 기존의 2D기반의 관제시스템에 추가적으로 AR기반의 실시간 모니터링 시스템과 정량적 위험판단이 가능한 시스템으로 구성 된다. 이때 위험 판단을 위한 경보신호는 기존 모니터링 시스템뿐만 아니라 휴대폰 등 휴대 전자기기의 앱기능을 이용 하여 장소와 시간에 관계없이 모니터링이 가능하도록 하였으며 자세한 내용은 Fig. 1과 같다.
하지만, 이 수식에 의한 분석결과는 위험도의 상호 비교 분석은 가능하나 얼마의 값이 위험한지에 대한 평가지표가 없다. 이러한 이유로 선박의 조종성능과 선박의 속력, 길이 등이 고려된 선박 동적영역을 이용하여 두 수식을 결합하였다. 이렇게 만들어진 수식을 이용하여 위험지표를 설정하여 해상교통위험성평가모델을 만들었다.
이러한 이유로 선박의 조종성능과 선박의 속력, 길이 등이 고려된 선박 동적영역을 이용하여 두 수식을 결합하였다. 이렇게 만들어진 수식을 이용하여 위험지표를 설정하여 해상교통위험성평가모델을 만들었다. 동적영역의 위험영역은 이 영역 내부에 타 선박이 진입할 경우 충돌의 위험성이 존재하는 것을 의미하고 선박의 길이를 기준으로 한 정적선 박영역(Fujii and Tanaka, 1971; Coldwell, 1983)과 선박의 길이 뿐만 아니라 선속, 조종성능과 상대선의 주변 환경을 반영하는 동적선박영역으로 분류된다.
혼잡한 해상교통상황에서 선박 간 충돌방지를 위해서는 위험 우선순위를 파악하여 순차적으로 위험상황을 해소하여야 한다. 해상교통관제 우선순위는 첫째, 선박 동적위험영역이 상호 겹쳐지는 선박들을 분석한다. 이때 충돌 위험이 높은 우선순위를 확인하여 우선 관제가 필요한데 이때 우선순위는 DCPA와 TCPA 값과 동적영역의 상관관계를 이용하여 다음과 같이 설정하였다.
이론/모형
이에 이 연구에서는 이러한 어려움을 감소시키기 위해 정량화된 위험영역을 지정하여 상호 위험선박을 선별하고 이를 전자해도 상에 가시화하여 쉽게 관제를 수행하도록 하는데 그 목적을 둔다. 이를 위해 사용된 이론적 모델은 선박운항자의 심리적 부담감을 표현한 이론식과 선박의 속력을 고려한 동적선박영역(Wang, 2010)을 결합하여 저자가 개발한 항해위험 성평가모델이며(Kim et al., 2017) 우리 학회에 여러 번 소개 되었으며 자세한 내용은 참고문헌으로 대신한다.
이런 이유로 이 연구에서는 해상교통관리의 효율성 증대와 충돌예방 등 해상교통의 안전도 향상을 위해 기능을 추가하 였다. 이를 위해 이 연구에서는 AI기법의 운항자의 조종 부담감을 표현한 해상교통위험성모델을 적용하였다. 이 모델의 적용 이유와 방법은 제1장에서 밝히고 있다.
성능/효과
1) 선박 위험상황에 대한 모니터링이 시간대별로 가능하 였다. [주의]에서 [매우위험]으로 진행되는 과정을 시간대별로 확인할 수 있어 관제요원이 상황을 미리 예측할 수 있게 되었다.
3) 다수 선박들의 복잡한 운항형태에 대하여 관제요원이 위험해역을 정량적으로 파악할 수 있어 충돌회피를 위한 안전해역으로의 항로 지원이 가능하게 되었다.
다수의 선박 간 위험상황을 각 선박 관점에서 위험상황을 분석한 결과 2번과 4번 선박은 타 모든 선박과 [매우위험]상황이 발생함을 알 수 있었다. Fig.
9는 1번 선박 관점에서 위험상황을 표현한 것이다. 분석 결과 1번 선박의 관점에서는 2번과 4번 선박이 [매우위험], 3번 선박은 [위험]으로 나타타났으며 [매우위험]은 붉은색 사각형으로 표현되고 있다.
후속연구
이 연구에서 고찰한 스마트 해양교통안전모니터링 시스템은 복잡한 해역에서의 선박간 충돌 예방에 도움이 될 것이다. 특히, 해양분야 제4차 산업혁명의 핵심분야인 자율운 항선박에 적용될 수 있을 것이다.
이 연구에서 고찰한 스마트 해양교통안전모니터링 시스템은 복잡한 해역에서의 선박간 충돌 예방에 도움이 될 것이다. 특히, 해양분야 제4차 산업혁명의 핵심분야인 자율운 항선박에 적용될 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
다수의 선박이 동시에 운항하게 될 경우 중요한 것은?
선박은 해상 교통상황이 복잡하여 충돌 위험이 발생할 가능성이 있는 항내, 좁은수로, 연안 등을 운항하지 않을 수 없다. 이런 경우 해상충돌예방규칙에 의해 운항하지만 다수의 선박이 동시에 운항하게 될 경우 특수한 상황으로 이 규칙을 적용하기 곤란하며 이때는 운항자의 개인능력에 의한다. 이런 경우를 대비하여 충돌방지를 위해 육상에서 다수 선박에 대한 교통관제를 통해 해상 교통상황을 관리할 필요가 있다.
해상교통위험성평가모델에서 동적영역의 위험영역이란 무엇인가?
이렇게 만들어진 수식을 이용하여 위험지표를 설정하여 해상교통위험성평가모델을 만들었다. 동적영역의 위험영역은 이 영역 내부에 타 선박이 진입할 경우 충돌의 위험성이 존재하는 것을 의미하고 선박의 길이를 기준으로 한 정적선 박영역(Fujii and Tanaka, 1971; Coldwell, 1983)과 선박의 길이 뿐만 아니라 선속, 조종성능과 상대선의 주변 환경을 반영하는 동적선박영역으로 분류된다. 이때 위험영역은 경계영역과 한계영역으로 구분되며 경계영역에 진입 시 위험을 느끼고 한계영역에 도달하면 매우 큰 위험을 느낀다.
다수의 선박이 동시에 운항하게 될 경우 해상교통관리에 쓰이는 시스템은?
이런 경우를 대비하여 충돌방지를 위해 육상에서 다수 선박에 대한 교통관제를 통해 해상 교통상황을 관리할 필요가 있다. 이에 전 세계적으로 VTS(Vessel Traffic Service)를 통해 해상교통관리가 수행되고 있으며 운용 방법은 관제요원이 VTS 시스템을 이용하여 위험상황을 판단하고 통신시설을 이용하여 선박들에게 안전운항을 권고한다. 이 연구에서는 기존의 관리방법에 추가적인 기법인 AI 기능을 이용하여 선박운항자의 관점에서 위험상황을 판단하는 방법에 대해 고찰한다.
참고문헌 (9)
Arimura, N., K. Yamada, K. Watanabe, N. Shiota, and K. Ohtani(1988), A Study on Man-machine System in Vessel Traffic Flow, Ship's Research, Vol 25, No. 3, Research Report, pp. 55-71 (in Japanese).
Coldwell, T. G.(1983), Marine traffic behaviour in restricted waters, The Journal of Navigation, 36, pp. 431-444.
Fujii, Y. and K. Tanaka(1971), Traffic capacity, The Journal of Navigation, 24, pp. 543-552.
Kijima, K. and Y. Furukawa(2003), Automatic collision avoidance system using the concept of blocking area, Proc. of IFAC Conf. on Manoeuvring and Control of Marine Craft, Girona, Spain. pp. 262-267.
Kim, W. O., S. J. Kang, D. G. Youn, J. Y. Bae, and C. J. Kim(2017), A Study on the Coastal Navigation Safety by Navigational Risk Assessment Model, Journal of Fishier and Marine Educational Research, 29(1), pp. 201-207.
Kobayashi H. and M. Endoh(1976), Analysis of Collision Avoiding Action of Ship, Journal of Japanese Navigation Research, No. 55, pp. 101-109 (in Japanese).
Leffingwell, D.(2007), Scaling Software Agility, Part II, pp. 102-114.
McConnell, S.(2003), Professional Software Development: Shorter Schedules, Higher Quality Products, More Successful Projects, Enhanced Careers, pp. 161-181.
Wang, N.(2010). An Intelligent Spatial Collision risk Based on the Quaternion Ship Domain, The Journal of Navigation, 63, pp. 733-749.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.