[논문]충돌사고에 대한 해기사의 행동오류 분석

임정빈

doi:10.5394/kinpr.2019.43.4.237

충돌사고에 대한 해기사의 행동오류 분석
Analysis of Seafarers' Behavioral Error on Collision Accidents 원문보기

한국항해항만학회지 = Journal of navigation and port research, v.43 no.4, 2019년, pp.237 - 242

임정빈 (한국해양대학교 항해학부)

초록
AI-Helper

해기사의 행동오류는 충돌사고의 주요한 원인 중 하나이고, 교육과 훈련을 통하여 보정이 가능한 것으로 알려져 있다. 이러한 행동오류의 보정을 위해서는 행동오류가 발생되는 구조의 식별이 필요하다. 이를 위하여, 충돌조우상황에 대한 선박조종 시뮬레이션을 통해서 행동관측 데이터를 획득하고, 행동관측에는 Reason이 제안한 9-상태 행동오류 분류 프레임을 이용하였으며, 실험에는 50명의 대학생들이 참가하였다. 행동분석에는 충돌회피의 성공과 실패로 구분한 행동 모델을 이용하였는데, 이 모델은 9-상태의 Left-to-Right 구조를 갖는 은닉 마르코프 모델링 기법을 이용하여 개발하였다. 실험결과, 충돌회피의 성공과 실패에 대한 행동들 사이의 차이가 명확하게 식별되었고, 충돌예방에 필요한 9-상태 행동들 사이의 연계관계가 도출되었다.

Abstract ▼ AI-Helper

Behavioral errors of the seafarers are one of the major causes of collisions and are usually corrected through education and training. To correct this behavioral error, the structure in which the behavioral error occurs needs to be identified and analyzed. For this purpose, behavior observation data were obtained through ship maneuvering simulation for collision encounters. The 9-state behavior classification frame proposed by Reason was used for the behavior observation and 50 university students were involved in the experiment. Behavioral analysis used the behavioral model of collision avoidance success and failure, which was developed from the 9-state Left-to-Right Hidden Markov modeling technique. As a result of the experiment, the difference between behaviors of success and failure of collision avoidance was clearly identified, and the linkage between 9-state behaviors, required to prevent collision, was derived.

주제어

표/그림 (10)

그림 Fig. 1 Simulation scenarios to observe seafarers’ behaviors with 9-states(a), and a snapshot of a scene in the simulation(b)
그림 Fig. 2 Framework of behavioral error classification, adopted from Reason(2000)
표 Table 1 Specifications of the ships in the simulation
그림 Fig. 3 Graphical explanation of the hidden Markov model with 3-state Left-to-Right structure
표 Table 2 Behavior evaluation sheet with 9-states
그림 Fig. 4 Means of observations for the success (upper box) and the failure (lower box) of collision avoidance
그림 Fig. 5 Emission probability for the λ_Success and the λ_Fail
표 Table 3 Designed initial state probability distribution
그림 Fig. 6 Structure interpretation results of the λ_Success
그림 Fig. 7 Structure interpretation results of the λ_Fail

AI 본문요약
AI-Helper

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

문제 정의

시나리오는, 본선(Own Ship)이 0도로 항해할 때, 본선 우측에서 상대선박 1(Target Ship 1)이 항로를 가로질러서 통항하고, 본선과 반대 방향으로 상대선박 2(Target Ship 2)가 통항 하며, 본선 선수방향 쪽에는 소형 어선(Fishing ships) 3척이 정지된 것으로 가정하였다. 본 연구에 적용한 시나리오는 충돌사고의 가능성을 높여서 필요 충분한 실험 데이터를 획득하기 위하여 엄격하게 제한된 조건으로 구성하였다. 그림 1(b)은 시뮬레이션의 한 장면을 나타내고, Table 1은 시뮬레이션에 투입한 세 가지 종류의 선박 제원을 나타낸 것으로, 본선은 액체화물 운반선이고 상대선박은 여객선과 컨테이너 선박이다.

가설 설정

1(a)에 충돌조우상황을 가정한 시나리오를 나타냈다. 시나리오는, 본선(Own Ship)이 0도로 항해할 때, 본선 우측에서 상대선박 1(Target Ship 1)이 항로를 가로질러서 통항하고, 본선과 반대 방향으로 상대선박 2(Target Ship 2)가 통항 하며, 본선 선수방향 쪽에는 소형 어선(Fishing ships) 3척이 정지된 것으로 가정하였다. 본 연구에 적용한 시나리오는 충돌사고의 가능성을 높여서 필요 충분한 실험 데이터를 획득하기 위하여 엄격하게 제한된 조건으로 구성하였다.

제안 방법

마지막으로, 구축한 두 모델의 성능을 평가하여 모델의 유효성을 검증한 후, 두 모델의 구조를 분석하여 충돌회피에 성공했을 때와 실패했을 때의 행동들을 식별하였다. 분석 결과, 충돌회피의 성공과 실패에 대한 행동식별이 가능하였고, 충돌 예방을 위한 행동보정에 필요한 행동의 9-상태 사이의 연계관계를 확인할 수 있었다.
, 2019). 본 연구에서는 행동분류 프레임을 이용하여 행동을 관측한 후 행동 모델을 구축하고 이 모델들을 이용하여 충돌사고를 야기한 선원들의 행동을 식별하고 분석하였다.
시뮬레이션 실험을 통해서 총 1,350 샘플 데이터(평가용지 당 9-상태 × 3회 반복 × 50명의 참가자)를 획득하여 행동 모델을 개발하였다.
시뮬레이션이 종료 되면 참가자가 시뮬레이션 과정 중에 행한 9-상태들 각각의 행동을 전문가가 평가하였는데, 9-상태들 중에서 충돌회피 계획의 수립, 목표의 설정 등과 같이 참가자의 인식에 관한 것은 참가자와의 인터뷰를 통해서 평가하였다. 그리고 행동관측 결과는 참가자가 해당 상태의 행동을 했으면 Table 2의 Yes/No 항목에 1을 기입하고 그 반대의 경우에는 0으로 기입하였다.
행동 모델은 위에서 설명한 HMM을 이용하여 9-상태를 갖는 Left-to-Right 구조로 구축하였고, 모델의 초기 상태확률분포는 9-상태들 사이의 관계를 파악하기 위하여 Table 3과 같이 정하였다. 아울러 행동 모델은 시뮬레이션 결과 충돌회피의 성공과 실패로 구분하여 다음과 같이 구축하였다.
본 연구에서는 해기사의 행동오류 발생구조 식별을 위한 행동 모델을 개발하였는데, 모델 개발에는 9-상태의 Left-to-Right 은닉 마르코프 모델(Hidden Markov Model)을 이용하였다. 행동 모델은 충돌회피에 성공한 모델과 실패한 모델로 구분하여 개발하였고, 연구결과를 요약하면 다음과 같다.
행동관측은 참가자들의 모든 시뮬레이션 과정을 지속적으로 관찰한 행동오류분류 전문가가 하였다. 이 행동오류분류 전문가는 5년의 상선 항해사 경험을 갖고, Reason(2000)의 오류분류방법을 4년간 연구한 자이다.

대상 데이터

아울러, 행동의 관측에는 충돌조우상황을 가정한 시나리오 기반의 시뮬레이션을 이용하였다. 시뮬레이션 실험에는 1년간 승선실습 경험이 있는 해양대학 4학년 학생 50명이 참가하였다. 시뮬레이션을 통해 획득된 데이터는 충돌회피에 성공한 경우와 실패한 경우로 구분하여 행동 모델을 구축하였는데, 행동 모델은 은닉 마르코프 모델(Hidden Markov Model, HMM) 기반의 9-상태 Left-to-Right 모델을 이용하였다.
시뮬레이션 환경은 충돌조우 상황을 가정한 시나리오와 Kongsberg 회사에서 제작한 소형 시뮬레이터(Kongsberg, 2019)를 이용하여 구축하였다.
실험 참가자는 50명의 해양대학 4학년 학생(여학생 5명, 남학생 45명)이고, 이들은 모두 1년 이상의 승선실습 경험을 갖고 있기 때문에 선박을 조종할 수 있는 기술과 규칙 및 지식을 갖고 있다. 그리고 행동관측에는 9-상태로 구분된 Table 2의 평가용지를 이용하였다.

이론/모형

Fig. 2의 프레임워크는, Rasmussen이 제안한 SRKBB 모델 (Rasmussen, 1983)을 이용하여 인적오류를 해석한 Reason(2000)의 오류분류방법을 적용한 것이다. 그리고 이 프레임워크는 스킬기반 행동(Skill-based behavior), 규칙기반 행동(Rule-based behavior) 그리고 지식기반 행동 (Knowledge-based behavior)으로 구분된 총 9-상태(state)로 구분되어 있다.
본 연구에서는 해기사의 행동오류 발생구조 식별을 위한 행동 모델을 개발하였는데, 모델 개발에는 9-상태의 Left-to-Right 은닉 마르코프 모델(Hidden Markov Model)을 이용하였다. 행동 모델은 충돌회피에 성공한 모델과 실패한 모델로 구분하여 개발하였고, 연구결과를 요약하면 다음과 같다.
시뮬레이션 실험에는 1년간 승선실습 경험이 있는 해양대학 4학년 학생 50명이 참가하였다. 시뮬레이션을 통해 획득된 데이터는 충돌회피에 성공한 경우와 실패한 경우로 구분하여 행동 모델을 구축하였는데, 행동 모델은 은닉 마르코프 모델(Hidden Markov Model, HMM) 기반의 9-상태 Left-to-Right 모델을 이용하였다.
아울러, 행동의 관측에는 충돌조우상황을 가정한 시나리오 기반의 시뮬레이션을 이용하였다. 시뮬레이션 실험에는 1년간 승선실습 경험이 있는 해양대학 4학년 학생 50명이 참가하였다.
행동분류에는 Rasmussen(Rasmussen, 1983; Rasmussen et al., 1989)이 제안한 기술-규칙-지식기반 행동(Skill-, Rule, Knowledge-Based Behavior, SRKBB) 모델을 이용한 Reason 의 행동분류규칙(Reason, 2000)을 적용하였다. 이 행동규칙은 아홉 가지 상태(이하 9-상태)로 분류되어 있는데, 충돌상황을 인지한 후, 충돌회피 계획을 수립하고, 최적 항로를 선정한 후, 실제 행동을 취하며 다시 행동 결과의 피드백(feedback) 행동 등으로 구분되어 있다.

성능/효과

4는 9-상태의 관측 데이터 평균값을 막대그래프로 나타낸 것으로, x-축은 9-상태를 그리고 y-축은 평균값을 나타낸다. 9-상태들을 보면, 충돌회피에 성공(Sucess)한 평균값은 실패(Failure)한 평균값과 비교하여 전반적으로 크게 나타났다. 이들 9-상태들 평균의 평균은 성공이 83.
87%로 계산되었다. 그래서 두 행동 모델은 충돌회피의 성공과 실패의 행동관측 데이터를 80% 이상 분리하여 식별할 수 있음을 확인하였다. Fig.
둘째, Fig. 7에 나타낸 실패 모델의 경우는 성공 모델과 달리, EP(yes)가 30% 이상인 State 2에서 State 8로의 전이만 현저하게 나타났다. 한편, State 3부터 State 6까지의 전이확률도 각각 0.
둘째, 충돌회피에 성공한 경우라도 충돌회피를 위한 계획의 수립과 목표설정 그리고 최적의 경로 계획 등에 관해서는 결함된 행동들이 나타났다. 그래서 충돌예방에 대한 능력 향상을 위해서는 이에 대한 보정이 추가로 필요함을 확인하였다.
둘째, 충돌회피에 실패한 참가자들은 State 2에서 State 8로의 전이를 제외하고 충돌회피에 요구되는 행동을 주로 하지 않았다. 즉, 충돌회피에 실패한 참가자들은 구체적인 계획의 수립과 목표 설정 없이 즉시 충돌회피 동작을 취하는 것으로 나타났다.
마지막으로, 구축한 두 모델의 성능을 평가하여 모델의 유효성을 검증한 후, 두 모델의 구조를 분석하여 충돌회피에 성공했을 때와 실패했을 때의 행동들을 식별하였다. 분석 결과, 충돌회피의 성공과 실패에 대한 행동식별이 가능하였고, 충돌 예방을 위한 행동보정에 필요한 행동의 9-상태 사이의 연계관계를 확인할 수 있었다.
셋째, 충돌회피에 실패한 경우, 상태 관측행동이 충돌회피를 위한 계획의 수립과 경로설정 등으로 연계되지 않고 즉시 충돌회피 동작의 실행으로 전이되는 특징을 나타냈다. 그래서 충돌회피에 실패한 참가자들에게는 9-상태 행동들에 대한 교육과 훈련이 충돌예방 능력 배양에 필요함을 확인하였다.
위의 모델 해석 결과로부터, 충돌회피의 성공과 실패에 대한 9-상태들의 행동식별이 가능하였고, 이러한 결과를 통해서본 연구에서 제안한 행동 모델의 유용성이 입증되었다.
9-상태들을 보면, 충돌회피에 성공(Sucess)한 평균값은 실패(Failure)한 평균값과 비교하여 전반적으로 크게 나타났다. 이들 9-상태들 평균의 평균은 성공이 83.63%, 실패가 47.27%로 계산되었다. 그래서 충돌회피에 성공한 참가자들은 실패한 참가자들과 비교하여 약 1.
둘째, 충돌회피에 실패한 참가자들은 State 2에서 State 8로의 전이를 제외하고 충돌회피에 요구되는 행동을 주로 하지 않았다. 즉, 충돌회피에 실패한 참가자들은 구체적인 계획의 수립과 목표 설정 없이 즉시 충돌회피 동작을 취하는 것으로 나타났다. 그래서 이들에게는 9-상태들에 대한 훈련을 통한 충돌예방 능력의 향상이 필요한 것으로 고려되었다.
첫째, Fig. 6에 나타낸 성공 모델의 경우, State 3부터 State 8까지 방출확률 EP(yes)이 50% 이상인 상태들인데, 이들 상태들 사이의 전이는 실패 모델과 비교하여 현저하게 전이되었다. 한편, State 4와 State 5 사이의 전이확률(0.
첫째, 충돌회피 성공에 대한 9-상태 행동은 충돌회피에 요구되는 상태들의 행동이 서로 연계되어 나타났으나, 실패에 대한 9-상태 행동들은 충돌회피에 요구되는 상태들의 행동이 서로 연계되어 나타나지 않았다. 따라서 충돌회피를 위해서는 9-상태 행동들을 서로 연계시킬 수 있는 교육과 훈련이 필요함을 확인하였다.
첫째, 충돌회피에 성공한 참가자들은 충돌회피에 요구되는 행동을 State 2만 제외하고 모두 실시한 것으로 나타났는데, State 4(충돌회피 계획의 수립) 이후에 State 7(충돌회피에 필요한 행위의 선정 또는 공식화)로 건너뛰는 특징을 나타냈다. 이러한 특징은 비록 충돌회피에 성공했다 하더라도 위의 Fig.

후속연구

본 연구에서는 제한된 시뮬레이션 조건을 이용하여 행동을 평가했는데, 현장적용을 위해서는 충돌상황에서 선박을 직접 제어한 행동의 평가가 필요하다. 이에 관해서는 추후 충돌회피를 위한 선박의 타(rudder)와 엔진(engine)의 제어행동을 이용한 충돌회피 행동 모델을 개발하여 현장적용 가능성을 증가시킬 예정이다.
본 연구에서는 제한된 시뮬레이션 조건을 이용하여 행동을 평가했는데, 현장적용을 위해서는 충돌상황에서 선박을 직접 제어한 행동의 평가가 필요하다. 이에 관해서는 추후 충돌회피를 위한 선박의 타(rudder)와 엔진(engine)의 제어행동을 이용한 충돌회피 행동 모델을 개발하여 현장적용 가능성을 증가시킬 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Reason 의 행동분류규칙에 따른 상태의 구분은?	, 1989)이 제안한 기술-규칙-지식기반 행동(Skill-, Rule, Knowledge-Based Behavior, SRKBB) 모델을 이용한 Reason 의 행동분류규칙(Reason, 2000)을 적용하였다. 이 행동규칙은 아홉 가지 상태(이하 9-상태)로 분류되어 있는데, 충돌상황을 인지한 후, 충돌회피 계획을 수립하고, 최적 항로를 선정한 후, 실제 행동을 취하며 다시 행동 결과의 피드백(feedback) 행동 등으로 구분되어 있다. 그래서 충돌회피를 위해 필요 충분한 행동설명이 가능하다.
	해기사의 행동오류 식별은 어디에 필요한가?	해기사의 행동오류 식별은 해양사고 예방의 중요한 해결방안제시에 필요하다. 특히, 충돌사고에 대한 행동오류는 교육과 훈련을 통해서 보정될 수 있는 것으로 알려져 있고(Allianz, 2018), 식별된 행동오류는 행동보정에 주요 정보를 제공할 수 있다(Yim, 2012; Yim et al.
	충돌사고에 대한 행동오류는 무엇을 통해 보정 가능한가?	해기사의 행동오류 식별은 해양사고 예방의 중요한 해결방안제시에 필요하다. 특히, 충돌사고에 대한 행동오류는 교육과 훈련을 통해서 보정될 수 있는 것으로 알려져 있고(Allianz, 2018), 식별된 행동오류는 행동보정에 주요 정보를 제공할 수 있다(Yim, 2012; Yim et al., 2013).

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