항로에서의 위험도 평가 모델은 해상 교통량을 기초로 다양한 형태의 수학적 분석 방법 등이 응용되고 있다. 국내 해상교통안전진단에서는 항로를 통항하는 선박 규모를 표준화시킨 해상교통혼잡도 모델을 활용하고 있으며, 해상교통혼잡도가 높으면 충돌과 같은 위험상황이 발생할 개연성이 높다고 해석하고 있다. 그러나 항로의 특정 지점에서 관측된 해상 교통량의 밀도 변화가 항로의 위험도를 표현할 수 있는지 보다 면밀한 과학적 검토가 필요하다고 판단된다. 본 연구에서는 항로에서의 충돌 및 좌초 등의 위험도를 확률적 기법으로 평가하는 IWRAP Mk2(IALA 공식 추천 평가모델) 모델로 항로 위험도를 체계적으로 평가하고, 동일 해역에서 해상교통혼잡도 모델로 해상교통혼잡도를 평가하여 항로 위험도와 해상교통혼잡도의 연관성을 분석하였다. 분석 결과, $R^2$이 0.943인 선형함수가 도출되었으며, 유의수준에서도 유의성이 있는 것으로 분석되었다. 또한 Pearson 상관계수가 0.971로 높게 나타나 강한 정적 상관관계를 보였다. 이처럼 각각의 수학모델의 공통적인 입력 변수의 영향으로 항로 위험도와 해상교통혼잡도는 강한 연관성을 가지는 것으로 확인되었다. 이러한 연구 결과를 기반으로 항로 위험도를 예측할 수 있는 평가 기법이 고도화될 수 있는 모델 개발을 위한 응용 자료로 활용되기를 기대한다.
항로에서의 위험도 평가 모델은 해상 교통량을 기초로 다양한 형태의 수학적 분석 방법 등이 응용되고 있다. 국내 해상교통안전진단에서는 항로를 통항하는 선박 규모를 표준화시킨 해상교통혼잡도 모델을 활용하고 있으며, 해상교통혼잡도가 높으면 충돌과 같은 위험상황이 발생할 개연성이 높다고 해석하고 있다. 그러나 항로의 특정 지점에서 관측된 해상 교통량의 밀도 변화가 항로의 위험도를 표현할 수 있는지 보다 면밀한 과학적 검토가 필요하다고 판단된다. 본 연구에서는 항로에서의 충돌 및 좌초 등의 위험도를 확률적 기법으로 평가하는 IWRAP Mk2(IALA 공식 추천 평가모델) 모델로 항로 위험도를 체계적으로 평가하고, 동일 해역에서 해상교통혼잡도 모델로 해상교통혼잡도를 평가하여 항로 위험도와 해상교통혼잡도의 연관성을 분석하였다. 분석 결과, $R^2$이 0.943인 선형함수가 도출되었으며, 유의수준에서도 유의성이 있는 것으로 분석되었다. 또한 Pearson 상관계수가 0.971로 높게 나타나 강한 정적 상관관계를 보였다. 이처럼 각각의 수학모델의 공통적인 입력 변수의 영향으로 항로 위험도와 해상교통혼잡도는 강한 연관성을 가지는 것으로 확인되었다. 이러한 연구 결과를 기반으로 항로 위험도를 예측할 수 있는 평가 기법이 고도화될 수 있는 모델 개발을 위한 응용 자료로 활용되기를 기대한다.
Several types of mathematical analysis methods are used for port waterway risk assessment based on marine traffic volume. In Korea, a marine traffic congestion model that standardizes the size of the vessels passing through the port waterway is applied to evaluate the risk of the waterway. For examp...
Several types of mathematical analysis methods are used for port waterway risk assessment based on marine traffic volume. In Korea, a marine traffic congestion model that standardizes the size of the vessels passing through the port waterway is applied to evaluate the risk of the waterway. For example, when marine traffic congestion is high, risk situations such as collisions are likely to occur. However, a scientific review is required to determine if there is a correlation between high density of maritime traffic and a high risk of waterway incidents. In this study, IWRAP Mk2(IALA official recommendation evaluation model) and a marine traffic congestion model were used to analyze the correlation between port waterway risk and marine traffic congestion in the same area. As a result, the linear function of R2 was calculated as 0.943 and it was determined to be significant. The Pearson correlation coefficient was calculated as 0.971, indicating a strong positive correlation. It was confirmed that the port waterway risk and the marine traffic congestion have a strong correlation due to the influence of the common input variables of each model. It is expected that these results will be used in the development of advanced models for the prediction of port waterway risk assessment.
Several types of mathematical analysis methods are used for port waterway risk assessment based on marine traffic volume. In Korea, a marine traffic congestion model that standardizes the size of the vessels passing through the port waterway is applied to evaluate the risk of the waterway. For example, when marine traffic congestion is high, risk situations such as collisions are likely to occur. However, a scientific review is required to determine if there is a correlation between high density of maritime traffic and a high risk of waterway incidents. In this study, IWRAP Mk2(IALA official recommendation evaluation model) and a marine traffic congestion model were used to analyze the correlation between port waterway risk and marine traffic congestion in the same area. As a result, the linear function of R2 was calculated as 0.943 and it was determined to be significant. The Pearson correlation coefficient was calculated as 0.971, indicating a strong positive correlation. It was confirmed that the port waterway risk and the marine traffic congestion have a strong correlation due to the influence of the common input variables of each model. It is expected that these results will be used in the development of advanced models for the prediction of port waterway risk assessment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 연구의 목적은 충돌·좌초의 위험확률을 산출하는 정량적 평가모델인 IWRAP Mk2를 기반으로 항로 위험도를 평가하고, 이를 해상교통혼잡도 결과와 비교하여 항로 위험도와 혼잡도의 상호 연관성을 정량적으로 검토하고자 하였다. 또한 고도화된 위험도 평가모델 개발을 위한 기초 응용 자료로 활용하고자 한다.
본 연구는 해상교통혼잡도 모델 이외에 항로 위험도를 확률적 기법으로 평가할 수 있는 IWRAP Mk2 모델을 이용하여 국내 주요 26개의 항로 위험도(λCol)를 평가하고, 두 모델의 연관성을 검토하였으며, 항로 혼잡도를 이용한 위험도 산출 방안을 제시하여 새로운 평가 모델의 필요성을 알리고자 하였다.
이 연구의 목적은 충돌·좌초의 위험확률을 산출하는 정량적 평가모델인 IWRAP Mk2를 기반으로 항로 위험도를 평가하고, 이를 해상교통혼잡도 결과와 비교하여 항로 위험도와 혼잡도의 상호 연관성을 정량적으로 검토하고자 하였다.
제안 방법
넷째, 항로 위험도(λCol)와 해상교통혼잡도(CA)의 연관성을 분석하였다.
대상 항만, 항로, 항로 폭과 같은 환경 인자는 3절의 IWRAP Mk2 기반 항로 위험도 평가와 동일하게 설정하였으며, 선속의 경우, 평균 통항선속을 적용하였다.
둘째, IWRAP Mk2 모델을 이용하여 항로 위험도(λCol)를 평가하고, 충돌빈도에 영향을 주는 변수의 민감도 검토를 위한 유의확률을 분석하였다.
본 연구에서는 평가 대상 항로의 실제 선박통항량 및 통항 특성 등을 반영하기 위하여, 2014~2016년에 수집된 GICOMS(General Information Center on Maritime Safety & Security) 자료 및 각 항만을 관할하는 지방해양수산청의 Port-MIS(Port Management Information System, 선박입출항신고)를 활용하였다. 또한 결과의 신뢰성 향상을 위해 각 항만당 최대 3개월 이상의 통항량을 검토하였으며, 교통량이 많고, 일 교통량 편차가 적은 연속된 5일의 교통량을 설정하여 입력하였다.
본 연구에서는 주 입력요소로 고려되는 항로폭(Wmin ), 일평균교통량(Pav), 통항선속(Sav)을 독립변수로 설정하고, 항로 위험도(λCol) 영향을 미치는 독립변수에 대하여 검토하였으며, 평가 기준표상 각 독립변수의 유의확률(P-Value) 및 표준화계수 베타(β)값만 고려하였다(Lee, 2012).
셋째, 해상교통혼잡도 모델을 이용하여 해상교통혼잡도 (CA)를 평가하고, 해상교통혼잡도(CA)에 영향을 주는 변수의 민감도 검토를 위한 유의확률을 분석하였다. 검토결과, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin) 순으로 유의도가 높은 것으로 분석되었으며, 표준화계수 베타 값 비교 결과, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.
항로 위험도(λCol) 및 해상교통혼잡도(CA)와의 연관성을 분석하기 위하여 IWRAP Mk2 기반 항로 위험도(λCol) 및 해상교통혼잡도(CA) 기반 항로 혼잡도 평가 결과를 이용하였다.
대상 데이터
국내 주요 무역항인 인천, 울산, 부산 등 총 6개 항만을 선정하고, 대상 항만에 진입하기 위한 항로 중 가장 통항량이 많고 항로 폭이 협소한 곳을 대상 항로로 설정하였으며, 인천항 6개 항로, 울산항 6개 항로, 평택·당진항 2개 항로, 부산항 5개 항로, 부산항 신항 3개 항로, 대산항 4개 항로 등 총 26개의 항로를 분석하였다.
본 연구에서는 평가 대상 항로의 실제 선박통항량 및 통항 특성 등을 반영하기 위하여, 2014~2016년에 수집된 GICOMS(General Information Center on Maritime Safety & Security) 자료 및 각 항만을 관할하는 지방해양수산청의 Port-MIS(Port Management Information System, 선박입출항신고)를 활용하였다.
데이터처리
각 그룹별 평균값(Mean)을 이용하여 항로 위험도(λCol)와 해상교통혼잡도(CA)의 연관성을 알아보고자 회귀분석을 수행하였다.
) 기반 항로 혼잡도 평가 결과를 이용하였다. 분석 방법으로는 각 변수가 서로에게 영향을 주지 않도 록 최대한 묶어내기 위해 변수분리(Separation of variable)법을 사용하였으며, 변수별 그룹을 설정하고, 그룹별 평균값을 제시하여 연관성을 파악하고자 하였다. IWRAP Mk2 및 해상교통혼잡도 두 모델은 공통적으로 입력되는 변수가 분명히 존재하지만, 변수의 처리과정 또는 계산방법의 차이 등으로 인하여 각기 다른 결과 값이 도출된다.
이러한 결과를 토대로 항로 위험도(λCol)에 영향을 주는 변수의 민감도를 검토하기 위해 다중회귀분석을 수행하였다.
이러한 결과를 토대로 해상교통혼잡도(CA)에 영향을 주는 변수의 민감도를 검토하기 다중회귀분석을 수행하였다. 다중회귀분석 결과는 Table 7과 같으며, 유의확률의 경우, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin) 순으로 유의도가 높은 것으로 분석되었다.
이론/모형
IWRAP Mk2에서는 인과확률(Causation probability)을 위한 인과요소(Causation factor)를 설정하는 것이 가능하며, 본 연구에서는 Table 3과 같이 IWRAP Mk2에서 채택하고 있는 Global value(Default) 값을 적용하였다(Fujii and Mizuki, 1998).
따라서 본 연구에서는 일평균 통항척수 외에 항로폭과 통항선속에 따른 요인도 고려하고자 변수 민감도 검토 결과를 토대로 각 변수가 서로에게 영향을 주지 않도록 최대한 묶어내기 위해 변수분리(Separation of variable)법을 사용하였다 (Polyanin, 2002). 그룹의 구분 및 특성은 Table 8과 같다.
성능/효과
검토 결과, 항로 위험도(λCol)와 해상교통혼잡도(CA)는 강한 연관성을 가지고 있으며, 이를 이용하여 해상교통혼잡도(CA)를 이용하여 항로 위험도(λCol)를 예측할 수 있는 회귀식을 이끌어 낼 수 있었다.
)에 영향을 주는 변수의 민감도 검토를 위한 유의확률을 분석하였다. 검토결과, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin) 순으로 유의도가 높은 것으로 분석되었으며, 표준화계수 베타 값 비교 결과, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.
)를 평가하고, 충돌빈도에 영향을 주는 변수의 민감도 검토를 위한 유의확률을 분석하였다. 검토결과, 일평균교통량(Pav), 항로폭(Wmin), 통항선속(Sav) 순으로 유의도가 높은 것으로 분석되었으며, 표준화계수 베타 값 비교 결과, 일평균교통량 (Pav), 항로폭(Wmin)(음수), 통항선속(Sav) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.
2와 같다. 대상 항로에서 연간 발생할 충돌빈도 평균은 약 0.01415로 분석되었으며, 이중 Head-on 상황에서의 충돌빈도 평균은 약 0.01255, Overtaking 상황에서의 충돌빈도 평균은 약 0.0016으로 검토되었다. 평균값 대비 울산항 제1,2 항로(0.
또한 국내 주요 항로에서의 해상교통혼잡도(CA) 및 최대 해상교통혼잡도(CP)는 Fig. 3과 같이 해상교통혼잡도(CA) 값이 높을수록 최대 해상교통혼잡도(CP) 값도 높아지는 특성을 보이는 것으로 분석되었으며, 항만별 해상교통혼잡도 (CA)와 해상교통혼잡도(CP)는 평균적으로 약 7배의 차이를 보이는 것으로 분석되었다.
또한 항로 위험도(λCol)와 해상교통혼잡도(CA) 각 변인 간에 상관관계를 알아보고자 Pearson 이변량 상관분석을 실시하였으며, 분석 결과, Table 11과 같이 Pearson 상관계수가 0.971로 높게 나타나 강한 정적 상관관계를 보였다.
연관성 분석결과, 항로 위험도(λCol)와 해상교통혼잡도 (CA)는 강한 연관성을 가지고 있는 것으로 분석되었으며, 이를 이용하여 혼잡도로 항로 위험도(λCol)를 예측할 수 있는 선형회귀식을 이끌어 낼 수 있었다.
3 %로 검토되었다. 평균값 대비 부산항 조도방파제의 해상교통혼잡도(CA) 및 최대 해상교통혼잡도 (CP)가 가장 높은 것으로 분석되었으며, 이는 부산항 조도방파제 항로는 혼잡한 상황이 자주 발생하고, 이로 인하여 사고발생 개연성이 타 항로보다 높다는 의미로 해상교통안전 진단에서 해석하고 있다.
0016으로 검토되었다. 평균값 대비 울산항 제1,2 항로(0.05995)와 부산항 신항 동방파제(0.05861)의 충돌빈도가 가장 높은 것으로 분석되었다.
표준화계수 베타 값(β) 비교 결과, 일평균교통량(Pav), 통항선속(Sav), 항로폭(Wmin)(음수) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.
표준화계수 베타 값(β) 비교 결과, 일평균교통량(Pav), 항로폭(Wmin)(음수), 통항선속 (Sav) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.
항로 위험도(λCol) 및 해상교통혼잡도(CA)에 영향을 주는 변수의 민감도 분석결과(다중회귀분석)에서 보듯이 일평균 교통량이(Pav) 가장 유의도가 높은 것으로 분석되었으며, 통항선속(Sav)과 항로폭(Wmin)의 경우, 변수에 미치는 영향력이 크지 않아 유효성이 상대적으로 부족하다.
해상교통혼잡도에 의한 해상교통혼잡도(CA) 및 최대 해상교통혼잡도(CP) 분석결과는 Table 6 및 Fig. 3과 같으며, 해상교통혼잡도(CA) 평균은 약 18.4 %, 최대 해상교통혼잡도 (CP) 평균은 약 113.3 %로 검토되었다. 평균값 대비 부산항 조도방파제의 해상교통혼잡도(CA) 및 최대 해상교통혼잡도 (CP)가 가장 높은 것으로 분석되었으며, 이는 부산항 조도방파제 항로는 혼잡한 상황이 자주 발생하고, 이로 인하여 사고발생 개연성이 타 항로보다 높다는 의미로 해상교통안전 진단에서 해석하고 있다.
후속연구
따라서 본 연구 결과를 활용한다면, 우리는 현재 국내에서 적용하고 있는 해상교통혼잡도를 이용하여 항로 위험도를 예측할 수 있으며, 이러한 항로 위험도를 이용하여 항로 위험도를 정량적으로 평가하기 위한 보조지표로 활용 할 수 있을 것으로 판단된다.
또한 새로운 항로 위험도(λCol) 평가모델은 해상교통혼잡도 모델과 같이 간단히 사용이 가능하고, 실시간 위험도까지 파악할 수 있는 동적 요인이 가미되어야 한다. 모델식 수립을 위한 변수는 본 연구에서 검토된 변수 외에 환경적인 요소 및 선박길이, 톤수, 선종 등의 변수들이 다각적으로 고려되어야 할 것으로 판단된다.
본 연구 결과를 이용한다면 해상교통혼잡도(CA)를 이용하여 항로 위험도(λCol)를 예측할 수 있고, 위험도 보조지표로 활용 할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
해상교통혼잡도 모델을 이용하는데 어떤 한계가 있는가?
국내에서는 해상교통혼잡도 모델을 이용하여 항로 위험도를 교통량 측면에서 평가하고 있으나, 운항자의 입장에서 혼잡도 여부를 판별하기 어렵고, 많은 사람들이 해상의 특 수성을 이해하지 못해 혼잡도의 높고 낮음이 항로에서의 위험도를 대변한다고 인식하고 있어 단순히 위험도를 교통량으로만 평가하기엔 여러 가지 한계가 존재한다.
IWRAP은 무엇인가?
그러나 항로의 특정 지점에서 관측된 해상 교통량의 밀도 변화가 항로의 위험도를 표현할 수 있는지 보다 면밀한 과학적 검토가 필요하다고 판단된다. 본 연구에서는 항로에서의 충돌 및 좌초 등의 위험도를 확률적 기법으로 평가하는 IWRAP Mk2(IALA 공식 추천 평가모델) 모델로 항로 위험도를 체계적으로 평가하고, 동일 해역에서 해상교통혼잡도 모델로 해상교통혼잡도를 평가하여 항로 위험도와 해상교통혼잡도의 연관성을 분석하였다. 분석 결과, $R^2$이 0.
IWRAP Mk2 모델은 사용하기에 어떤 어려운 점이 있는가?
IWRAP Mk2 모델은 위험도를 사고가 발생할 확률로 평가하고 있으며, AIS 자료를 기반으로 환경 및 공간적인 측면을 다양하게 고려할 수 있다. 그러나 초기 설정이 다소 복잡하며, 입력 요소가 다양하여 많은 자료를 필요로 한다. 또한 라이선스를 직접 구매하여 사용해야 하는 등 접근하기 다소 어려운 점이 존재한다.
참고문헌 (11)
Cho, I. S. (2011), A Study on the Present Status and Future Directions of Maritime Safety Audit, Journal of the Korean Society of Marine Environment & Safety, Vol. 17, No. 4, pp. 339-405.
Friis, H. P. (2008), IWRAP MkⅡ Working Document(Basic Modelling Principles For Prediction of Collision and Grounding Frequencies.
Friis, H. P. and P. T. Pedersen (1998), Risk Analysis Conventional and Solo Watch Keeping. International Maritime Organization Maritime Safety Committee, Denmark.
Fujii, Y. and N. Mizuki (1998), Design of VTS systems for water with bridges. Ship Collision Analysis, Gluver & Olsen (eds).
Jang, I. S. (2009), A Study on the Effective Safety Management Measures for the Prevention of Marine Accidents, Journal of the Korean Society of Marine Environment & Safety, Vol. 15, No. 1, pp. 33-39.
Kim, C. S. and H. H. Lee (2012), A Basic Study on Assessment Criterion of the Risk Factor for the Marine Traffic Environment, Journal of the Korean Society of Marine Environment and Safety Vol. 18, No. 5, pp. 431-438.
Kim, G. I. (2012), Analysis is of maritime traffic safety in port waterway using IWRAP, Mater’s thesis, Mokpo National Maritime University.
Kim, H. T. , S. Na and U. H. Ha (2011), A Case Study of Marine Accident Investigation and Analysis with Focus on Human Error, journal of the Ergonomics Society of Korea Vol. 30, pp. 137-150.
KOSIS (2017), Korean Statistical Information Service, G20 trade statistics by country, http://kosis.kr.
Lee, H. S. (2012), Regression Analysis for Social Science Research.
Polyanin, A. D. (2002), Handbook of Linear Partial Differential Equations for Engineers and Scientists, Chapman & Hall/CRC Press, Boca Raton, ISBN 1-58488-299-9.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.