[논문]관제 지원을 위한 선박 교통 혼잡 예측에 관한 연구

오재용; 김혜진

doi:10.5394/kinpr.2023.47.4.212

초록
AI-Helper

해상교통 관제구역은 항만 시설을 사용하기 위한 입·출항 선박, 연안 해역을 이동하는 선박 등이 서로 복잡하게 운항하는 교통 패턴을 가지고 있다. 이를 안전하고 효과적으로 관리하기 위해 해상교통관제센터(VTS)에서는 선박을 실시간 모니터링하며 관제 업무를 수행하고 있지만, 교통 혼잡 상황에서는 업무 로드의 증가로 인해 관제 공백이 발생하기도 한다. 이에 교통 혼잡도 및 혼잡 구역을 예측할 수 있다면 보다 효율적인 관제가 가능하지만 현재는 관제사의 경험에 전적으로 의존하고 있는 실정이다. 본 논문에서는 해상교통관제 관점에서 선박 교통 혼잡을 정의하였으며, 항적 데이터를 이용하여 교통 네트워크를 생성하고, 선박 교통 혼잡도 및 혼잡 구역을 예측하는 방법을 제안한다. 실험에서는 실해역 데이터(대산항 VTS)와 예측 결과를 비교 분석하였으며, 이를 통해 제안하는 방법이 관제 지원 도구로서 활용될 수 있는지 검토하였다.

Abstract ▼ AI-Helper

Vessel Traffic Service (VTS) area presents a complex traffic pattern due to ships entering or leaving the port to utilize port facilities, as well as ships passing through the coastal area. To ensure safe and efficient management of maritime traffic, VTS operators continuously monitor and control ve...

Vessel Traffic Service (VTS) area presents a complex traffic pattern due to ships entering or leaving the port to utilize port facilities, as well as ships passing through the coastal area. To ensure safe and efficient management of maritime traffic, VTS operators continuously monitor and control vessels in real time. However, during periods of high traffic congestion, the workload of VTS operators increases, which can result in delayed or inadequate VTS services. Therefore, it would be beneficial to predict traffic congestion and congested areas to enable more efficient traffic control. Currently, such prediction relies on the experience of VTS operators. In this paper, we defined vessel traffic congestion from the perspective of a VTS operator. We proposed a method to generate traffic networks using historical navigational data and predict traffic congestion and congested areas. Experiments were performed to compare prediction results with real maritime data (Daesan port VTS) and examine whether the proposed method could support VTS operators.

주제어

표/그림 (9)

그림 Fig. 1 Examples of maritime situation; (a) smooth traffic flow, (b) ship encounter expected
그림 Fig. 2 Procedure of traffic network generation; (a) data processing procedure, (b) ship trajectories, (c) simplified trajectory points, (d) clustering points, (e) geographic information of harbor facilities, (f) divide region by nodes, (g) generate edges
그림 Fig. 3 Example of traffic network model
그림 Fig. 4 Visualization of traffic congestion prediction result
그림 Fig. 5 Experimental area
표 Table 1 Details of Prophet module
그림 Fig. 6 Historical traffic volume data(black dots), predicted volume data(blue line) and prediction interval(24 hours, red rectangle)
그림 Fig. 7 Comparison of prediction result with real ship trajectories and VHF DF data at area near the DAESAN port; (A) predicted traffic congestion, (B) heatmap of ship trajectories, (C) heatmap of VHF DF(Direction Finder) data
그림 Fig. 8 Traffic network graph and hourly congestion trend graph of node No. 81

참고문헌 (12)

Ester, M., Kriegel, H. P., Sander, J. and Xu, X.(1996),？"A Density-Based Algorithm for Discovering Clusters？in Large Spatial Databases with Noise", In Proceedings？of the 2nd International Conference on Knowledge？Discovery and Data Mining, pp. 226-231.
GateHouse(2018), "IWRAP Mk2 User Manual", Engberg？GateHouse Logistics A/S.
Korea Coast Guard(2023), "http://www.kcg.go.kr/kgc/vts".
Kim, K. I., Park, G. K. and Jeong, J. S.(2011),？"Analysis of marine accident probability in Mokpo？waterways", Journal of Korean Navigation and Port？Research, Vol. 35, No. 9, pp. 729-733.
Kim, H. J. and Oh, J. Y.(2018). "Research on the？Analysis of Maritime Traffic Pattern using Centroid？Method", Journal of Korean Navigation and Port？Research, Vol. 42, No. 6, pp. 453-458.
Ministry of Ocean and Fisheries(2023), "Act on the？arrival and departure of ships"
Park, Y. S. and Jeong, J. Y.(2014), "A Study on the？Marine Traffic Congestion by Analysis of Ship's？Domain", Journal of the Korean Society of Marine？Environment & Safety, Vol. 20, No. 5, pp. 535-542.
Park, S. W., Kim, C. H. and Park, Y. S.(2022). "A Basic Study on Intersection Congestion Using？Simulation: Focusing on the Crossing Vessels in Busan？New Port Caution Area", Journal of Korean Society of？Transportation, Vol. 40, No. 3, pp. 319-334.

상세보기
Peng, Wen Hao, Bai, Xiwen, Yang, Dong, Yuen, Kum Fai, Wu, Junfeng(2022), "A deep learning approach for？port congestion estimation and prediction", Maritime？Policy & Management. pp. 1-26.
Ramer Urs(1972), "An iterative procedure for the polygonal？approximation of plane curves", Computer Graphics and？Image Processing, Vol. 1, No. 3, pp. 244-256.

상세보기
Taylor, S. J. and Letham, B.(2018). Forecasting at？scale. The American Statistician, 72(1), 37-45.
Um, H. C., Jang, W. J., Cho, K. M. and Cho, I.？S.(2012), "A Study on the Assessment of the Marine？Traffic Congestion and the Improvement of a Technical？Standards", Journal of the Korean Society of Marine？Environment & Safety, Vol. 18, No. 5, pp. 416-422.

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

관제 지원을 위한 선박 교통 혼잡 예측에 관한 연구
Research on Prediction of Maritime Traffic Congestion to Support VTSO 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

관제 지원을 위한 선박 교통 혼잡 예측에 관한 연구 Research on Prediction of Maritime Traffic Congestion to Support VTSO 원문보기

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

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

오재용 (13) 김혜진 (16)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

관제 지원을 위한 선박 교통 혼잡 예측에 관한 연구
Research on Prediction of Maritime Traffic Congestion to Support VTSO 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)