[논문]항적 데이터 학습을 통한 추천 항로 구성에 관한 연구

김주성; 정중식; 이성용; 이은석

[국내논문] 항적 데이터 학습을 통한 추천 항로 구성에 관한 연구
Composing Recommended Route through Machine Learning of Navigational Data 원문보기

김주성 (목포해양대학교 해상운송시스템학과 대학원) , 정중식 (목포해양대학교 국제해사수송과학부) , 이성용 (국민안전처 중부해양경비안전본부 경인항 해상교통관제센터) , 이은석 (국민안전처 중부해양경비안전본부 경인항 해상교통관제센터)

해상교통관제센터에 의해 실시간으로 수집되는 선박의 항해 데이터를 바탕으로 선박 항적 패턴 인식을 수행하고 이를 바탕으로 항적 모델을 추출하여 사전에 선위를 예측하는 기법을 제안한다. 항적 데이터의 처리와 가공, 항적 모델링을 위하여 Support Vector Regression 알고리즘이 사용되었으며, 적정 파라미터 선정을 위하여 k-fold cross validation과 grid search가 사용되었다. 제안된 항적 데이터 모델링 기법을 통하여 사전에 선박의 선위를 예측하여 해상교통과제사의 의사결정을 지원하고자 한다.

We aim to propose the prediction modeling method of ship's position with extracting ship's trajectory model through pattern recognition based on the data that are being collected in VTS centers at real time. Support Vector Machine algorithm was used for data modeling. The optimal parameters are calculated with k-fold cross validation and grid search. We expect that the proposed modeling method could support VTS operators' decision making in case of complex encountering traffic situations.

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

문제 정의

그러나 해상교통 예측 과정에서 관제사 개인 역량에 의존하기 때문에 이러한 개인적 차이에서 발생할 수 있는 잠재적 오류를 예방하고 선박에 보다 정확한 정보를 제공하기 위한 수단의 개발이 필요하다. 본 연구에서는 선박의 항적자료를 바탕으로 항적패턴을 학습하고 항적 모델을 추출하여 이를 바탕으로 선위를 예측함으로써 관제사의 의사결정을 지원하고자 한다. 항적 패턴 인식을 위하여 Support Vector Regression(SVR)이 사용되었으며, 최적 파라미터 선정을 위하여 k-fold cross validation과 grid search가 사용되었다[1].
본 논문에서는 선박의 항적 데이터 학습을 통하여 참조 항로를 구성하고 이를 통하여 선박의 선위를 예측하는 기법을 제안 하였다. 본 모델링 기법은 항적 밀도에 의한 최빈값을 취하는 기존의 항적 구성 방법과 달리 최근의 비교적 적은 데이터 세트로 선박 항적 데이터를 학습하여 항로를 구성하는 방법이다.

제안 방법

항적 패턴 인식을 위하여 Support Vector Regression(SVR)이 사용되었으며, 최적 파라미터 선정을 위하여 k-fold cross validation과 grid search가 사용되었다[1]. 실제 해역에서의 시뮬레이션을 통하여 활용 어플리케이션을 제안한다.
항로추출 모델을 구성하기 위해 수집된 데이터 세트를 분류, 전처리, 학습의 단계를 수행한다. 여기서 분류 문제를 위해 논리 검색, 곡률 판별 및 확률 밀도함수 판별을 수행한다.
항로추출 모델을 구성하기 위해 수집된 데이터 세트를 분류, 전처리, 학습의 단계를 수행한다. 여기서 분류 문제를 위해 논리 검색, 곡률 판별 및 확률 밀도함수 판별을 수행한다. 학습 과정에서는 Chih-Wei Hsu et al.
선위 예측 모델 구성을 위해 항적 모델과 함께 항해 데이터를 학습 하여 선위 예측을 위한 데이터를 구성한다. 표1은 학습 단계 중 5-fold cross validation과 grid search를 수행한 결과로 지면 관계상 모수 선정 범위의 일부를 제시하였다.

이론/모형

본 연구에서는 선박의 항적자료를 바탕으로 항적패턴을 학습하고 항적 모델을 추출하여 이를 바탕으로 선위를 예측함으로써 관제사의 의사결정을 지원하고자 한다. 항적 패턴 인식을 위하여 Support Vector Regression(SVR)이 사용되었으며, 최적 파라미터 선정을 위하여 k-fold cross validation과 grid search가 사용되었다[1]. 실제 해역에서의 시뮬레이션을 통하여 활용 어플리케이션을 제안한다.

후속연구

본 모델링 기법은 항적 밀도에 의한 최빈값을 취하는 기존의 항적 구성 방법과 달리 최근의 비교적 적은 데이터 세트로 선박 항적 데이터를 학습하여 항로를 구성하는 방법이다. 본 논문에서 제안하는 데이터 학습 방법과 추출된 항적 모델을 통하여 선박의 항적 예측과 이상거동 파악을 돕고 관제사의 의사결정을 지원할 수 있을 것으로 본다. 향후 다양한 항해 상황에서 데이터의 학습을 통한 의사결정지원 어플리케이션의 개발이 필요하다.
본 논문에서 제안하는 데이터 학습 방법과 추출된 항적 모델을 통하여 선박의 항적 예측과 이상거동 파악을 돕고 관제사의 의사결정을 지원할 수 있을 것으로 본다. 향후 다양한 항해 상황에서 데이터의 학습을 통한 의사결정지원 어플리케이션의 개발이 필요하다.

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

[국내논문] 항적 데이터 학습을 통한 추천 항로 구성에 관한 연구
Composing Recommended Route through Machine Learning of Navigational Data 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 항적 데이터 학습을 통한 추천 항로 구성에 관한 연구 Composing Recommended Route through Machine Learning of Navigational Data 원문보기

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

Abstract ▼ AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 항적 데이터 학습을 통한 추천 항로 구성에 관한 연구
Composing Recommended Route through Machine Learning of Navigational Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper