초록

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

선박에서 배출되는 환경오염 물질 및 온실가스에 대한 규제가 강화됨에 따라, 환경오염 물질 및 온실가스의 배출과 직접적으로 관련있는 연료 소모량을 줄이려는 다양한 연구가 진행되고 있다. 연료 소모량을 줄이기 위한 방안 중 하나는 환경 및 기상 예보를 이용하여 연료가 가장 적게 소모되는 항로를 찾는 것이다. 기존 연구에서는 연료 소모량을 주된 목적함수로 최소화 하되, 도착 시간에 대한 조건을 평가하기 위해 도착 시간의 기댓값을 계산하고 추가적인 목적함수로 고려하는 경우가 많았다. 그러나 선박 운항 예측 시 적용되는 환경 외란 정보는 상당한 불확실성을 포함하고, 이로 인해 발생하는 운항 속도 및 도착 시간에 대한 불확실성도 상당히 클 수 있기 때문에, 도착 시간의 기댓값뿐만 아니라 도착 시간에 대한 불확실성을 기반으로 제한 시간 내에 선박이 도착할 확률을 정량적으로 평가하는 것이 필요하다. 본 연구에서는 다목적 최적화 기법을 이용해 도착 시간의 기댓값과 연료 소모량에 대한 Pareto set을 구하되, 환경 외란으로부터 발생하는 도착 시간의 불확실성을 계산하여, 제한 시간 내에 선박이 도착할 확률을 계산하고 이를 항로 최적화 시 적용한다. 제안하는 방법의 유용성을 검증하기 위해 실제 환경에 가까운 맵을 기반으로 부산-도쿄 간의 항로를 최적화하고, 그 결과에 대해 논의한다.

선박에서 배출되는 환경오염 물질 및 온실가스에 대한 규제가 강화됨에 따라, 환경오염 물질 및 온실가스의 배출과 직접적으로 관련있는 연료 소모량을 줄이려는 다양한 연구가 진행되고 있다. 연료 소모량을 줄이기 위한 방안 중 하나는 환경 및 기상 예보를 이용하여 연료가 가장 적게 소모되는 항로를 찾는 것이다. 기존 연구에서는 연료 소모량을 주된 목적함수로 최소화 하되, 도착 시간에 대한 조건을 평가하기 위해 도착 시간의 기댓값을 계산하고 추가적인 목적함수로 고려하는 경우가 많았다. 그러나 선박 운항 예측 시 적용되는 환경 외란 정보는 상당한 불확실성을 포함하고, 이로 인해 발생하는 운항 속도 및 도착 시간에 대한 불확실성도 상당히 클 수 있기 때문에, 도착 시간의 기댓값뿐만 아니라 도착 시간에 대한 불확실성을 기반으로 제한 시간 내에 선박이 도착할 확률을 정량적으로 평가하는 것이 필요하다. 본 연구에서는 다목적 최적화 기법을 이용해 도착 시간의 기댓값과 연료 소모량에 대한 Pareto set을 구하되, 환경 외란으로부터 발생하는 도착 시간의 불확실성을 계산하여, 제한 시간 내에 선박이 도착할 확률을 계산하고 이를 항로 최적화 시 적용한다. 제안하는 방법의 유용성을 검증하기 위해 실제 환경에 가까운 맵을 기반으로 부산-도쿄 간의 항로를 최적화하고, 그 결과에 대해 논의한다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 다목적 최적화 기법을 이용해 도착 시간의 기댓값과 연료 소모량에 대한 항로의 Pareto set을 구하되, 얻어진 해들에 대해 환경 외란의 불확실성으로부터 발생하는 도착 시간의 불확실성을 계산하고, 이를 기반으로 제한 시간 내에 선박이 도착점에 도착할 확률을 계산하여 항로 최적화에 적용함으로서, 연료 소모량이 적으면서 안전하게 도착점에 도달할 수 있는 항로를 찾는 방법을 제시하고자 한다.
• 그러나 선박 운항 시 적용되는 환경 외란의 불확실성이 상당히 클 수 있기 때문에, 이로 인해 발생하는 도착 시간에 대한 불확실성 및 제한 시간 내에 도착할 확률을 정량적으로 평가하고 이를 최적해 선정 시 반영할 필요가 있다. 본 논문에서는 계산된 Pareto set에 대해 도착 시간의 불확실성을 계산하고, 이를 기반으로 제한 시간 내에 도착할 확률을 계산한다. 도착 시간을 가우시안 랜덤 변수로 근사하였기 때문에, 특정 시간 내에 도착할 확률은 가우시안 분포의 누적밀도 함수로부터 쉽게 계산이 가능하다.
• 본 논문에서는 환경 외란의 불확실성으로부터 발생하는 도착 시간의 불확실성을 고려하여 운항 제한 시간 내에 도착할 확률을 정량적으로 평가하고 이를 항로 최적화에 반영하여 최적 항로를 선정하는 방법을 제시하였다. 본 논문의 결과로서 제안하는 방법을 이용해 부산-도쿄 간 항로 최적화를 수행하였으며, 분석 결과를 통해 제안하는 알고리즘의 유용성을 검증하였다.

가설 설정

• 제안하는 항로 최적화 알고리즘을 검증하기 위해 부산항과 도쿄항 간의 항로를 최적화하고 그 결과를 분석해보았다. 계산 시간의 단축을 위해 운항 가능한 엔진 RPM 조건은 50과 70의 두 가지 경우만을 가정하였다. 항로 최적화를 위해서는 기본적으로 환경 정보에 대한 데이터가 필요하다.
• 항로 최적화를 위해서는 기본적으로 환경 정보에 대한 데이터가 필요하다. 본 논문에서는 제안하는 알고리즘의 유용성을 명확히 나타내기 위해 시간에 따라 파고 맵이 변하지 않는다는 가정 하에, 웹상에서 제공되는 파고 정보 데이터의 이미지를 기반으로 환경 맵을 생성하였으며, 생성한 파고 맵은 Fig. 2와 같다.
• 흑색 부분은 육지 부분을 나타내고, 파고의 크기는 색으로 구분하였으며, 파도의 방향은 모든 격자에서 동쪽에서 서쪽으로 진행한다고 가정하였다. Fig.

제안 방법

• 선박의 항로를 최적화하기 위해서는 목적함수로서 엔진 RPM 및 환경 조건에 따른 선박의 운항 속도 및 연료 소모율에 대한 모델이 필요하며, 운항 속도의 경우 그에 대한 불확실성까지 계산할 수 있어야 한다. 본 논문에서는 컨테이너선의 운항 데이터를 기반으로 기계학습 기법을 포함한 통계적 모델링 방법을 이용해 선박의 등속 직선 운동 구간에서의 운항 속도 및 엔진 마력을 모델링 한 참고 문헌(Yoo, 2016)의 연구 내용을 이용해 운항 성능 모델을 구성하였다. 참고 문헌에서의 운항 성능 모델 구성 시 운항 속도는 엔진 RPM, 트림, 흘수, 정면 방향의 파고 및 바람, 타각을 입력으로 하는 가우시안 프로세스(Gaussian process) 모델로 구성되어 있고, 엔진 마력은 엔진 RPM 및 운항 속도에 대한 다항식 기반의 통계 모델로 구성되어 있으며, 이렇게 구성한 모델을 기반으로 운항 속도와 불확실성, 그리고 엔진 마력을 계산할 수 있다.
• Fig. 1을 통해 알 수 있듯이, 엔진 마력과 연료 소모율은 강한 선형적 관계를 갖기 때문에, 이 선형적 관계를 이용해 엔진마력을 연료 소모율로 변환하여, 항로 최적화 시 사용하였다.
• 항로 최적화를 위해서 본 논문에서는 우선적으로 환경외란에 대한 맵을 기반으로, 도착 시간의 기댓값과 연료 소모량의 두 가지 목적함수에 대한 Pareto set을 계산한다. 최적화에 대한 변수는 항로에 해당하는 격자 위치와, 격자 간의 이동시 적용되는 엔진 RPM 조건이며, 사용된 다목적 최적화 기법은 기존의 복잡한 문제들에 대해 효과적이고 좋은 성능으로 해를 찾는다고 알려진 The Strength Pareto Evolutionary Algorithm (SPEA2; Zitzler, 1999)이다.
• 제안하는 항로 최적화 알고리즘을 검증하기 위해 부산항과 도쿄항 간의 항로를 최적화하고 그 결과를 분석해보았다. 계산 시간의 단축을 위해 운항 가능한 엔진 RPM 조건은 50과 70의 두 가지 경우만을 가정하였다.
• Pareto set을 구한 이후에는 운항 제한시간의 설정 값에 맞게 최적해를 선정할 수 있다. 본 논문에서는 운항 제한 시간을 44시간 50분으로 설정한 후, 도착 시간의 기댓값이 운항 제한 시간보다 작으며 운항 제한 시간 내에 도착할 확률이 90% 이상인 조건을 만족하면서, 연료 소모량이 가장 적게 드는 항로를 최적 항로로 설정하였다. Table 1은 전체 Pareto set에서 운항 제한 시간 근처에서의 해에 대한 값들을 나타낸 표이다.

데이터처리

• 본 논문에서는 환경 외란의 불확실성으로부터 발생하는 도착 시간의 불확실성을 고려하여 운항 제한 시간 내에 도착할 확률을 정량적으로 평가하고 이를 항로 최적화에 반영하여 최적 항로를 선정하는 방법을 제시하였다. 본 논문의 결과로서 제안하는 방법을 이용해 부산-도쿄 간 항로 최적화를 수행하였으며, 분석 결과를 통해 제안하는 알고리즘의 유용성을 검증하였다.

이론/모형

• 다목적 최적화 기법을 사용할 때 초기 값은 수렴 속도에 상당한 영향을 주기 때문에, 효과적인 초기 값 설정을 위해 본 논문에서는 엔진 RPM이 고정된 조건에서의 최단 시간 항로와 최소 연료 소비 항로를 Dijkstra’s algorithm을 이용해 계산하고, 이 때 계산한 해를 다목적 최적화 기법의 초기 값으로 사용한다.

성능/효과

• 4에 나타나듯이, 도착 시간의 기댓값에서는 case 5의 값이 더 작으나, 도착 시간의 불확실성에서는 case 5가 더 크다는 것을 알 수 있다. 두 결과를 도착 시간의 기댓값 및 연료 소모량으로만 평가한다면, case 4가 case 5보다 연료 소모량은 적게 드나, case 4의 도착 시간의 기댓값이 case 5보다 크기 때문에 운항 제한 시간 내에 도착할 가능성이 case 5가 더 크다고 판단할 수 있다. 그러나 도착 시간의 불확실성으로부터 운항 제한 시간 내에 도착할 확률을 직접적으로 고려하면, case 5보다는 case 4의 항로가 운항 제한 시간 내에 안전하게 도착점에 도달할 수 있는 항로라고 할 수 있다.
• 그러나 도착 시간의 불확실성으로부터 운항 제한 시간 내에 도착할 확률을 직접적으로 고려하면, case 5보다는 case 4의 항로가 운항 제한 시간 내에 안전하게 도착점에 도달할 수 있는 항로라고 할 수 있다. 이러한 결과를 통해 본 논문에서 제안하는 항로 최적화 방법에 대한 유용성을 검증할 수 있었다. Fig.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

질의응답

핵심어	질문	논문에서 추출한 답변
환경 외란 정보	선박 운항 예측 시 적용되는 환경 외란 정보가 도착 시간에 대한 불확실성을 기반으로 제한 시간 내에 선박이 도착할 확률을 정량적으로 평가되어야 하는 이유는?	기존 연구에서는 연료 소모량을 주된 목적함수로 최소화 하되, 도착 시간에 대한 조건을 평가하기 위해 도착 시간의 기댓값을 계산하고 추가적인 목적함수로 고려하는 경우가 많았다. 그러나 선박 운항 예측 시 적용되는 환경 외란 정보는 상당한 불확실성을 포함하고, 이로 인해 발생하는 운항 속도 및 도착 시간에 대한 불확실성도 상당히 클 수 있기 때문에, 도착 시간의 기댓값뿐만 아니라 도착 시간에 대한 불확실성을 기반으로 제한 시간 내에 선박이 도착할 확률을 정량적으로 평가하는 것이 필요하다. 본 연구에서는 다목적 최적화 기법을 이용해 도착 시간의 기댓값과 연료 소모량에 대한 Pareto set을 구하되, 환경 외란으로부터 발생하는 도착 시간의 불확실성을 계산하여, 제한 시간 내에 선박이 도착할 확률을 계산하고 이를 항로 최적화 시 적용한다.
연료 소모량	연료 소모량을 줄이기 위한 방안에는 어떤 것이 있나?	선박에서 배출되는 환경오염 물질 및 온실가스에 대한 규제가 강화됨에 따라, 환경오염 물질 및 온실가스의 배출과 직접적으로 관련있는 연료 소모량을 줄이려는 다양한 연구가 진행되고 있다. 연료 소모량을 줄이기 위한 방안 중 하나는 환경 및 기상 예보를 이용하여 연료가 가장 적게 소모되는 항로를 찾는 것이다. 기존 연구에서는 연료 소모량을 주된 목적함수로 최소화 하되, 도착 시간에 대한 조건을 평가하기 위해 도착 시간의 기댓값을 계산하고 추가적인 목적함수로 고려하는 경우가 많았다.
항로 최적화	본 연구에서 항로 최적화를 위해 사용한 다목적 최적화 기법은?	항로 최적화를 위해서 본 논문에서는 우선적으로 환경외란에 대한 맵을 기반으로, 도착 시간의 기댓값과 연료 소모량의 두 가지 목적함수에 대한 Pareto set을 계산한다. 최적화에 대한 변수는 항로에 해당하는 격자 위치와, 격자 간의 이동시 적용되는 엔진 RPM 조건이며, 사용된 다목적 최적화 기법은 기존의 복잡한 문제들에 대해 효과적이고 좋은 성능으로 해를 찾는다고 알려진 The Strength Pareto Evolutionary Algorithm (SPEA2; Zitzler, 1999)이다. 다목적 최적화 기법을 사용할 때 초기 값은 수렴 속도에 상당한 영향을 주기 때문에, 효과적인 초기 값 설정을 위해 본 논문에서는 엔진 RPM이 고정된 조건에서의 최단 시간 항로와 최소 연료 소비 항로를 Dijkstra’s algorithm을 이용해 계산하고, 이 때 계산한 해를 다목적 최적화 기법의 초기 값으로 사용한다.

질의응답 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기