IWRAP 프로그램은 수로에서의 위험성을 평가하는데 유용한 프로그램이다. 그러나 이 프로그램의 기본 버전의 경우 AIS 데이터를 수집하는 기능이 포함되지 않아서, 더구나 베트남과 같은 개발도상국에서는 해상교통량 통계 데이터가 없는 실정이다. 사용자들은 수동으로 준비하여 입력하여야 한다. 이 연구는 IWRAP Mk2 프로그램 기본 버전을 사용하는데 있어 AIS 데이터를 전처리(pre-process) 할 수 있는 프로그램을 개발하고자 하였으며, 선박 형태, 선박 크기, 통과 시간 등으로 분류한 통항로에서의 선박 통항 척수 및 항로 배치와 같이 해역 내 해상교통에 관한 정보들을 사용자에게 제공하도록 고안되었다. 이렇게 개발된 통합 AIS 프로그램(Total AIS, TOAIS)은 베트남 Vung Tau 해역의 AIS 수집 데이터를 전처리할 수 있는지에 대하여 검증하였다. 그 결과, 통합 AIS 프로그램에서 전처리한 데이터를 이용한 IWRAP 프로그램은 베트남 해역의 위험성을 효율적으로 평가할 수 있었다.

해양시설물은 선박의 통항에 간섭이 되는 위험요인이지만 현재 국내 법령 및 규정 상 해양시설물과 선박간의 명확한 이격거리의 규정은 없는 상황이다. 이에 본 연구에서는 해양시설물과 선박의 안전이격거리를 분석하기 위하여 해양시설물 인근 선박의 통항량을 실측 AIS 정보를 기반으로 선박 통항 폭을 설정하여 해당 범위에서 통항하는 선박의 항적을 선박 길이별로 분류하여 분석하였다. 통항 분포 분석 결과, 통항 선박의 길이별 분포 모두 정규성을 가지며 해양시설물로부터 멀어지는 패턴을 가지고 통항을 하는 것으로 분석되었다. 본 연구의 통항 분포 분석 결과와 정규분포를 비교한 선박의 이격거리를 통계적으로 나타내기 위해 해양시설물 인근 통항 패턴 분석을 수행하였다. 그 결과, 통항 패턴은 선박 길이별로 상이하였으며 그에 따라 길이별 선박 권고 안전이격거리를 제시하고자 하였다. CESMA(유럽 선장 연합), PIANC(국제수상교통시설협회)의 안전이격거리 및 선박의 길이요인 중 IMO(국제 해사 기구)의 조종성능의 기준이 되는 선회경의 Tactical diameter를 활용되었으며, 다양한 선박 권고 안전이격거리의 안을 분석하기 위해 적정 이격거리를 전장의 5배에서 7배로 설정을 하여 설정 값 이하로 통항하는 차이 값이 근소하게 통항하는 선박을 조사하였다. 그 결과, 가장 차이 값이 근소한 5.5배의 전장을 적정 선박 권고 안전이 격거리로 선정하였다. 위 결과를 바탕으로 선박 길이별 신뢰구간의 좌측 값에 따른 선박 권고 안전이격거리 및 전장의 5.5배의 이격거리를 활 용한 선박 권고 안전이격거리를 비교하였으며. 선박 권고 안전이격거리에 대한 2가지 안을 제시하였다.

최근 해상교통량이 증가하고 선박교통 관제구역이 확대됨에 따라 관제사의 업무 부하가 증가하고 있으며, 이로 인해 교통량이 급증하는 경우 관제사가 위험을 인지하지 못하는 상황도 발생하게 된다. 이러한 배경에서 본 논문에서는 관제 업무의 지원을 위해 이상 거동 선박을 자동으로 식별하는 방법을 제안한다. 본 방법은 누적된 AIS 데이터를 이용하여 관제구역 내의 통항 패턴을 학습하고, 학습된 모델과 의 비교를 통해 이상치를 계산하여 이상 거동 선박을 식별한다. 특히, 선박의 거동 상태에 대한 분류 정보가 없더라도 비지도 학습법을 기반으로 항적 데이터를 자동으로 분류하여 통항 패턴을 학습할 수 있으며, 항적의 군집화와 분류 과정을 통해 이상 거동 선박을 실시간으로 식별 할 수 있는 특징을 가진다. 또한, 본 논문에서는 선박운항 시뮬레이터 및 실제 AIS 항적 데이터를 이용한 식별 실험을 수행하였으며, 이를 통해 선박교통관제 시스템에의 활용 가능성을 고찰하였다.

The interpolation of missing AIS data can be used for recovering the lost data of a ship’s state which is then able to produce useful information for VTS stations or other ships. Previous research has introduced some interpolating methods however there are some problems with regard to missing AIS data. This paper proposes one new method which includes linear interpolation, cubic Hermit interpolation and an identification mechanism to overcome some of those limitations, first AIS data regarding ship position, COG, SOG and HDG is divided into separate time series, then the characteristic of the missing data is investigated into through using an identification mechanism, an appropriate interpolation is selected to fit all the time series which matches the characteristics. Numerical experiments are carried out using real AIS data to validate the algorithm of this approach and the results are compared with the previous method, after which the actual missing area is suggested to be interpolated by the proposed method. The interpolation results show this approach can be applied well in practice.

해양사고에서 선박간의 충돌사고가 많은 부분을 차지하고 있으며, 상당수가 인적오류에 의해 발생되고 있다. 본 논문에서는 선박에서 항해사의 안전운항을 효과적으로 지원하고 충돌사고를 방지하기 위해 다중선박의 충돌 위험도를 추정하는 알고리즘을 개발하였다. 선박 충돌위험도 추정 알고리즘은 선박들의 항행정보로서 AIS 정보를 사용하고 퍼지 이론을 이용하여 충돌위험도를 계산한다. 지난 연구에서는 고안된 알고리즘의 성능을 검증하기 위해 울산항 해상교통관제(VTS) 센터로부터 실제 울산항에서 운행된 선박들의 AIS데이터를 수집하였고, 이를 기반으로 검증 시뮬레이션을 수행한 바 있다. 본 논문에서는 선박 충돌위험도 추정 알고리즘을 좀더 정밀하게 검증하기 위해 실제 해상충돌사고 데이터에 적용해 보고자 하였다. 이를 위해, 2009년 부산항에서 발생한 석유제품 운반선과 화물선간의 충돌사고에 대한 AIS 데이터를 수집하였고 이를 이용하여 선박운항 시뮬레이터 기반 재생 시뮬레이션을 수행하였다. 시뮬레이션 결과, 실제 사고 상황에 적용할 경우 충돌 사고가 일어나기 전에 충돌 위험을 표시하여 충돌사고를 경고할 수 있음을 확인할 수 있었다.