해상운송에서 충돌사고는 인명과 재산에 막대한 피해를 끼치는 중요한 안전 문제로써, 국제해사기구(International Maritime Organization, IMO)가 제정한 국제해상충돌예방 규칙(International Regulations for Preventing Collisions at Sea, COLREGs)의 철저한 준수가 권장 된다. 그러나 복잡한 해상 환경과 인간의 인지적 한계로 인해, 항해사가 실시간으로 최적의 충돌회피 의사결정을 내리기란 쉽지 않다. 본 연구는 대형 언어 모델(Large Language Model, LLM)인 GPT를 활용하여, 유인선 항해사가 COLREGs 규칙에 부합하는 충돌회피 판단을 신속 하고 정확하게 내릴 수 있도록 지원하는 단계별 프롬프트 설계안을 제시한다. 특히 4단계 충돌회피 과정을 확장하여, 항해사가 GPT와 자 연어로 상호작용할 때 사용할 표준화된 프롬프트를 구체화하였다. 가상의 시나리오 적용 결과, 항해사는 GPT의 조언을 통해 주변 상황 인식부터 회피경로 선정, 실행 단계까지 일관적으로 보고받을 수 있었으며, COLREGs의 준수와 충돌위험지수(Collision Risk Index, CRI) 계 산 등의 복잡한 작업을 AI가 보완함으로써 인적 오류를 줄일 가능성을 보였다. 이러한 결과는 자율운항선 뿐만 아니라 현행 유인선 운항 에서도 AI-항해사 협업을 통한 안전성 향상을 도모할 수 있을 것으로 기대한다.

본 연구는 해양에서 선박 운항 시 발생할 수 있는 항행장애물, 특히 부유물과의 충돌 위험성을 예측하기 위해 몬테카를로 시뮬 레이션을 적용한 항행안전 충돌 확률 모델을 개발하는 데 중점을 두고 있다. 항행장애물은 해양에서 선박의 운항을 방해하거나 위험을 초 래할 수 있는 물체로, 선박 사고의 주요 원인 중 하나이다. 연구는 부유물 감김 사고와 관련된 최근 5년간의 해양사고통계 정보와 7년간 사 고 데이터를 분석하여 사고 발생 패턴을 파악하고, 이를 기반으로 위험성 평가 방법론을 검토하였다. 몬테카를로 시뮬레이션을 통해 임의 의 제한된 해상 공간 내에서 표류하는 부유물과 이동 중인 선박이 접촉할 확률을 도출하였으며, 다양한 변수(부유물의 크기, 개수, 속도, 이 동하는 선박의 개수, 선박의 통항 패턴 등)가 충돌 확률에 미치는 영향을 분석하였다. 연구 결과, 표류하는 장애물의 속도보다는 장애물의 크기와 이동하는 선박의 개수에 따라 충돌 확률이 영향을 받음을 확인할 수 있었다. 이 연구는 해양과 선박 데이터 기반 실행 가능한 모델 을 제안하며, 이를 통해 선박 운항의 안전성을 높이고, 사고 예방을 위한 효과적인 관리 방안을 제공하는 것을 목표로 하고 있다.

Recently marine accidents involving floating objects have been continuously increasing due to domestic coastal traffic conditions, and as a result cases of secondary-linked reduction gear damage have also occurred one after another. This research aims to evaluate the ship propulsion system safety through the analysis the effect of the torsional stress generated on the propeller shaft system when a rope or net is wrapped around a propeller at sea through theoretical analysis, simulation analysis, and ship empirical test.