본 연구는 물때에 따른 교통특성을 분석하여 선박통항관리 개발에 필요한 자료를 제공하고자 한다. 목포항의 1년간 선박자동식별장치 자료를 사용하였다. 물때에 따른 교통량을 분석하기 위해 목포항의 1년간의 선박자동식별장치의 양력 데이터를 음력으로 변환한 후, 서해안의 구전 물때를 적용하였다. 연구 결과, 출항선박은 2-3물때 교통량이 7물때 보다 약 23-24% 많고, 입항선박은 12-13물때 교통량이 9물때 보다 약 29-33 % 많았다. 특히, 시간의 변화에 따른 물때별 변동지수는 sine 함수의 형태로 변화하였다. 본 연구는 물때에 따른 선박통항관리 개발에 필요한 기초자료로 활용될 수 있을 것으로 판단된다.

본 연구는 관측일수에 따른 교통량의 신뢰성을 검증하고자 한다. 목포항의 1년간 선박자동식별장치(AIS) 자료를 사용하여 월별, 요일별, 시간별 변화지수를 비교한 후, 각 관측일수에 따른 최대표준오차를 산출하였다. 월별변화지수를 비교한 결과 9월달 1.11, 2월달 0.84로 나타나 9월달이 2월달 교통량 보다 약 32.1 % 많은 것으로 나타났다. 요일변화지수는 화요일 1.05, 일요일 0.92로 나타나 화요일이 일요일 교통량보다 약 14.1 % 많았다. 해상교통조사는 요일변화지수를 고려하여 최소 1주일 이상 실시하면 최대표준오차를 21 % 이내로 산출할 수 있다. 따라서 해상교통조사 관측시기에 따라 각 변화지수를 적용하여 교통량의 흐름을 반영한 연구가 뒷받침 되어야 하겠다.

The purpose of this study is to find suitable probability distribution function of complex distribution data like multimodal. Normal distribution is broadly used to assume probability distribution function. However, complex distribution data like multimodal are very hard to be estimated by using normal distribution function only, and there might be errors when other distribution functions including normal distribution function are used. In this study, we experimented to find fit probability distribution function in multimodal area, by using AIS(Automatic Identification System) observation data gathered in Mokpo port for a year of 2013. By using chi-squared statistic, gaussian mixture model(GMM) is the fittest model rather than other distribution functions, such as extreme value, generalized extreme value, logistic, and normal distribution. GMM was found to the fit model regard to multimodal data of maritime traffic flow distribution. Probability density function for collision probability and traffic flow distribution will be calculated much precisely in the future.

본 연구는 제한속력 설정 모델 개발을 위한 1차 연구로서 제한속력 설정 시 고려요소에는 어떤 것이 있으며, 각 요소별 중요도는 얼마나 되는지에 대한 연구의 결과이다. 고려요소 식별과 중요도 산정을 위해 델파이(Delphi)기법과 AHP(Analytic Hierarchy Process)기법을 이용하였다. 델파이 설문은 3차에 걸쳐 수행하였고 3차에 걸친 설문을 통해 5개 상위요소(Level 1)와 23개 하위요소(Level 2)가 식별되었다. 3차 델파이 설문과정에서 내용타당도비율(CVR)값이 0.4~1.0 범위에 있으면 제한속력 설정 시 고려요소로서 반영하였고 0.4 미만의 값은 고려요소에서 제외하였다. 2차 델파이 설문과정에서 33개 고려요소가 식별되었으나 3차 설문을 통해 23개 항목으로 축소되었다. 델파이 3차 분석을 통해 얻은 23개 항목을 대상으로 AHP 설문을 수행하였다. AHP 설문 결과, 5개 상위요소(Level 1)에 대한 중요도는 교통조건이 가장 중요한 요소로 평가되었고, 선박조건, 항로조건, 자연조건, 외부지원 및 기타 조건 순으로 평가되었다. 23개 하위요소 중에서 시정이 가장 중요(1위)하다고 평가되었으며, 선박조종성능, 항로 내 수중장애물, 교통량 및 밀도, 통항선박간 거리, 타효가능속력, 조류 순으로 평가되었다.

선박이 발달함에 따라 국제해사기구(IMO)에서는 인적과실에 의한 해양사고 예방을 위하여 기존의 선박운항·조선기술에 ICT를 융·복합한 차세대 해상안전종합관리체계인 e-Navigation 도입을 추진 중에 있으며, 세계 각 국에서는 네트워크를 통한 원격조종시스템을 활용한 무인선박(Unmmanded vessel)의 개발이 활발하게 진행되고 있다. 무인선박은 선박-육상간 통신체계 구축을 통한 원격조종시스템과 통합 센서를 활용한 자율항해시스템을 갖춘 선박이다. 그러나 개발로 인해 예상되는 해운환경에 대한 고찰은 이루어지지 않고 있는 상황이다. 본 연구에서는 무인선박의 출현으로 예상되는 해운환경의 변화를 살펴보고 무인선박이 실제 투입되기 전 갖추어져야할 규정과 법 제도, 또한 투입 후에 수반되는 상황에 대한 대책 등을 조사하며, 가장 효과적인 무인 선박투입 시기 및 범위, 방법 등을 다루고자 한다.

본 연구에서 Tokyo-MOU의 정보시스템 APCIS와 해양수산부 항만국통제 정보관리시스템의 PSC 실태를 분석한 결과, 2009년을 기준으로 결함지적률(DFR)과 출항정지율(DTR) 모두 감소 추세를 보였다. 그러나 선령 30년 이상 선박과 편의치적 선박, Ro-Ro 여객선과 일반화물선, 총톤수 1,000톤 이하의 소형선박은 높은 DFR과 DTR을 보였다. 항만별로는 제주항을 제외한 전체 항만의 평균 DFR은 82.5 %, 평균 DTR 5.1 %로 나타났으며, 항만별로 큰 편차를 보였다. 각 항만별 PSCO가 점검해야 할 선박의 척수도 심한 지역 불균형을 보였다. 항만국통제관(PSCO)이 지적하는 우리나라 항만국통제의 가장 큰 문제점으로는 인력부족과 1인에 의한 단독점검으로 밝혀졌다. 우리나라의 PSC 점검 내실과 강화를 위해서는 고위험선박을 대상으로 한 집중점검, 4개 구역으로 한 권역별 인적 네트워크(협력체) 구축, 항만별 점검 할당량 재산정, PSCO 인력확보 등의 개선책이 필요하다.

본 연구에서는 해상교통혼잡도에 영향을 미치는 요소인 선박점용영역크기, 선박의 속력, 항로폭에 대한 민감도 분석을 실시하였으며, 가장 민감한 요소로 선박점용영역을 도출하였다. 선박점용영역에 대해 일본, 덴마크 해협, 중국 상하이항에서의 점용영역에 대한 기존 연구사례를 조사하고, 우리나라 진해만 피항시의 해상교통관측조사를 통한 선박점용영역을 도출하여 비교 분석하였다. 민감도 분석 결과, 선박속력 1노트 변화시 10 %, 항로폭 100미터 변화시 18 %, 점용영역 장직경 1L 변화시 34 %∼43 %의 영향이 미치는 것으로 분석되었다. 그 결과, 현행 진단제도에서 사용하는 8L×3.2L, 6L×1.6L은 일본의 3.5L×1.5L, 중국 상하이항 5.9L×2.2L, 덴마크 해협 4L×5B 및 진해만 피항시의 선박점용영역 3L×2L과 큰 차이가 있음을 확인하였다.

This paper describes the application method of bumper area defined in the ship domain theory and it is to identify risky sectors in VTS(Vessel Traffic Services) area. The final goal of this work is to develop early warning system providing the location information with high traffic risks in Mokpo VTS area and to prevent the human errors of VTS Officer(VTSO). The current goal of this paper is to find evaluation and detection method of risky sectors. The ratio between overlapped bumper area of each vessels and the summing area of a designated sector, Ratio to Evaluate Risk(RER) r is used as one of evaluation and detection parameter. The usability of overlapped bumper area is testified through three kinds of scenarios for various traffic situations. The marine traffic data used in the experiments is collected by AIS(Automatic Identification System) receiver and then compiled in the SQL(Structured Query Language) Server. Through the analysis of passing vessel‘s tracks within the boundary of Mokpo VTS area, the total of 11 sectors are identified as evaluation unit sector. As experiment results from risk evaluation for the 11 sectors, it is clearly known that the proposed method with RER r can provide the location information of high risky sectors which are need to keep traffic tracks of vessel movements and to maintain traffic monitoring by VTSO.

본 연구는 강조류 해역을 통과하는 선박의 해양사고를 방지하기 위해 안전한 항행속력과 적절한 통과시기를 제시하였다. 이 자료의 해석을 위하여 2010년 7월 12일부터 15일까지 명량수도를 대상으로 통과선박의 AIS 데이터 수집과 2010년 9월 4일 현장조사를 실시하였고, 여기서 수집된 자료를 바탕으로 최소항행속력(minimum navigation speed)과 여유 제어력을 감안한 적정항행속력(optimum navigation speed), 조류속력별 대응타각(respond rudder angle)을 산출하였다. 또한 조위와 조류속력 데이터를 분석해 안전한 통과시기를 제시하였다. 이 연구를 통해 얻은 결과는 다음과 같다. (1)조류의 유속이 4.4 kn 이상이 되면 선박의 타만으론 자력 조선이 불가능하다. (2) 강한 조류에 의해 발생되는 유압력과 회두모멘트에 대응하기 위해서는 최소항행속력은 조류의 2.3배, 적정항행속력은 조류의 4.0배 이상이어야 한다. (3)사리 기간 중 명량수도 적정 통과 시기는 고∙저조시간 1시간 전부터 최소 30분 전까지이며 고∙저조가 된 이후 5시간 동안은 4 kn 이상의 유속이 남아있는 시간으로 이 지역 항해를 자제해야 한다.

본 연구는 기존의 회귀분석과는 달리 시계열 분석과 인공신경망 모형을 이용하여 장래 해상교통량을 예측하였다. 특히, 시계열 분석을 통한 예측값을 인공신경망 모형에 추가 입력변수로 적용하여 장래 해상교통량 예측을 제고하고자 하였다. 본 연구는 인천항의 1996년부터 2013년까지 월별 관측값을 대상으로 하였다. 모형의 예측력 검증을 위해 1996년부터 2012년까지 관측값을 대상으로 구축한 모형으로부터 2013년을 예측하여 실제 관측값과의 비교로 적합한 모형을 판별하였다. 인천항의 2015년 장래 해상교통량은 매월 평균 교통량보다 5월과 11월에 각 5.9 %, 4.5 % 많았으며, 1월과 8월은 매월 평균 교통량보다 각 8.6 %, 4.7 % 적은 것으로 예측되었다. 따라서 인천항은 계절에 따른 월별 교통량의 차이를 확인할 수 있다. 본 연구는 해상교통 현장관측 조사시 계절에 따른 교통량의 특성을 반영할 수 있는 기초 자료로 활용될 수 있다.

본 연구는 기존의 회귀분석과는 달리 금융, 경제, 무역 등 다양한 분야의 수요 예측에 널리 적용되고 있는 시계열 분석 방법을 시도하였다. 인천항의 1996년 1월부터 2013년 6월까지 입항 척수 자료를 바탕으로 정상성 검증, 모형의 식별, 모수의 추정, 진단 과정을 거쳐 장래 해상교통량을 예측하였다. 2014년 1월부터 2015년 12월까지 예측한 결과 2월달의 교통량이 다른 달 보다 적게 예측된 반면, 1월달의 교통량은 다른 달 보다 많을 것으로 나타났다. 또한 인천항은 지수평활법 보다 ARIMA 모형이 적합하며, 계절에 따라 월별 교통량의 차이를 보이는 것을 알 수 있다. 본 연구는 시계열 분석으로 장래 교통량을 월별로 예측하였다는 점에서 의의가 있다. 또한 기존의 회귀분석으로 예측한 장래 해상교통량보다 시계열 분석으로 예측한 장래 해상교통량이 더 적합한 모형인 것으로 판단된다.

본 연구는 우리나라 전국 무역항 중 입항 선박이 많은 주요 4개 항만을 선정하여 10일간의 AIS 실측 자료를 분석하였다. 실측 조사로 산출한 주요항만의 피크시간 혼잡도는 시간당 평균혼잡도 보다 약 3.8~5.7배 높게 나타났다. 이는 기존의 Port-MIS 통계자료로 울산항 본항의 해상교통혼잡도를 평가한 선행연구 사례에서 피크시간 혼잡도가 시간당 평균혼잡도 보다 약 1.7배 높은 것과는 많은 차이가 있어 현 항로의 교통특성을 왜곡하는 문제를 확인할 수 있다. 따라서 해상교통혼잡도를 평가할 때에는 Port-MIS 통계자료보다 실측조사를 기반으로 해상교통혼잡도를 산출하는 것이 타당하다고 본다.

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.