현대 해양 산업은 기술적 발전을 통해 신속한 발전을 이루고 있다. 이러한 발전을 주도하는 주요 기술 중 하나는 데이터 처리 기술이며, 이 중 자연어 처리 기법은 사람의 언어를 기계가 이해하고 처리할 수 있도록 하는 기술이다. 본 연구는 자연어 처리 기법을 통해 해양안전심판원의 재결서를 분석하여 이미 재결이 이루어진 선박 충돌사고의 원인 제공 비율을 학습한 후, 새로운 재결서를 입력 하면 원인 제공 비율을 예측하는 모델을 개발하고자 하였다. 이 모델은 사고 당시 적용되는 항법과 원인 제공 비율에 영향을 주는 핵심 키워드의 가중치를 이용하여 사고의 원인 제공 비율을 계산하는 방식으로 구성하였다. 이 연구는 이러한 방식을 통해 제작한 모델의 정 확도를 분석하고, 모델의 실무 적용 가능성을 검토함과 동시에 충돌사고 재발 방지 및 해양사고 당사자들의 분쟁 해결에 기여할 것으로 기대한다.

신안군 해역의 섬을 통한 관광사업이 활발해지면서 도서 간을 연결하는 해상교량은 현재까지 총 13개가 완공되었다. 그러나 통항로에 설치된 해상교량은 선박통항에 있어 위험성을 주며, 특히 섬과 섬을 연결하는 연도교의 경우 수로의 폭이 매우 좁아 그 위험도 는 더욱 높다. 본 연구는 신안군 해역의 연도교에 대한 해상교통조사를 토대로 교각과 선박의 충돌위험도를 항만수로의 위험도 평가 모 델인 IWRAP(IALA Waterway Risk Assessment Program)을 활용하여 평가하였다. 그 결과 신안1교가 충돌확률이 가장 높은 것으로 분석되었으 며, 통항선박의 대부분은 연안 여객선으로 나타났다. 또한, 신안1교는 대상해역의 교각 중 가장 충돌사고가 많이 발생한 곳으로 본 연구 에서는 그 원인을 분석하고자 하였다. 신안1교 해역환경의 위성사진을 영상처리기법으로 분석한 결과 해도에는 볼 수 없는 장애물이 교 량 근처에 존재하는 것을 확인할 수 있었다. 이로 인해 장애물을 피해 교량의 통항유도방식인 양방향 통항과 달리 한 방향으로 통항이 집 중되는 것을 알 수 있었다. 본 연구의 영상처리기법을 활용한 위험원인 분석방법은 향후 연도교의 위험요인 분석을 하는데 기초자료로 활용될 수 있을 것으로 기대된다.

This paper presents a parallel kd-tree traversal algorithm based on the parallel binary radix tree construction scheme proposed by Tero Karras in 2012. In his paper, Tero Karras proposed parallel tree construction algorithm which can maximize the utilization of GPU threads, but implementation and analysis of kd-tree are not fully discussed. This paper aims to fill the gap for the specific kd-tree cases. As an application for the kd-tree traversal method proposed in this paper, the proposed method has been implemented with NVIDIA’s CUDA framework and tested on NVIDIA’s realtime raytracing library, OptiX. As a result, the proposed method can construct tree structures within the requirement for realtime process, but still needs specialized spatial caching data structure like the “primitive tree” for highly detailed meshes to handle spatial queries as fast as to visualize implicit surfaces under OptiX framework. However, the proposed method can be applied to dynamic collision detection and manage scene and object information for game applications thanks to its fast tree construction process. Also, realtime raytracing can be applied to game applications based on this study.

GPU는 메모리 대역폭이 연산 속도를 결정하는 병목 지점이 된다. 즉, GPU 프로그래밍 시에는 불규칙적인 메모리 액세스나 다중 스레드들 사이에서의 서로 다른 명령 실행 분기가 발생하면 속도가 크게 저하되는 문제가 발생한다. 따라서 게임 엔진 충돌 처리용으로 사용되는 kd-tree와 같은 적응형 탐색(adaptive traverse) 기법은, 불규칙적인 메모리 액세스 및 서로 다른 명령 분기로 인해 지금까지 GPU 구조에 적합하지 않은 것으로 인식되어 왔다. 그러나 최근 NVIDIA의 Fermi 아키텍처의 등장과 함께 CPU에서처럼 GPU 다중 프로세서에도 캐시 메모리가 적용되고 있다. 본 논문에서는 이러한 새로운 GPU 아키텍처의 장점을 활용해서 충돌 처리 시간을 크게 줄일 수 있는 GPU 기반 kd-tree를 제안한다. 제안하는 GPU 기반 병렬 kd-tree는 체크 지점 65536 개에서 최근접 삼각형까지의 거리를 찾는 작업이 Fermi 아키텍처(캐시 적용) 기반에서 단일 코어 CPU 기반 kd-tree에 비해 평균 백 만 배 이상(1.0x106) 빨라졌으며, 이전 세대 Tesla 아키텍처(캐시 미적용) 기반 병렬 kd-tree에 비해서도 약 50 배 가까이 빠른 속도를 보였다.