해양사고 예방을 위해서는 사고의 원인과 결과에 대한 분석 및 진단뿐만 아니라, 사고의 발생 패턴과 변화 추이를 예측함으로 써 정량적 위험도를 제시할 필요성이 있다. 선박교통과 관련된 해양사고 예측은 선박의 충돌위험도 분석 및 항해 경로 탐색 등 선박교통 의 흐름에 관한 연구가 주로 수행되었으며, 해양사고의 발생 패턴에 대한 분석은 전통적인 통계 분석에 따라 제시되었다. 본 연구에서는 해양사고 통계 자료 중 선박교통관련 사고의 월별, 시간대별 발생 현황 데이터를 활용하여 해양사고 발생 예측 모델을 제시하고자 한다. 국내 해양사고 발생 현황 중 월별, 시간대별 데이터 집계가 가능한 1998년부터 2021년까지의 통계자료 중 선박교통 관련 데이터를 분류하 여 정형 시계열 데이터로 변환하였으며, 대표적인 인공지능 모델인 순환 신경망 기반 장단기 기억 신경망을 통하여 예측 모델을 구축하 였다. 검증데이터를 통하여 모델의 성능을 검증한 결과 RMSE는 초기 신경망 모델에서 월별 52.5471, 시간대별 126.5893으로 나타났으며, 관측값으로 신경망 모델을 업데이트한 결과 RMSE는 월별 31.3680, 시간대별 36.3967로 개선되었다. 본 연구에서 제안한 신경망 모델을 기 반으로 다양한 해양사고의 특징 데이터를 학습하여 해양사고 발생 패턴을 예측할 수 있을 것이다. 향후 해양사고 발생 위험의 정량적 제 시와 지역기반의 위험지도 개발 등에 관한 추가 연구가 필요하다.

우리나라 해양안전심판원은 해양사고가 발생하였을 때 해양안전심판절차에 따라 해양사고를 조사하는 기관으로 해양사고를 전문으로 조사할 수 있는 역량을 갖춘 조사관을 필요로 한다. 해양안전심판원의 조사관은 2급 이상의 해기사면허를 요구하고 있으며, 승 선경력을 갖춘 경력자로 선박에 대한 전문지식을 소유하고 있지만, 해양사고 조사에 관한 기술 역량은 별도의 교육이 필요하다. 하지만 현재의 해양사고 조사관을 위한 교육은 행정업무가 주된 내용으로 조사 기술 역량 향상에는 부적합하여 이에 대한 개발이 시급한 실정이 다. 본 연구는 해양사고 조사관을 위한 기술 역량 강화를 목적으로 해양사고 조사관 교육 콘텐츠를 설계하기 위해 진행되었다. 이를 위하 여 현행 조사관 교육내용의 분석, 관련 법령의 검토, 선진 해양국가 및 국내 유사 교통기관들의 조사관 교육내용을 분석하였다. 연구의 결 과로써 조사 기술 역량 강화에 중점을 둔 교육 콘텐츠를 설계하였고, 이를 각 5일이 소용되는 신규교육과 전문교육 과정으로 나누어 제안 하였다. 설계된 교육 콘텐츠를 바탕으로 우리나라 해양사고 조사관의 업무여건 등을 충분히 반영하여 심층적인 연구가 진행된다면 조사 기술 역량 향상에 큰 도움이 될 것으로 사료된다.

HNS 사고 후 활용할 수 있는 모니터링 지침 개발을 위해 국내외 HNS 사고 후 해양환경영향평가 및 모니터링 관련 사례를 검토하였다. 그 첫 단계로 해양생물 및 서식처를 중심으로 하는 HNS 사고 후 모니터링 및 해양환경영향평가 지침을 개발하였고, 의사결정자 및 작업실무자들에게 적합하도록 내용을 구성하였다.