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.

매년 해양활동이 증가하며 해양사고 발생빈도가 높아지고 있다. 이에 따라 해양안전을 위한 각종 연구 활동과 정책이 실행되고 있다. 하지만 이러한 노력에도 불구하고 매년 해양사고가 증가하고 있어 이들의 실효성에 대한 문제가 제기되고 있다. 문헌연구 결과에 따르면, 통계연보를 활용한 선행연구는 통계제공항목 간 비교를 통해 두드러지는 항목에 대한 예방책을 제시하고 있다. 2000년대 이후에는 대형 해양사고가 반복적으로 발생하면서 '사고대응'에 대한 사례연구(case study)가 진행되고 있다. 국내 해양안전을 위한 정책수립 연구과정에서 통계연보나 사고사례를 주 자료로 활용하고 있으나 현재 자료는 사후결과 요약정도의 수준이다. 따라서 본 연구에서는 해양 사고 사례분석 및 개선방안 관련 문헌연구를 통해 현행 해양관련 연구와 정책의 한계를 탐색하였다. 또한 자료 활용 한계를 개선하기 위한 방안의 일환으로 선박사고 상황보고서 속성분석, 텍스트 마이닝을 통해 해양사고 정보 분류체계인 온톨로지(ontology)를 수정 보완하였다. 해당 항목은 ‘신고자, 신고수단, 구조세력, 대응 조치사항, 대응취약성, 적재물, 유류유출경위, 피해유형, 사고처리결과’이며, 이 항목 들은 분류체계 표준용어를 활용해 향후 지속적으로 수집 활용할 수 있다. 마지막으로 온톨로지를 실질적으로 활용하기 위한 데이터 수집 및 품질확보 방안을 제시했다. 결과적으로 현재 해양안전이 직면한 문제를 명확히 파악하고 ‘품질이 확보된 충분한 정보’를 활용한다면 보다 다양한 연구와 실효성 있는 정책 실현이 가능할 것이다.

This research carried out a study on the job characteristics of the skipper of the coastal composite fishing vessels in order to find a way to prevent the ship collision caused by the highest human error among the marine casualty of fishing boats. Video observation was used as the research method in which six CCD cameras were installed on the vessel to collect image data and data extracted from the image were analyzed to derive the results of the functional activity of skipper according to the fishing operation process of experimental fishing vessel. The results are as follows. The working process of the experimental fishing vessel consisted of navigation for fishing ground, setting line, waiting for hauling line, hauling line and navigation to homeport. In these processes, the skipper was performing watchkeeping in the wheelhouse in which he carried out a single task, a dual task that performed two tasks simultaneously, and a triple task that performed two or more tasks simultaneously. In addition, one of the risk factors causing the collision was a no watchkeeping in the wheelhouse for navigating for fishing ground, waiting for hauling line, and hauling line at 25.4%, 64.6% and 0.3%, respectively among the marine casualty while drowsiness caused 1.2% of the marine casualty in navigating for fishing ground. Concurrent tasks that simultaneously perform two or more tasks that can overlook any other important duties while carrying out watchkeeping in the wheelhouse include 51.3% of navigation for fishing ground, 81.9% of setting line, 19.0% of waiting for hauling line, 87.9% of hauling, and 88.7% of navigation to homeport. The above concurrent tasks yielded an average of 66.1%. Experimental fishing vessels are required to focus on ship handling operations related to fishery operations, and the skipper is assigned more activities and attention to fishery related tasks. Therefore, it is considered desirable to build a collision prevention system that is appropriate to the characteristics of the skipper’s work, escaping from transferring the responsibility of ship collision to the skipper completely.

해양사고는 주로 충돌과 좌초에 의한 것으로 인적과실이 원인이다. 한국형 e-Navigation 사업은 인적과실에 의한 해양사고 저감 및 초고속 해상무선통신(LTE-Maritime)의 구축 방안을 마련하고 있다. 그에 따른 사고취약선박 모니터링 지원 서비스(SV10)는 육상에서 수집한 선박의 위치정보를 기반으로 선박의 충돌·좌초 위험도를 평가하여 선박이 위험상황을 인식할 수 있도록 정보를 제공하고 해양사고 발생 시 육상에서 조기 대응할 수 있도록 실시간 선박 위치 및 위험상황 정보를 유관기관과 공유하는 서비스이다. 본 연구에서는 중앙해양안전심판원에서 제공된 해양사고 통계연보 및 재결서를 분석하여 SV10 서비스로 저감될 수 있는 해양사고 비율을 확인하였다.