KR101134676B1 - 항행안전정보융합서버 및 항행안전정보융합 방법 - Google Patents

항행안전정보융합서버 및 항행안전정보융합 방법 Download PDF

Info

Publication number
KR101134676B1
KR101134676B1 KR1020100065808A KR20100065808A KR101134676B1 KR 101134676 B1 KR101134676 B1 KR 101134676B1 KR 1020100065808 A KR1020100065808 A KR 1020100065808A KR 20100065808 A KR20100065808 A KR 20100065808A KR 101134676 B1 KR101134676 B1 KR 101134676B1
Authority
KR
South Korea
Prior art keywords
data
situation
safety information
navigation safety
information fusion
Prior art date
Application number
KR1020100065808A
Other languages
English (en)
Other versions
KR20120005194A (ko
Inventor
김도연
이미라
정종면
박계각
Original Assignee
목포해양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 목포해양대학교 산학협력단 filed Critical 목포해양대학교 산학협력단
Priority to KR1020100065808A priority Critical patent/KR101134676B1/ko
Publication of KR20120005194A publication Critical patent/KR20120005194A/ko
Application granted granted Critical
Publication of KR101134676B1 publication Critical patent/KR101134676B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G08G3/02—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B43/00—Improving safety of vessels, e.g. damage control, not otherwise provided for
    • B63B43/18—Improving safety of vessels, e.g. damage control, not otherwise provided for preventing collision or grounding; reducing collision damage
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/203—Specially adapted for sailing ships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Human Resources & Organizations (AREA)
  • Public Health (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 항해중인 선박이 다양한 항행 장비들을 통해 여러 유형의 선내 외 안전 정보를 전달받고, 이러한 정보들을 정보융합기술을 적용하여, 선박의 안전항행 상황을 진단하고 예측할 수 있도록, 항행안전정보를 빠르고 안전하게 처리할 수 있는 항행안전정보융합서버 및 항행안전정보융합 방법에 관한 것이다. 본 발명의 항행안전정보융합서버는, 전처리모듈, 항행안전정보융합모듈, 상황인지지식베이스, 상황예측지식베이스로 구성되며, 다양한 항행 장비들로부터 습득한 방대한 정보를 종합적으로 처리 및 융합하여, 위험상황 예측에 필요한 가공된 정보를 제공하고, 융합된 정보를 바탕으로 앞으로 일어날 상황에 대한 확률을 예측하고, 전문가시스템 등의 인공지능 기술을 활용하여, 항해사가 항행 상황에 대한 적절한 조치를 취할 수 있도록 최적의 행동 지침을 제공한다.

Description

항행안전정보융합서버 및 항행안전정보융합 방법{Navigation Safety Information Fusion Server and Method Thereof}
본 발명은 항행안전정보융합서버 및 항행안전정보융합 방법에 관한 것으로, 좀 더 구체적으로는 항해중인 선박이 다양한 항행 장비들을 통해 여러 유형의 선내 외 안전 정보를 전달받고, 이러한 정보들을 정보융합기술을 적용하여, 선박의 안전항행 상황을 진단하고 예측할 수 있도록, 빠르고 안전하게 처리할 수 있는 항행안전정보융합서버 및 항행안전정보융합 방법에 관한 것이다.
해양 분야에서는 항해중인 선박이 다양한 항행 장비들을 통한 여러 유형의 선내 외 안전 정보를 전달받고, 이러한 정보들로 항해관련 안전상황의 인식 및 예측을 하게 된다. 하지만 지나치게 많은 정보가 빠르게 전달됨으로써 사람이 모든 정보를 판단하는 일이 쉽지 않고, 종종 매체 간 정보가 불일치하는 경우가 발생한다. 본 발명은 선박의 안전항행 상황을 진단하고 예측하기 위한 정보융합기술을 적용하여, 선박의 안전항행 상황을 진단하고 예측할 수 있도록, 빠르고 안전하게 처리할 수 있는 항행안전정보융합서버 및 항행안전정보융합 방법에 관한 것이다.
현재 해양 분야에서 항행중인 선박은 레이더, GPS(Global Positioning System), AIS(Automatic Identification System), 각종 음성 통신 장비 등을 이용하여 항해에 필요한 정보를 전달받고, 이러한 정보들을 이용하여 항해사는 항행안전상황을 인식 및 예측한다. 이때, 다양한 유형의 많은 정보를 적은 인원이 빠르게 처리해야 하기 때문에 정확한 안전상황의 인식 및 예측이 쉽지 않다. 물론 최근 레이더에 기본적으로 내장된 ARPA(Automatic Radar Plotting Aids) 기능과 전자해도기반의 ECDIS(Electronic Chart Display and Information System) 시스템은 항해사에게 타선박과 항로에 관련된 많은 정보를 제공하지만 상황에 대한 판단과 예측은 전부 항해사의 몫으로 남는다. 만약 컴퓨터가 이러한 항해사의 의사결정을 도울 수 있다면 많은 정보를 빠르고 안전하게 처리할 수 있을 것이다. 컴퓨터가 어떠한 상황을 인지 예측하려한다면 인간과 마찬가지로 여러 정보를 판단하고 그 정보를 융합하여 컴퓨터 자신의 인지예측 값을 결정하게 된다.
정보 융합이란 같은 모집단에서 나온 서로 다른 표본들을 포함하는 데이터 집합을 결합하는 기법 또는 처리 과정을 의미한다. 즉, 정보 융합은 여러 데이터를 통한 상황의 인지와 예측을 가능하게 하는 기술이다. 이전에도 항행 안전 정보 융합에 정보융합기술을 적용하려는 시도가 있었으나, 실제 항행중인 선박에 적용하기에는 많은 어려움이 따랐다.
이 밖에도 각종 인공지능 기술들이 있는데 그 중에서도 인간의 뉴런을 모방해 패턴인식 등에 자주 사용되고 있는 인공 신경망, 전문가의 의견을 대신해서 조언해 줄 수 있는 전문가 시스템, 사용될 분야와 관련된 지적 활동과 경험을 통해서 축적한 전문 지식 그리고 문제 해결에 필요한 사실과 규칙 등이 저장되어 있는 지식베이스(KB), 이전의 실험적인 데이터를 토대로 어떠한 사건이 발생하였을 때 그것이 속할 그룹을 예측해 보는데 사용되는 Bayesian 결정 이론, 확신의 정도가 구간으로 표현되는 Dempster-Shafer의 증거추론 이론, 인간의 애매한 표현 방법을 나내낼 수 있는 퍼지 기법 등 많은 기술들이 있다. 그런데 이같이 다양한 정보활용 기술이 개발되어 있음에도 불구하고 실제 항행중인 선박에는 적극적으로 적용되고 있지 않다.
또한 현재 국내에서 일어나고 있는 해난 사고의 경우, 약 80%가 인적 과실에 의해 발생하고 있으며 어선을 제외한 경우에는 전체 사고의 70%가 충돌 및 좌초이다. 특히 운항 과실에 의한 사고는 주로 충돌 예방 규칙 등의 항법 미준수, 전방경계 소홀 및 부적절한 조선 기술 등과 같이 항해사의 상황 인식과 대처가 늦어서 발생하는 경우가 대부분이다. 현재까지의 해상에서의 위험 상황 인식은 전적으로 항해사 개인에게 의존하는 형태를 취하고 있다. 물론 선박용 레이더에는 상대방 선박을 추적하고 일정한 거리 내에 들어오면 경고를 발하는 기능이 존재하긴 하지만 결국은 항해사 개인의 상황 인식 및 판단에만 의존한다고 할 수 있다. 항해사는 중요한 결정이나 판단을 할 때 그 상황에서 얻을 수 있는 여러 가지 정보를 바탕으로 현재의 상황을 인식하고 새로운 결과를 이끌어 낸다. 하지만 여러 최첨단 매체를 통해 제공되는 정보는 점점 방대해지고 있기 때문에, 습득한 모든 정보를 이해하고 그 정보를 바탕으로 상황을 예측한다는 것은 점점 더 어려워지고 있으며, 종래의 위험상황을 예측하는 기술은 선박 또는 위험지역에 장비를 추가하는 방식으로, 고비용이며, 설치가 용이하지 않았다.
상기와 같은 문제점을 해결하기 위한 방안으로 본 발명은 지능형 안전 정보 융합 시스템의 전체적인 구조를 설계하여, 항행정보융합모듈의 상세 설계에 적용함으로써, 다양한 항행 장비들로부터 습득한 방대한 정보를 종합적으로 처리 및 융합하여, 위험상황 예측에 필요한 가공된 정보를 제공하는 항행안전정보융합서버 및 항행안전정보융합 방법을 제공함을 과제로 한다.
또한 본 발명은 융합된 정보를 바탕으로 앞으로 일어날 상황에 대한 확률을 일관된 기준을 바탕으로 예측하는 항행안전정보융합 방법을 제공함을 과제로 한다.
또한 본 발명은 항해사가 항행 상황에 대한 적절한 조치를 취할 수 있도록 전문가시스템 등의 인공지능 기술을 활용하여, 예측한 위험상황에 대해서 최적의 행동 지침을 제공하는 항행안전정보융합서버 및 항행안전정보융합 방법을 제공함을 과제로 한다.
또한 본 발명은 기존의 다양한 항행 장비를 변형 없이 이용하여, 설치비가 적으며, 설치 및 사용습득이 용이한 항행안전정보융합서버 및 항행안전정보융합 방법을 제공함을 과제로 한다.
상술한 목적을 달성하기 위한 본 발명의 항행안전정보융합서버는, 항행안전정보의 초기데이터를 디지털화한 전처리데이터를 융합하는 항행안전정보융합모듈(20);을 포함하되, 상기 항행안전정보융합모듈(20)은, 상기 전처리데이터를 입력받아 개체별로 분류하여 정제데이터(D22)를 생성하는 개체정제부(22);와 상기 정제데이터(D22)를 입력받아, 상황인지데이터(D24)를 산출하는 상황인지부(24); 및 상황인지지식베이스(30);를 더 포함하고, 상기 상황인지지식베이스(30)는, 선박에 영향을 주는 외부 상황에 대한 목록인 상황인지의견;과 각 상황인지의견에 대한 확신도를 산출하는 상황인지규칙;을 포함하며, 상기 상황인지데이터(D24)는, 상기 정제데이터(D22)에 상기 상황인지규칙을 적용하여 산출된 상황인지의견 및 상기 산출된 상황인지의견에 대한 확신도를 포함하는 것을 특징으로 한다.
삭제
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상기 항행안전정보융합모듈(20)은, 상기 정제데이터(D22)와 상황인지데이터(D24) 중 하나 이상을 입력받아, 상황예측데이터(D26)를 산출하는 상황예측부(26)를 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상기 항행안전정보융합모듈(20)은, 상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 입력받아, 항해사에게 상기 상황인지데이터(D24), 상황예측데이터(D26)를 출력장치(300)를 통하여 전달하며, 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 전달하는 행동계획부(28);를 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버는, 초기데이터수집장치(200)에서 전달받은 항행안전정보의 초기데이터를 디지털화하여 상기 전처리데이터로 생성하는 전처리모듈(10)을 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상기 정제데이터(D22)는, 자선박 제외한 주변 타개체를 각 개체별로 분류하여 생성한 개체데이터를 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상기 정제데이터(D22)는, 자선박 항로인근 위험지역정보를 각 위험지역별로 분류한 위험지역데이터를 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상기 상황인지데이터(D24)는, 상기 개체 간의 관계를 정의하는 개체-관계데이터를 포함하는 것을 특징으로 한다.
삭제
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상황예측지식베이스(30)를 더 포함하되, 상기 상황예측지식베이스(40)는, 자선박에 영향을 주는 외부 상황 및 그에 따른 지침의 목록인 상황예측의견과 각 상황예측의견에 대한 확신도를 산출하는 상황예측규칙을 포함하며, 상기 상황예측데이터(D26)는 상기 정제데이터(D22), 상황인지데이터(D24)중 하나 이상을 포함한 데이터에 상기 상황예측규칙을 적용하여 산출된 상황예측의견과 상기 산출된 상황예측의견에 대한 상황예측의견 확신도를 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합서버에서, 상술한 목적을 달성하기 위한, 항행안전정보의 초기데이터를 디지털화한 전처리데이터를 융합하는 항행안전정보융합서버에서의 항행안전정보융합 방법에 있어서, (a) 상기 항행안전정보융합서버가, 상기 전처리데이터를 입력받아 개체별로 분류하여 정제데이터(D22)를 생성하는 개체정제단계(S22);와 (b)상기 항행안전정보융합서버가, 상기 정제데이터(D22)를 입력받아, 상황인지데이터(D24)를 산출하는 상황인지단계(S24);를 포함하며, 상기 상황인지데이터(D24)는, 상기 정제데이터(D22)에 상기 항행안전정보융합서버가 상황인지규칙을 적용하여 산출한 상황인지의견 및 상기 산출된 상황인지의견에 대한 확신도를 포함하는 것을 특징으로 한다.
삭제
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 (b) 단계 이후에, (c) 상기 항행안전정보융합서버가, 상기 정제데이터(D22)와 상황인지데이터(D24) 중 하나 이상을 입력받아, 상황예측데이터(D26)를 산출하는 상황예측단계(S24)를 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 (c) 단계 이후에, (d) 상기 항행안전정보융합서버가, 상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 입력받아, 항해사에게 상기 상황인지데이터(D24), 상황예측데이터(D26)를 출력장치(300)를 통하여 전달하며, 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 전달하는 행동계획단계(S28)를 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합 방법은, 상기 (a) 단계 이전에, (e) 상기 항행안전정보융합서버가, 초기데이터수집장치(200)에서 전달받은 항행안전정보의 초기데이터를 디지털화하여 상기 전처리데이터로 생성하는 전처리단계(S10)를 더 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 정제데이터(D22)는, 자선박 제외한 주변 타개체를 각 개체별로 분류하여 생성한 개체데이터를 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 정제데이터(D22)는,자선박 항로인근 위험지역정보를 각 위험지역별로 분류한 위험지역데이터를 포함하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 상황인지데이터(D24)는, 상기 개체 간의 관계를 정의하는 개체-관계데이터를 포함하는 것을 특징으로 한다.
삭제
이와 같은 본 발명에 따른 항행안전정보융합 방법에서, 상기 상황예측데이터(D26)는 상기 정제데이터(D22), 상황인지데이터(D24)중 하나 이상을 포함한 데이터에 상기 항행안전정보융합서버가 상황예측규칙을 적용하여 산출한 상황예측의견 및 상기 산출된 상황예측의견에 대한 확신도를 포함하는 것을 특징으로 한다.
삭제
본 발명의 항행안전정보융합서버 및 항행안전정보융합 방법은, 지능형 안전 정보 융합 시스템의 전체적인 구조를 설계하여, 항행정보융합모듈의 상세 설계에 적용함으로써, 다양한 항행 장비들로부터 습득한 방대한 정보를 종합적으로 처리 및 융합하여, 위험상황 예측에 필요한 가공된 정보를 제공함으로써, 항해사의 상황 인식과 대처가 늦어서 발생하는 인적 과실에 의한 사고를 예방하는데 효과가 있다.
또한 본 발명의 항행안전정보융합서버 및 항행안전정보융합 방법은, 융합된 정보를 바탕으로 앞으로 일어날 상황에 대한 확률을 일관된 기준을 바탕으로 예측하고, 전문가시스템 등의 인공지능 기술을 활용하여, 항해사가 항행 상황에 대한 적절한 조치를 취할 수 있도록 예측한 상황에 대해서 최적의 행동 지침을 제공함으로써, 위험상황에 대한 대처가 전적으로 항해사 개인의 숙련도에만 의존하는 것을 방지하여, 현재 국내에서 일어나고 있는 해난 사고 중, 약 80%에 이르는 인적 과실에 의한 사고를 예방하는데 효과가 있다.
또한 본 발명의 항행안전정보융합서버 및 항행안전정보융합 방법은, 상술한 바와 같이 인적 과실에 의한 사고를 예방함으로써, 대형의 해난사고를 예방하고, 인명손실, 해양오염 및 재산손실을 최소화하는 데 크게 기여하는 효과가 있다.
또한 본 발명의 항행안전정보융합서버 및 항행안전정보융합 방법은, 기존의 다양한 항행 장비에 PC를 이용하는 항행안전정보융합서버만을 추가로 구비하면 되어, 설치비 및 유지비가 적으며, 설치 및 사용습득이 용이하여 경제적인 면에서도 적은 비용으로 사고를 예방하는 효과가 있다.
도 1은, 본 발명의 바람직한 실시예에 따른 항행안전정보융합 시스템의 전체 구성도.
도 2는, 도 1의 항행안전정보융합 시스템에 적용하는 항행안전정보융합서버의 구성도.
도 3은, 도 1의 항행안전정보융합 시스템 및 도 2의 항행안전정보융합서버의 데이터 흐름도.
도 4는, 본 발명의 바람직한 실시예에 따른 항행안전정보융합 방법의 흐름도.
도 5는, 도 4의 항행안전정보융합 방법의 상세 흐름도.
도 6은, 시나리오 1의 항행상황을 도시한 예시도.
도 7은, 시나리오 2의 항행상황을 도시한 예시도.
상기 본 발명의 특징 및 장점은 첨부도면 및 다음의 상세한 설명을 참조함으로서 더욱 쉽게 이해될 수 있을 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예의 구성 및 그 작용 효과에 대해 상세히 설명하면 다음과 같다.
1.항행안전정보융합 시스템
도 1은 본 발명의 바람직한 실시예에 따른 항행안전정보융합 시스템을 도시한 것으로, 상기 항행안전정보융합 시스템은, 타 선박 및 항로에 관한 정보를 수집하는 초기데이터수집장치(200)와, 상기 초기데이터수집장치(200)와 네트워크로 연결되고, 항행안전정보의 초기데이터를 전달받아 융합하는 항행안전정보융합서버(100)와, 상기 항행안전정보융합서버(100)에서 융합한 정보를 출력하는 출력장치(300)를 포함하되, 상기 초기데이터수집장치(200)는 AIS, GPS, ARPA 레이더, MF(medium frequency) 송수신기, HF(High frequency) 송수신기, Navtax 중 하나 이상을 포함하여 구성된다.
상기 출력장치(300)는 항행안전정보융합서버(100)와 직접 연결된 화상 또는 음성 출력장치를 이용하거나, 유무선 네트워크로 연결된 PC의 화상 또는 음성 출력장치 통해 표시하며, 상기 초기데이터수집장치(200)의 부착위치는 기존 선박에 설치되어있는 위치 그대로, 또는 변경 가능하며, 얻어내는 초기데이터 유형 또한 기존 초기데이터수집장치(200)에서 나오는 그대로 이용한다.
2 . 항행안전정보융합서버
도 2는 본 발명의 바람직한 실시예에 따른 항행안전정보융합 시스템에 적용하는 항행안전정보융합서버(100)의 구성도로, 이를 참조하여 항행안전정보융합서버(100)의 구성 및 작용에 대해 설명하면 다음과 같다.
상기 항행안전정보융합서버(100)는 초기데이터수집장치(200)에서 초기데이터를 전달받아 디지털화한 전처리데이터를 생성하는 전처리모듈(10)과, 상기 전처리모듈(10)에서 전달받은 전처리데이터를 융합하여 항해사에게 종합적인 정보 및 조언을 제공하는 항행안전정보융합모듈(20)과, 상기 항행안전정보융합모듈(20)과 연계되어 자선박에 영향을 주는 외부 상황을 인지할 때 적용되는 상황인지지식베이스(30)와, 상기 항행안전정보융합모듈(20)과 연계되어 외부 상황 및 그에 따른 지침을 제공하는 상황예측지식베이스(40)를 포함하여 구성된다. 초기데이터들은 항로부근의 개체 및 위험지역에 관한 데이터로, 상기 전처리모듈(10)에서 전처리과정을 거쳐 항행안전정보융합모듈(20)이 이해할 수 있는 수준의 정보로 처리되고, 그 전처리데이터들을 이용해 항행안전정보융합모듈(20)은 현재의 항행 상황을 인지 및 예측하고, 자선박이 취해야 할 행동에 취해야 할 행동에 대한 계획을 세워 항해사의 의사결정을 보조하게 된다.
도 3은 본 발명의 바람직한 실시예에 따른 항행안전정보융합서버(100)의 데이터 흐름도로, 이를 참조하여 항행안전정보융합서버(100)의 구성 및 작용에 대해 보다 상세히 설명하면 다음과 같다.
상기 전처리모듈(10)은 유무선 네트워트로 연결된 AIS, GPS, ARPA 레이더, MF 송수신기, HF 송수신기, Navtax와 같은 초기데이터수집장치(200)에서 초기데이터를 전달받아, 항행안전정보융합모듈(20)에서 사용 가능하도록 전처리데이터를 생성한다. 즉, 항행안전정보융합모듈(20)이 이해할 수 있도록 디지털화하고, 데이터의 특징을 추출하여 다음 계층으로 전달하는 작업을 수행하며, 영상인식, 자연어 처리, 데이터마이닝, 텍스트마이닝 기법 등이 이용된다.
선박에서 초기데이터수집장치(200)로부터 입력받는 초기데이터들은 대부분 아날로그 수준의 입력 값이며 종종 정보 수준의 데이터가 존재한다. 정보 수준, 즉 디지털화된 데이터의 경우 항행안전정보융합모듈(20)에서 바로 해석하기에 문제가 없지만 아날로그 데이터의 경우 항행안전정보융합모듈(20)에서 바로 해석하기 어렵다. 때문에 초기데이터가 아날로그 데이터의 경우이거나, 또는 원래 디지털화된 초기데이터도 필요한 경우에는 전처리모듈(10)을 통하여 디지털화하는 과정을 거친다. AIS의 수치정보는 데이터마이닝을 거쳐서, MF 송수신기, HF 송수신기로부터의 수치정보는 텍스트 마이닝과 자연어 처리를 거쳐서, Navtax 장치로부터의 정보는 텍스트 마이닝과 자연어 처리를 거쳐서 전처리데이터로 생성된다.아래의 표 1은 전처리데이터의 형식을 정의한 것이다. ARPA 레이더, 전자해도, GPS에서 수집된 초기데이터는 자체가 디지털화 되어있기 때문에, 따로 전처리 과정을 거치지 않아도 그 자체가 전처리데이터로, 항행안전정보융합모듈(20)에서 바로 해석이 가능하다.
개체별 구분 초기데이터 입력형식 초기데이터수집장치 전처리데이터 형식
타개체 수치 ARPA 레이더 입력시간, 개체번호, 현재절대위치, 현재상대위치, 현재속도, DCPA, TCPA
타개체 수치 AIS 입력시간, 선박이름, 콜싸인, 현재절대위치, 선박속도, 변침각, 목적지
타개체 텍스트, 수치 mf 송수신기, hf 송수신기 입력시간, 콜싸인, 언제, 내용(어디서, 무엇을, 어떻게, 왜)
자선박 수치 전자해도 입력시간, 해도정보
자선박 수치 GPS 현재시간, 절대위치, 현재선속, 방위, 선박의 폭, 선박의 길이, 필요 최소 수심, 변침시간
상기 항행안전정보융합모듈(20)은, 개체정제부(22)와, 상황인지부(24)와, 상황예측부(26)와, 행동계획부(28)를 포함한다. 항행안전정보융합모듈(20)은 실질적으로 정보 융합이 일어나는 부분이며, 이 계층에서는 전처리 되어있는 데이터들을 해석하여 현재의 상황을 인지하고 인지된 상황들을 분석해 가까운 시점의 상황을 예측할 수 있다. 위험 상황이라면 항해사에게 앞으로 취해야 할 행동에 대한 권고를 할 수 있다.
상기 개체정제부(22)에서는 전처리데이터와 디지털형태인 초기데이터를 분석하여 개체를 정의하고, 개체에 해당하지 않는 정보를 걸러내어 정제데이터(D22)를 생성한다. 상기 개체란 타선박뿐만 아니라 항해에 영향을 끼치는 선박이 아닌 개체도 포함하며, 개체들 간의 관계란 자선박과 타 개체간의 관계, 타 개체들 간의 관계를 뜻한다. 개체정제부(22)에서는 초기데이터수집장치(200)별로 분류되어 있는 초기데이터와, 전처리데이터들을 서로간의 연관성이 높은 정보만 추려내는 NNF를 이용해 각 정보간 유사성이 일치하는 부분을 한 분류로 묶고 각 장치에 신뢰도를 측정하여(ex. 우천시에는 AIS 장치 우선, 날씨가 좋을 때는 ARPA 레이더 우선) 각 개체에 대한 정보를 정제한다.
상기 정제데이터(D22)에는 자선박 제외한 주변 타개체를 각 개체별로 분류하여 생성한 개체데이터와 자선박 항로인근 위험지역정보를 각 위험지역별로 분류하여 생성한 위험지역데이터가 포함된다.
상기 개체데이터는 자선박과 개체간의 관계 및 개체의 예측 이동경로에 대한 정보가 정의된 형식이며, 위험지역데이터는 해도정보의 저수심 지역 및 육지, 섬 등 자선박 항로 인근의 위험 지역에 대한 정보가 정의된 형식이다.
개체데이터는 표 2의 내용과 같이 자선박 제외 주변 개체의 선박여부, 고정 물표여부, 현재위치, 자선박과의 상대거리, DCPA, TCPA, 자선박과의 상대적 각도, 상세정보 중 하나 이상을 포함하여 구성되며, 위험지역데이터는 항로위치, 자선박과의 상대거리, 자선박과의 상대적 각도 중 하나 이상을 포함하여 구성된다. 아래의 표 2에 개체데이터, 위험지역데이터의 구체적인 내용 및 형식이 정의되어 있다.
상기 상황인지부(24)에서는 주어진 정보와 판단된 개체를 통해 현재의 상황을 인지하여 상황인지데이터(D24)를 생성하며, 생성시에 개체정제부(22)로부터 받은 개체데이터 및 위험지역데이터와 전처리데이터를 사용한다. 만약 현재의 상황을 판단할 근거가 부족하면 판단을 보류하고 초기데이터수집장치(200)에 해당 개체의 특정 키워드를 중점으로 수집하라는 피드백을 주게 된다.
상기 상황인지데이터(D24)는 개체들 간의 관계를 정의하는 개체-관계데이터와 후술되어질 산출된 상황인지의견 및 상기 그에 대한 확신도를 포함하며, 개체들간의 관계란 자선박과 타 개체간의 관계, 타 개체들 간의 관계를 뜻한다.
상기 개체-관계데이터의 산출은, 개체데이터의 형식으로 생성된 각 개체의 현재 경로, 속도, 방향성 등의 정보를, 칼만 필터, Dempter-Shaper 증거이론, 베이시안 결정론, 전문가 시스템 등의 기술로 분석하여, 본선과 타선박과의 충돌 가능성, 타선박 간의 충돌 가능성 들을 판단해 개체(본선을 포함한) 간 충돌관계가 존재한다면, 이를 개체-관계데이터로 나타낸다. 개체-관계데이터는 자선박을 제외한 주변 개체간 거리, 개체간 거리의 변화량, 개체간 선체각 차이, 개체간 선체각 차이의 변화량, 자선박기준 상대각, 자선박기준 상대각의 변화량 중 하나 이상을 포함하여 구성되며, 아래의 표 2에 개체-관계데이터의 구체적인 내용 및 형식이 정의되어 있다.
생성부 구분 내용 형식
개체정제부 개체데이터 자선박 제외 주변개체 선박여부, 고정 물표여부, 현재위치, 상대거리, DCPA(최근접거리), TCPA(최근접시간), 개체각(선박기준), 상세정보(선박/고정물표/ 알려지지 않은 선박)
개체정제부 위험지역데이터 자선박의 항로인근 위험지역 항로위치, 현재 자선박과의 거리, 위험물의 상대적 각도
상황인지부 개체-관계데이터 개체간 관계
 개체간 거리, 개체간 거리의 변화량, 선체각 차이, 선체각 차이의 변화량, 자선박기준 상대각, 자선박기준 상대각의 변화량
상기 상황인지부(24)는 상기 데이터들로 상황을 인지하기 위해 상황인지지식베이스(30)의 상황인지의견을 사용하며, 상기 상황인지지식베이스(30)는 각 상황인지의견에 대한 확신도를 산출하는 상황인지규칙을 더 포함하여 구성된다. 상황인지부(24)는 개체정제부(22)에서 전달받은 정제데이터(D22)와 상황인지부(24)에서 생성한 개체-관계데이터에 상황인지규칙을 적용하여 상황인지의견을 산출하며, 상기 산출된 상황인지의견에 대한 확신도를 산출한다.
본 실시예에서 상황인지지식베이스(30)를 구성하는 상황인지의견은 해상교통안전법, 관련분야의 전문가와의 상의, 투표, 설문조사 등의 과정을 통해 작성되며, 상황인지의견을 도출하기 위해 상황을 판단할 수 있는 여러 가지 기술 중 결과 값이 명확하게 정의되는 CF전문가 시스템을 사용하는데, 이는 추후 다른 인지 기술들과 결합 될 수 있다. 상기 상황인지규칙은 상황인지에 대한 전문가 시스템의 의견들 중에서 타당한 상황인지의견에 대해 확신도를 높이고 일정 확신도 이상의 의견들만 신뢰성 있는 정보로 판단한다. 표 3은 본 실시예에서의 상황인지의견 목록이다.
상황인지의견 번호 상황인지의견 내용
S1 특이사항 없음
S2 자선박이 타개체(선박제외)에 의해 영향받음
S3 자선박이 타선박에 의해 영향받음
S4 타선박간에 어떠한 상황이 존재
S5 타개체와 타선박간(두 개체 중 하나는 선박이 아님) 어떠한 상황이 존재
S6 항로 이탈시 위험요소 존재
표 4는 실제로 개체데이터, 위험지역데이터, 개체-관계데이터의 존재 유무에 따라 상황인지의견들이 어떻게 선택되는지 나타낸 것이다.
데이터의 존재 유무 선택된
상황인지의견 의견
개체데이터 위험지역데이터 개체-관계데이터
NULL NULL NULL S1
NULL NULL NOT_NULL S1, S6
NOT_NULL NULL NULL S2, S3
NOT_NULL NULL NOT_NULL S2, S3, S6
NOT_NULL NOT_NULL NULL S2, S3, S4, S5
NOT_NULL NOT_NULL NOT_NULL S6
※NULL은 데이터가 존재하지 않고, NOT_NULL은 데이터가 존재함을 의미한다
표 5는 상황인지를 위한 상황인지규칙의 일부이며, 표 5의 확신도는 해당 인지 의견 선택에 대해 전문가가 미리 정의한 확신도이다. 예를 들어, Rule 2에서 개체데이터를 판단해 데이터의 개수가 하나도 없다면 현재 자선박 인근에 자선박에게 영향을 끼칠 개체의 수가 하나도 없다고 판단할 수 있다. 그 후 확신도 0.8을 가지고 “현재 상황은 타개체에 의해 영향 받지 않고 타개체간의 관계 또한 없다”는 의견을 제안하는데 이는 인지 의견 S2~S5의 확신도를 감소시킨다. 위의 결과에서 타개체간의 관계가 없더라도 “아무런 변동사항이 없다”라는 의견(S1)이나 “자선박 항로 인근에 위험물 존재”라는 의견(S6)은 입력 데이터가 정확하지 않기 때문에 우선 보류하게 된다. 그 후 Rule 2.1에서 위험지역데이터를 판단해 데이터가 한 개 이상 존재한다면 0.8의 확신도를 가지고 “현재 자선박에게 영향을 끼치는 개체요소는 없지만 자선박의 항로 근처엔 위험 지역이 존재한다.” 라는 상황 인지 의견을 제시하게 된다. 이는 인지 의견S1과 S6의 확신도를 증가시키고 인지 의견 S2~S5의 확신도를 감소시킨다. 상황인지규칙은 Rule 1부터 순차적으로 읽히며, 예를 들어 Rule 2에 해당된다면 Rule 2.1이 실행되고 Rule 2.1에 해당된다면 하위규칙인 Rule 2.1.1을 읽는다. 만약 Rule 2에 해당이 안된다면 그 다음은 Rule 3의 규칙을 적용한다. 또한, 4에는 기재된 것과 같은 데이터의 존재 유무 뿐만 아니라, 개체데이터, 개체-관계데이터, 위험지역데이터의 정보들(자선박 제외 주변 개체의 선박여부, 고정 물표여부, 현재위치 등)도 표 5의 Rule 3.3.3.1에서과 같이 상황인지규칙에 적용된다.
상황인지규칙 상황인지규칙 내용(확신도)
Rule 1. IF ALL_value is NULL
THEN situation opinion is S1 (1.0)
Rule 2. IF 개체 is NULL
THEN situation opnion is not S2,S3,S4,S5 (0.8)
Rule 2.1 IF 개체 is NULL
AND 위험지역데이터 is not NULL
THEN situation opinion is not S2,S3,S4,S5 (0.8)
THEN situation opinion is S1, S6 (0.8)

...
...
Rule 3.3.3 IF 개체 is not NULL
AND 개체-관계 is not NULL
AND 위험지역 is not NULL
THEN situation opinion is S2,S3,S4,S5,S6 (0.7)
Rule 3.3.3.1 IF 개체 is not NULL
AND 개체-관계 is not NULL
AND 위험지역 is not NULL
AND 개체 is Ship
THEN situation opinion is S2,S4 (0.5)
THEN situation opinion is not S3,S5 (0.5)

...
...
상기 상황인지규칙을 적용하였을 때 상황인지의견에 대한 확신도는 다음과 같은 수학식(수학식 1내지 3)을 이용할 수 있다. 이때, CF1은 상황인지규칙에 따라 미리 전문가가 정한 확신도이며(표 5에 기재된 확신도), CF2는 계산되기 이전 상황에 대한 상황인지의견의 확신도를 뜻한다. 각 수학식 우측에 기재된 CF1 및 CF2의 조건에 따라 다음 수학식 중 하나를 선택하여 확신도를 계산한다.
Figure 112010044162002-pat00001
Figure 112010044162002-pat00002
Figure 112010044162002-pat00003
Rule 2와 Rule 2.1을 통한 실시예는 다음과 같다. 개체데이터, 위험지역데이터가 존재하지 않을 경우 표 5의 상황인지의견 Rule 2를 만족하게 된다. Rule 2에서 상황인지의견 S2~S5가 아닐경우 확신도(CF1)가 0.8이므로(확신도의 부정을 음수로 표기), S2~S5일 경우에 대한 확신도(CF1)는 -0.8이 된다. 기존 의견의 확신도(CF2)가 모두 0.5라면, 상황인지의견 S2~S5에 대해 새로 산출되는 확신도는 수학식 2에 의해 -0.6이 된다. 그 후 하위 규칙인 Rule 2.1을 적용하면 이때, 상황인지의견 S2~S5일 경우에 대한 확신도(CF1)는 -0.8이 되며, 상황인지의견 S2~S5에 대해 새로 산출되는 확신도는 수학식 3번에 의해 계산되어 모두 -0.92가 된다. 반면 의견 S1과 S6일 경우에 대한 확신도(CF1)는 0.8이기 때문에 수학식 1에 의해 0.9가 된다.
상기 상황예측부(26)는 인지된 상황에서 가까운 미래를 판단해 항해사에게 조언을 해주기 위해 상황예측지식베이스(40)의 상황예측의견을 사용하여, 상황예측데이터(D26)를 생성한다.
상기 상황예측데이터(D26)는 후술되어질 산출된 상황인지예측 및 그에 대한 확신도를 포함한다. 상기 상황예측지식베이스(40)는 각 상황예측의견에 대한 상황예측의견 확신도를 산출하는 상황예측규칙을 더 포함하여 구성된다. 상황예측부(24)는 상기 정제데이터(D22), 상황인지데이터(D24) 중 하나 이상을 포함한 데이터를 입력받아 상기 상황예측규칙을 적용하여, 상황예측의견 및 그에 따른 확신도를 산출한다. 상황예측의견은 상황인지부(24)에서 산출한 결과에 종속성을 지닌다. 아래의 표 6은 상황예측의견 목록의 일부이다.
상황예측의견 목록과 그에 따른 상황예측규칙 및 적용방법은 상황인지의견, 상황인지규칙(30)의 형태와 크게 다르지 않으며 판단할 요소가 복합적으로 늘어나는 수준인데다가 너무 많으므로 표 6에서는 그 중 상황인지 의견 2번에 종속된 예측 의견 목록만 간단하게 소개한다. 또한, 상황 예측 단계에서는 상황인지 결과가 안전 상황인 경우에 대한 평가는 하지 않기 때문에 상황 인지 의견 S1에게 종속된 예측 의견은 존재하지않는다.
상황예측부(26)는 입력된 데이터에 상황예측지식베이스(40)의 상황예측규칙을 적용하여 시뮬레이션 모델을 생성하며, 생성된 시뮬레이션 모델을 실행하여 앞으로의 항행상황을 예측한다.
상황예측의견 번호 상황예측의견 내용
S2-1 위험 상황, 항로 유지 권장
S2-2 위험 상황, 우현 변침 권장
S2-3 위험 상황, 좌현 변침 권장
S2-4 경고 상황, 전방 주시 권장
S2-5 경고 상황, 좌현 주시 권장
S2-6 경고 상황, 우현 주시 권장
S2-7 일반 상황, 해당 개체 감시 권장
... ...
S4-1 타개체 간의 추월 상황 존재
... ...
S6-2 항로의 좌측에 위험요소가 많음
행동계획부(28)는 상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 포함한 데이터를 입력받아, 항해사가 취해야 할 행동을 계획하며, 항해사에게 권고해야할 만한 상황, 항해사에게 현재 상황에 대한 컴퓨터의 예측 결과, 앞으로 취해야할 행동에 대한 조언을 안내한다. 이때, 항해사에게 상기 상황인지데이터(D24), 상황예측데이터(D26)를 출력장치(300)를 통하여 전달하며, 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 안내한다. 안내는 시스템의 결과를 항해사에게 언어적 또는 기호적인 방법을 통하여 알릴 수 있는 출력장치(300)로 전달하는 것을 의미한다. 상기 언어적인 방법에는 PC에서 스피커를 통한 음성안내나 ECDIS 화면에 텍스트를 통한 해당 위험도를 표시하는 것을 등이 있다.
3.항행안전정보융합 방법
도 4는 본 발명의 바람직한 실시예에 따른 항행안전정보융합 방법의 흐름도로, 초기데이터를 디지털화하는 전처리단계(S10)와, 전처리데이터를 각 개체별로 분류하는 개체정제단계(S22)와, 자선박 외부의 위험물 및 위험지역에 대한 상황을 인지하는 상황인지단계(S24)와, 인지된 상황을 바탕으로 위험상황을 예측하는 상황예측단계(S26)와, 예측 결과를 판단해 항해사에게 취해야할 행동을 안내하는 행동계획단계(S28)를 포함한다.
도 5는 본 발명의 바람직한 실시예에 따른 항행안전정보융합 방법의 상세흐름도로, 이를 참조하여 항행안전정보융합 방법에 대해 상세히 설명하면 다음과 같다.
상기 전처리단계(S10)는 AIS, GPS, ARPA 레이더, MF 송수신기, HF 송수신기, Navtax와 같은 초기데이터수집장치(200)에서 수집한 전처리데이터를 상기 항행정보융합서버(100)가, 유무선 네트워크를 통하여 전달받아, 디지털화한 전처리데이터를 생성하는 단계이다. 전처리데이터의 형식은 상기의 표 1에 정의되어 있다.
상기 개체정제단계(S22)는 전처리단계(S10)에서 디지털화된 전처리데이터를 상기 항행정보융합서버(100)가 전달받아 정제데이터(D22)를 생성하며, 상기 정제데이터(D22)에는 자선박 제외한 주변 타개체는 각 개체별로 분류하여 개체데이터로 생성하고, 자선박 항로인근 위험지역정보는 각 위험지역별로 분류한 위험지역데이터가 포함된다. 개체데이터, 위험지역데이터의 형식은 상기의 표 2에 정의되어 있다.
상기 상황인지단계(S24)는 개체정제단계(S22)에서 생성된 정제데이터(D22)를 상기 항행정보융합서버(100)가 전달받아 상황인지데이터(D24)를 생성한다.
상기 상황인지데이터(D24)에는, 개체-관계데이터와 산출된 상황인지의견 및 그에 대한 확신도포함된다.
상기 개체-관계데이터는 상황인지를 하기위해 자선박을 포함한 모든 개체의 예상이동경로가 정의되고, 자선박과 개체 간, 개체들 간의 관계가 명확히 정의될 수 있도록(이를 계산하기 위해 칼만 필터, Dempter-Shaper 증거이론, 베이시안 결정론, 전문가 시스템이 사용된다), 상기 정제데이터(D22) 중 개체데이터를 이용하여 상기 개체 간의 관계를 정의한다. 이때 개체데이터가 자선박과 개체간의 예측 이동경로를 모두 포함한 형태이기 때문에, 개체-관계데이터는 타개체간의 관계만을 정의한다. 개체-관계데이터의 형식은 상기의 표 2에 정의되어 있다.
상황인지단계(S24)는 개체-관계데이터와, 정제데이터(D22)를 이용하여, 상황인지지식베이스(30)에 저장된 상황인지규칙(표 5참조)을 적용하여, 상기 상황인지지식베이스(30)에 저장된 상황인지의견 및 산출된 상황인지의견에 대한 확신도를 산출한다.
상기 상황예측단계(S26)는, 정제데이터(D22), 상황인지데이터(D24)를 상기 항행정보융합서버(100)가 전달받아 상황예측데이터(D26)를 생성한다. 상기 상황예측데이터(D26)는 산출된 상황예측의견과 그에 대한 확신도를 포함한다. 항행정보융합서버(100)는, 상황예측지식베이스(40)에 저장된 상황예측규칙을 적용하여, 상기 상황예측지식베이스(40)에 저장된 상황예측의견 및 상기 그에 따른 상황예측의견 확신도를 산출하며, 상기 입력된 데이터들에 상황예측지식베이스(40)의 상황예측규칙을 적용하여 시뮬레이션 모델을 생성하며, 생성된 시뮬레이션 모델을 실행하여 앞으로의 항행상황을 예측한다.
행동계획단계(S28)는 본선이 위험상황을 해결하기 위해 순차적으로 안내하는 것을 말하며 항해사에게 상세하게 안내하기 위한 단계이다. 행동계획단계(S28)는, 상기 항행안전정보융합서버(100)가, 상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 입력받아, 항해사가 취해야 할 행동을 계획하며, 항해사에게 권고해야할 만한 상황, 항해사에게 현재 상황에 대한 컴퓨터의 예측 결과, 앞으로 취해야할 행동에 대한 조언을 안내한다. 이때, 항해사에게 상기 상황인지데이터(D24), 상황예측데이터(D26) 및 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 전달한다.
4.항행안전정보융합 시나리오
상기 항행안전정보융합 서버 및 항행안전정보융합 방법, 그 시스템을 적용하여 항해사에게 정보를 전달하는 과정을 예를 들어 설명하면 다음과 같다.
항행상황의 배경이 되는 장소는 항행 전문가의 의견에 따라서 위험 협수로로 알려진 목포 인근의 장죽수도이며, 자선박은 순천에서 출발해 진도 근처의 장죽수도를 거쳐 목포로 들어오는 항로에 있으며, 시나리오 1(도 6)과 시나리오 2(도 7)의 두 가지 경우에 대해 항행안전정보융합을 실시한다.
시나리오 1
도 6에 도시된, 항행 상황 시나리오 1에서 자선박의 속도는 15노트(1knot = 1.81km/h)로 항로를 따라 항행중이며 3마일, 6마일 범위로 ARPA레이더의 범위를 설정 후 주변을 탐색중이다. 선박1과 선박2는 자선박의 방향을 향해 항행중인 상황이다. 표 7은 자선박이 초기데이터수집장치(200)에서 받은 ARPA 레이더, AIS, 전자해도, GPS의 초기데이터를 상기 항행안전정보융합서버(100)의 전처리모듈(10)이 디지털 처리한 전처리데이터이다.(전처리데이터의 형식에 대해서는 표 1참조)
개체별 구분 초기데이터 입력형식 초기데이터수집장치 전처리데이터
타개체 수치 ARPA 레이더 201001300310, 1, 34.19.0‘N-126.8.0'E, 4.9, 0, 1.5, 720
타개체 수치 AIS NULL
자선박 수치 전자해도 201001300310, chart
자선박 수치 GPS 등 201001300310, 34.18.2‘N-126.16.1'E, 15, 270, 20, 100, 12, 30
상기의 시나리오 1에 대한 전처리데이터는 항행안전정보융합모듈(20)에 입력되며, 개체정제단계(S10) 및 상황인지단계(S24)를 거치면서, 초기데이터수집장치(200)별로 구성된 데이터가, 각 개체별로 분류되어, 각 개체에 대해서 자선박이 어떠한 영향을 받는지 알려주는 상황인지의견 및 그에 따른 확신도를 산출한다. 표 7의 전처리데이터를 항해사가 읽는다면 모든 정보를 종합하기 위한 과정이 항해사의 경험 및 실력에만 의존하게 되지만, 본 발명의 경우, 항해정보융합모듈(20)이 정보를 융합하여, 아래 표 8의 상황인지결과를 제공함으로써, 항해사가 보다 빠르고, 일관된 판단을 할 수 있게 된다. 표 8의 상황인지결과를 통해, 항해사는 자선박이 선박을 제외한 타개체에 의해 영향을 받으며(확신도 0.65), 자선박이 타 선박에 의해 영향을 받으며(확신도 0.5), 항로 이탈시 위험요소에 의해 영향을 받는 것(확신도 0.5)을 알 수 있다.
상황인지의견 번호 상황인지의견 내용(상황인지의견 확신도)
S2 자선박이 타개체(선박제외)에 의해 영향받음 (0.65)
S3 자선박이 타선박에 의해 영향받음 (0.5)
S6 항로 이탈시 위험요소 존재 (0.5)
상기의 시나리오 1에 대한 상황인지의견 및 그에 따른 확신도와 이전 단계에서 전달받은 그 외의 데이터들은 상기 항행안전정보융합모듈(20)의 상황예측단계(S26)를 거치면서, 인지된 상황에서 가까운 미래를 예측하는 상황예측의견 및 그에 따른 확신도를 산출한다. 상기 상황인지의견도 초기데이터보다는 유용하지만, 상황예측의견은 표 9에 기대되어 있는 것처럼, 상황의 위험도, 긴급도, 개체의 타입, 행동지침 등의 내용으로 구성되어 있기 때문에, 항해사에게 보다 상세한 정보를 전달하여, 가장 위급한 상황에 대해 신속한 대처를 할 수 있게 한다. 표 9의 상황예측의견에서는 상황인지의견 S2에서의 영향을 주는 타개체가 등대이며, 등대가 전방 좌측에 위치해 있음을 알 수 있고, 상황인지의견 S6에서의 위험요소에 대해서도 우측이 보다 위험하다는 정보를 제공한다.
상황예측의견 번호 상황예측의견 내용(상황예측의견 확신도)
S2-4 경고 상황, 1번 개체(타입: 등대) 전방 주시 필요 (0.5)
S2-5 경고 상황, 1번 개체(타입: 등대) 좌현 주시 필요 (0.5)
S2-7 일반 상황, 1번 개체(타입: 등대) 주의 요 (0.6)[*]
S6-1 항로 우현 방향 위험요소가 많음 (0.4)
S6-2 항로 좌현 방향 위험요소가 많음 (0.2)
실행결과에서 보이듯이 설계한 시나리오에 대한 적절한 상황의 인지와 상황의 예측이 이루어지는 모습을 볼 수 있다. 확신도가 높을수록 *와 같은 기호가 많이 표기되도록 정하여, 항해사가 신뢰성 있는 정보를 쉽게 구별할 수 있다.
상기의 시나리오 1에 대한 상황예측의견 및 그에 대한 확신도와 이전 단계에서 전달받은 데이터들은 상기 항행안전정보융합모듈(20)의 행동계획단계(S28)에서 출력장치(300)를 통하여 안내되며, 상기 정보들을 기반으로 항해사가 취해야 할 행동이 계획된다.
시나리오 2
도 7에 도시된, 항행 상황 시나리오 2는 시나리오 1상황에서 조금 후 6마일 범위에서 탐색이 된 두 선박이 위험하다고 판단하여 통신요청을 했지만 응답이 없었고, 자선박은 항해사의 판단에 따라 계속 항로를 유지한 후 10분 후 접하게 되는 상황이다. 시나리오 2에서 두 선박을 피해 우현 변침 시 저수심지역으로 진입하고 좌현 변침이나 기존 항로 유지 시 충돌의 위험이 존재하는 상황이다. 표 10은 자선박이 초기데이터수집장치(200)에서 받은 ARPA 레이더, AIS, 전자해도, GPS의 초기데이터를 상기 항행안전정보융합서버(100)의 전처리모듈(10)이 디지털처리한 전처리데이터이다.(전처리데이터의 형식에 대해서는 표 1참조)
개체별 구분 초기데이터
입력형식		 초기데이터
수집장치		 전처리데이터
타개체 수치 ARPA 레이더 201001300320, 2, 34.19.4‘N-126.05.8'E, 4.8, 10, 0.6, 320
타개체 수치 ARPA 레이더 201001300320, 3, 34.19.9‘N-126.05.9'E, 5.2, 20, 0.6, 310
타개체 수치 AIS 201001300320, 쾌속호, QR2AA, 34.19.9‘N-126.05.9'E, 20, 136 , 순천
자선박 수치 전자해도 201001300310, chart
자선박 수치 GPS 등 201001300320, 34.18.2‘N-126.16.1'E , 15, 270, 20, 100, 12, 30
상기의 시나리오 2에 대한 전처리데이터는 시나리오 1에서와 같이 개체정제단계(S22) 및 상황인지단계(S24)를 거쳐 상황인지의견 및 그에 따른 확신도를 산출한다. 표 11은 상황인지단계(S24)의 결과이며, 도 7에 나타난 것과 같이, 자선박이 선박을 제외한 타개체에 의해 영향을 받으며(확신도 0.5), 자선박이 타선박들(개체번호 2, 3인 선박)에 의해 영향을 받으며(확신도 0.845), 타선박간에 어떠한 상황이 존재하며(확신도 0.65), 타개체와 타선박간 어떠한 상황이 존재하며(확신도 0.5), 항로 이탈시 위험요소에 의해 영향을 받는 것(확신도 0.5)을 알 수 있으며, 특히 자선박이 타선박에 의해 영향받는 경우에 대한 확신도가 0.845로 매우 높다는 것을 알 수 있다.
상황인지의견 번호 상황인지의견 내용(상황인지의견 확신도)
S2 자선박이 타개체(선박제외)에 의해 영향받음 (0.5)
S3 자선박이 타선박에 의해 영향받음 (0.845)
S4 타선박간에 어떠한 상황이 존재 (0.65)
S5 타개체와 타선박간(두 개체 중 하나는 선박이 아님) 어떠한 상황이 존재 (0.5)
S6 항로 이탈시 위험요소 존재 (0.5)
상기의 시나리오 2에 대한 상황인지의견 및 상황인지의견에 대한 확신도와 이전 단계에서 전달받은 그 외의 데이터들은 시나리오 1에서와 같이 상황예측단계(S26)를 거쳐 상황예측의견 및 그에 따른 확신도를 산출한다. 표 12의 상황예측의견에서는, 상황인지의견 S3에서의 '영향을 주는 타개체(개체번호 2, 3인 선박)'와의 통신 연락이 필요하며, 전방을 주시하되 항로를 유지해야 한다는 정보를 제공한다. 또한 상황인지의견 S4에서의 '타선박(개체번호 2, 3인 선박간)추월 및 교차상황'이 존재하므로 감시를 권장한다는 정보를 제공하며, 상황인지의견 S6에서의 '위험요소'에 대해서도 우측이 보다 위험하다는 정보를 제공한다.
상황예측의견 번호 상황예측의견 내용(상황예측의견 확신도)
S3-1 위험 상황, 항로 유지 권장, 2, 3번 개체와 통신 필요함 (0.832 )[**]
S3-2 위험 상황, 우현 회피 권장, 2, 3번 개체와 통신 필요함 (0.17496)
S3-3 위험 상황, 좌현 회피 권장, 2, 3번 개체와 통신 필요함 (0.864 )[**]
S3-4 경고 상황, 전방 주시, 2, 3번 개체 감시 권장 (0.6)
S3-5 경고 상황, 좌현 주시, 2, 3번 개체 감시 권장 (0.6)
S3-6 경고 상황, 우현 주시, 2, 3번 개체 감시 권장 (0.912)[***]
S3-7 일반 상황, 2, 3번 개체 주의 요망 (0.6)
S4-1 개체 2, 3번 간 “추월 상황”가(이) 존재 (0.895)[**]
S4-2 개체 2, 3번 간 “교차 상황”가(이) 존재 (0.35)
S6-1 항로 우현 방향 위험요소가 많음 (0.8)[**]
S6-2 항로 좌현 방향 위험요소가 많음 (0.2)
상기의 시나리오 2에 대한 상황예측의견 및 그에 대한 확신도와 이전 단계에서 전달받은 데이터들은 상기 항행안전정보융합모듈(20)의 행동계획단계(S28)에서 출력장치(300)를 통하여 안내되며, 상기 정보들을 기반으로 항해사가 취해야 할 행동이 계획된다.
본 발명의 항행안전정보융합서버(100) 및 그 방법 및 시스템은, 상기에 기술된 구성을 이용하여, 선박에 제공되어있는 다양한 장비로부터의 정보를 정보 융합 기술을 통하여 그 정보를 분석함으로써, 실제 항행 상황에서 항해사가 판단하는 것과 같이 하나의 장비를 통해 상황을 분석하는 것이 아닌 다양한 장비로부터의 여러 데이터를 종합적으로 분석하여, 현재의 항행 안전 상황에 대하여 항해사가 적절한 행동을 취할 수 있도록 도움을 줄 수 있으며, 또한 본 발명은 다른 분야의 정보융합에 활용하는데에도 선행기술로써의 가치를 가지며, 다분야에서 인공지능 시스템으로써 활용이 가능할 것이다.
또한 본 발명은 상술한 특정의 바람직한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 범위 내에 있게 된다.
100 : 항행안전정보융합서버 200 : 초기데이터수집장치
300 : 출력장치 10 : 전처리모듈
20 : 항행안전정보융합모듈 30 : 상황인지지식베이스
40 : 상황예측지식베이스 22 : 개체정제부
24 : 상황인지부 26 : 상황예측부
28 : 행동계획부
S10 : 전처리단계 S22 : 개체정제단계
S24 : 상황인지단계 S26 : 상황예측단계
S28 : 행동계획단계
D22 : 정제데이터 D24 : 상황인지데이터
D26 : 상황예측데이터

Claims (21)

  1. 항행안전정보의 초기데이터를 디지털화한 전처리데이터를 융합하는 항행안전정보융합모듈(20);을 포함하되,
    상기 항행안전정보융합모듈(20)은,
    상기 전처리데이터를 입력받아 개체별로 분류하여 정제데이터(D22)를 생성하는 개체정제부(22);와
    상기 정제데이터(D22)를 입력받아, 상황인지데이터(D24)를 산출하는 상황인지부(24); 및
    상황인지지식베이스(30);를 더 포함하고,
    상기 상황인지지식베이스(30)는,
    선박에 영향을 주는 외부 상황에 대한 목록인 상황인지의견;과
    각 상황인지의견에 대한 확신도를 산출하는 상황인지규칙;을 포함하며,
    상기 상황인지데이터(D24)는,
    상기 정제데이터(D22)에 상기 상황인지규칙을 적용하여 산출된 상황인지의견 및 상기 산출된 상황인지의견에 대한 확신도를 포함하는 것을 특징으로 하는 항행안전정보융합서버.
  2. 삭제
  3. 제 1항에 있어서,
    상기 항행안전정보융합모듈(20)은,
    상기 정제데이터(D22)와 상황인지데이터(D24) 중 하나 이상을 입력받아, 상황예측데이터(D26)를 산출하는 상황예측부(26);를
    더 포함하는 것을 특징으로 하는 항행안전정보융합서버.
  4. 제 3항에 있어서,
    상기 항행안전정보융합모듈(20)은,
    상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 입력받아, 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 전달하는 행동계획부(28);를
    더 포함하는 것을 특징으로 하는 항행안전정보융합서버.
  5. 제 1항, 제 3항, 제 4항 중 어느 한 항에 있어서,
    초기데이터수집장치(200)에서 전달받은 항행안전정보의 초기데이터를 디지털화하여 상기 전처리데이터로 생성하는 전처리모듈(10);을
    더 포함하는 것을 특징으로 하는 항행안전정보융합서버.
  6. 제 1항에 있어서,
    상기 정제데이터(D22)는,
    자선박 제외한 주변 타개체를 각 개체별로 분류하여 생성한 개체데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합서버.
  7. 제 1항에 있어서,
    상기 정제데이터(D22)는,
    자선박 항로인근 위험지역정보를 각 위험지역별로 분류한 위험지역데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합서버.
  8. 제 1항에 있어서,
    상기 상황인지데이터(D24)는,
    상기 개체 간의 관계를 정의하는 개체-관계데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합서버.
  9. 삭제
  10. 제 3항에 있어서,
    상황예측지식베이스(30);를 더 포함하되,
    상기 상황예측지식베이스(40)는,
    자선박에 영향을 주는 외부 상황 및 그에 따른 지침의 목록인 상황예측의견;과
    각 상황예측의견에 대한 확신도를 산출하는 상황예측규칙;을 포함하며,
    상기 상황예측데이터(D26)는
    상기 정제데이터(D22), 상황인지데이터(D24)중 하나 이상을 포함한 데이터에 상기 상황예측규칙을 적용하여 산출된 상황예측의견 및 상기 산출된 상황예측의견에 대한 상황예측의견 확신도를
    포함하는 것을 특징으로 하는 항행안전정보융합서버.
  11. 항행안전정보의 초기데이터를 디지털화한 전처리데이터를 융합하는 항행안전정보융합서버에서의 항행안전정보융합 방법에 있어서,
    (a) 상기 항행안전정보융합서버가, 상기 전처리데이터를 입력받아 개체별로 분류하여 정제데이터(D22)를 생성하는 개체정제단계(S22);와
    (b)상기 항행안전정보융합서버가, 상기 정제데이터(D22)를 입력받아, 상황인지데이터(D24)를 산출하는 상황인지단계(S24);를 포함하며,
    상기 상황인지데이터(D24)는,
    상기 정제데이터(D22)에 상기 항행안전정보융합서버가 상황인지규칙을 적용하여 산출한 상황인지의견 및 상기 산출된 상황인지의견에 대한 확신도를 포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  12. 삭제
  13. 제 11항에 있어서,
    상기 (b) 단계 이후에,
    (c) 상기 항행안전정보융합서버가, 상기 정제데이터(D22)와 상황인지데이터(D24) 중 하나 이상을 입력받아, 상황예측데이터(D26)를 산출하는 상황예측단계(S24);를
    더 포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  14. 제 13항에 있어서,
    상기 (c) 단계 이후에,
    (d) 상기 항행안전정보융합서버가, 상기 정제데이터(D22), 상황인지데이터(D24), 상황예측데이터(D26) 중 하나 이상을 입력받아, 항해사가 취해야 할 행동을 계획하여, 그 내용을 출력장치(300)를 통하여 전달하는 행동계획단계(S28);를
    더 포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  15. 제 11항, 제 13항, 제 14항 중 어느 한 항에 있어서,
    상기 (a) 단계 이전에,
    (e) 상기 항행안전정보융합서버가, 초기데이터수집장치(200)에서 전달받은 항행안전정보의 초기데이터를 디지털화하여 상기 전처리데이터로 생성하는 전처리단계(S10);를
    더 포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  16. 제 11항에 있어서,
    상기 정제데이터(D22)는,
    자선박 제외한 주변 타개체를 각 개체별로 분류하여 생성한 개체데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  17. 제 11항에 있어서,
    상기 정제데이터(D22)는,
    자선박 항로인근 위험지역정보를 각 위험지역별로 분류한 위험지역데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  18. 제 11항에 있어서,
    상기 상황인지데이터(D24)는,
    상기 개체 간의 관계를 정의하는 개체-관계데이터;를
    포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  19. 삭제
  20. 제 13항에 있어서,
    상기 상황예측데이터(D26)는
    상기 정제데이터(D22), 상황인지데이터(D24)중 하나 이상을 포함한 데이터에 상기 항행안전정보융합서버가 상황예측규칙을 적용하여 산출한 상황예측의견 및 상기 산출된 상황예측의견에 대한 확신도를
    포함하는 것을 특징으로 하는 항행안전정보융합 방법.
  21. 삭제
KR1020100065808A 2010-07-08 2010-07-08 항행안전정보융합서버 및 항행안전정보융합 방법 KR101134676B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100065808A KR101134676B1 (ko) 2010-07-08 2010-07-08 항행안전정보융합서버 및 항행안전정보융합 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100065808A KR101134676B1 (ko) 2010-07-08 2010-07-08 항행안전정보융합서버 및 항행안전정보융합 방법

Publications (2)

Publication Number Publication Date
KR20120005194A KR20120005194A (ko) 2012-01-16
KR101134676B1 true KR101134676B1 (ko) 2012-04-12

Family

ID=45611426

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100065808A KR101134676B1 (ko) 2010-07-08 2010-07-08 항행안전정보융합서버 및 항행안전정보융합 방법

Country Status (1)

Country Link
KR (1) KR101134676B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102081618B1 (ko) * 2018-09-21 2020-02-27 주식회사 엔젤몬스터즈 수상 인명 구조장치
CN111791997B (zh) * 2020-07-15 2024-05-03 广东海洋大学 一种面向船舶的智能海上船舶遇险预警系统
KR102241881B1 (ko) * 2020-10-27 2021-04-19 한국해양과학기술원 선박충돌위험 분류 모델 생성 방법
KR102556631B1 (ko) * 2022-10-11 2023-07-19 (주)맵시 통합 해상 네비게이션 정보제공 시스템 및 방법
CN116843092A (zh) * 2023-09-01 2023-10-03 山东科技大学 多源数据支持下的船舶航程od信息提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080004825A (ko) * 2006-07-06 2008-01-10 대덕위즈주식회사 통합 해상 안전장치
KR20080006294A (ko) * 2006-07-12 2008-01-16 한국해양연구원 선박의 항행 위험도 제공 방법 및 그 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080004825A (ko) * 2006-07-06 2008-01-10 대덕위즈주식회사 통합 해상 안전장치
KR20080006294A (ko) * 2006-07-12 2008-01-16 한국해양연구원 선박의 항행 위험도 제공 방법 및 그 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
논문(2009.12) *
논문(2009.12)*

Also Published As

Publication number Publication date
KR20120005194A (ko) 2012-01-16

Similar Documents

Publication Publication Date Title
Zhang et al. A machine learning method for the evaluation of ship grounding risk in real operational conditions
Rong et al. Ship collision avoidance behaviour recognition and analysis based on AIS data
Perera et al. Intelligent ocean navigation and fuzzy-Bayesian decision/action formulation
Park et al. Predictive evaluation of ship collision risk using the concept of probability flow
Zhang et al. A systematic approach for collision risk analysis based on AIS data
Bukhari et al. An intelligent real-time multi-vessel collision risk assessment system from VTS view point based on fuzzy inference system
Senol et al. A novel real-time continuous fuzzy fault tree analysis (RC-FFTA) model for dynamic environment
KR102056777B1 (ko) 딥 러닝 알고리즘 기반의 항만 데이터를 이용한 선박 목적지 예측 방법 및 장치
KR101134676B1 (ko) 항행안전정보융합서버 및 항행안전정보융합 방법
Weinert et al. Uncorrelated encounter model of the national airspace system version 2.0
KR101069884B1 (ko) 충돌 회피 경로 설정 장치, 경로 제어 시스템 및 충돌 회피 경로 제어 방법
Teixeira et al. Risk of maritime traffic in coastal waters
Nikolaev et al. Fuzzy Algorithm for the Detection of Incidents in the Transport System.
Öztürk et al. Visual analytic based ship collision probability modeling for ship navigation safety
Steidel et al. MTCAS–an assistance system for collision avoidance at sea
Chen et al. Risk-based path planning for autonomous underwater vehicles in an oil spill environment
Ribeiro et al. AIS-based maritime anomaly traffic detection: A review
Yuan et al. A two-stage collision avoidance path planning approach for inland ferries under dynamic channel crossing risk conditions
Yang et al. Harnessing the power of Machine learning for AIS Data-Driven maritime Research: A comprehensive review
Chang et al. COLREG and MASS: Analytical review to identify research trends and gaps in the Development of Autonomous Collision Avoidance
Arguedas et al. Unsupervised maritime pattern analysis to enhance contextual awareness
Song et al. Modeling human's collision avoidance direction in an encounter situation using an ensemble classifier
Choi et al. Stochastic conformal anomaly detection and resolution for air traffic control
Bošnjak et al. Collision prevention in Singapore Strait by using timed Petri net
Pietrzykowski et al. Decision support system in marine navigation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
N231 Notification of change of applicant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170403

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180323

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20190401

Year of fee payment: 8