KR101982084B1 - 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법 - Google Patents

항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법 Download PDF

Info

Publication number
KR101982084B1
KR101982084B1 KR1020180142477A KR20180142477A KR101982084B1 KR 101982084 B1 KR101982084 B1 KR 101982084B1 KR 1020180142477 A KR1020180142477 A KR 1020180142477A KR 20180142477 A KR20180142477 A KR 20180142477A KR 101982084 B1 KR101982084 B1 KR 101982084B1
Authority
KR
South Korea
Prior art keywords
information
route
electronic device
cloud server
destination
Prior art date
Application number
KR1020180142477A
Other languages
English (en)
Inventor
정종복
황복하
Original Assignee
(주)엔디씨에스
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 (주)엔디씨에스 filed Critical (주)엔디씨에스
Priority to KR1020180142477A priority Critical patent/KR101982084B1/ko
Application granted granted Critical
Publication of KR101982084B1 publication Critical patent/KR101982084B1/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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Ocean & Marine Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

본 문서는 항로 생성 시스템의 딥러닝(deep learning) 기술에 기반한 항로 생성 방법에 관한 것으로, 전자 장치의 입력부를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신하는 동작, 상기 전자 장치가 제1 통신 모듈을 통해 주변 선박으로부터 송신된 AIS 정보를 수신하는 동작, 상기 전자 장치의 제2 통신 모듈을 통해 상기 출발지 및 상기 목적지에 기초한 전자 해도에 관한 정보 및 상기 수신한 AIS 정보를 클라우드 서버에 전송하는 동작, 상기 클라우드 서버가 전송 받은 상기 전자 해도에 관한 정보 및 상기 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하여, 적어도 하나의 항로를 생성하는 동작, 상기 생성한 적어도 하나의 항로를 상기 전자 장치로 전송하는 동작 및 상기 전자 장치의 디스플레이를 통해 상기 적어도 하나의 항로를 표출하는 동작을 포함할 수 있다. 이 밖의 다양한 실시예들이 가능하다.

Description

항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법 {OCEAN ROUTE GENERATING SYSTEM AND METHOD BASED ON DEEP LEARNING TECHINIQUE THEREOF}
본 문서에 개시된 다양한 실시예들은, 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법에 관한 것으로, 딥러닝 알고리즘을 통해 안전한 항로를 생성 및 표출하는 항로 생성 시스템 및 그의 항로 생성 방법에 관한 것이다.
선박에 설치된 전자 장치는 전자 해도를 통해 항해와 관련된 정보를 제공할 수 있다. 전자 해도 상에서 항로를 설정하고 운항하는 경우 해양 사고를 방지하기 위하여, 레이더 정보 또는 선박에 부착된 자동 선박 식별 장치(auto identification system, AIS) 정보를 제공 받을 수 있다. 항해사는 전자 해도를 통해 제공되는 해상 정보를 통해 항로를 결정할 수 있고, 레이더 정보 또는 AIS 정보에 기초하여 주변 선박을 모니터링 할 수 있다.
항로를 설정하고 운항하면서 레이더 정보 또는 AIS 정보에 기초하여 주변 선박을 모니터링하는 방법의 경우, 위험 상황 여부를 사용자가 육안으로 확인하여 판단해야 할 수 있다.
항로를 생성함에 있어서 목적지, 레이더 정보 또는 AIS 정보만을 고려하여 항로를 생성하는 경우, 운항 중 발생할 수 있는 다양한 위험 정보를 반영하지 못할 수 있고 과거의 사고 정보들을 반영하지 못할 수 있다.
본 문서에 개시된 다양한 실시예에 따른 항로 생성 시스템의 딥러닝(deep learning) 기술에 기반한 항로 생성 방법에 있어서, 전자 장치의 입력부를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신하는 동작, 상기 전자 장치가 제1 통신 모듈을 통해 주변 선박으로부터 송신된 AIS 정보를 수신하는 동작, 상기 전자 장치의 제2 통신 모듈을 통해 상기 출발지 및 상기 목적지에 기초한 전자 해도에 관한 정보 및 상기 수신한 AIS 정보를 클라우드 서버에 전송하는 동작, 상기 클라우드 서버가 전송 받은 상기 전자 해도에 관한 정보 및 상기 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하여, 적어도 하나의 항로를 생성하는 동작, 상기 생성한 적어도 하나의 항로를 상기 전자 장치로 전송하는 동작 및 상기 전자 장치의 디스플레이를 통해 상기 적어도 하나의 항로를 표출하는 동작을 포함할 수 있다.
본 문서에 개시된 다양한 실시예에 따른 항로 생성 시스템은 입력부를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신하고, 제1 통신 모듈을 통해 주변 선박으로부터 AIS 정보를 수신하고, 상기 출발지 및 상기 목적지에 기초한 전자 해도에 관한 정보 및 상기 수신한 AIS 정보를 제2 통신 모듈을 통해 클라우드 서버에 전송하는 선박의 전자 장치 및 클라우드 서버를 포함하고, 상기 클라우드 서버는, 상기 전자 장치와 통신 연결되는 통신 모듈, 데이터베이스, 및 상기 전자 장치로부터 상기 전자 해도에 관한 정보 및 상기 AIS 정보를 수신하고, 상기 수신한 상기 전자 해도에 관한 전보 및 상기 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성하고, 상기 생성한 적어도 하나의 항로를 상기 전자 장치로 전송하는 프로세서를 포함할 수 있다.
본 개시의 다양한 실시예에 따른 항로 생성 시스템은, 전자 해도에 관한 정보 및 주변 선박의 AIS 정보에 기초하여 항로를 생성함으로써, 다양한 해양 사고를 미연에 방지할 수 있다.
본 개시의 다양한 실시예에 따른 항로 생성 시스템은, 운항 중 발생 할 수 있는 다양한 위험 정보를 딥러닝 알고리즘에 적용하여 가장 안전한 항로를 생성할 수 있다.
도 1은 본 개시의 다양한 실시예에 따른, 항로 생성 시스템을 도시한 도면이다.
도 2는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치를 도시한 블록도이다.
도 3은 본 개시의 다양한 실시예에 따른, 클라우드 서버를 도시한 블록도이다.
도 4는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치와 클라우드 서버 간의 동작을 도시한 동작 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른, 뉴럴 네트워크 다층 구조인 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성하는 과정을 도시한 도면이다.
도 6a 내지 6c은 본 개시의 다양한 실시예에 따른, 항로를 생성함에 있어서 고려하는 전자 해도 관한 다양한 정보를 도시한 도면이다.
도 7a 및 7b는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치가 적어도 하나의 항로를 표출하는 것을 도시한 도면이다.
이하, 본 발명의 상술한 목적, 기술적 특징들 및 효과는 하기의 상세한 설명과 첨부된 도면을 통해 명확해질 것이다. 다만, 본 발명의 기술적 요지를 벗어나지 않는 범위 내에서 다양한 변경을 가할 수 있고 여러 가지 실시 예들을 가질 수 있는 바, 이하에서는 특정 실시 예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
도면들에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시될 수도 있다. 이는 본 발명의 요지와 관련이 없는 불필요한 설명을 생략함으로써 본 발명의 요지를 명확히 설명하기 위함이다. '제 1' 또는 '제 2' 등의 표현들은 해당 구성요소들을 중요한 순서대로 수식한 것이 아니고, 각각의 구성요소끼리 구별하기 위해 사용하는 것에 불과할 뿐 한정하기 위해 사용된 것이 아니다. 명세서 전체에 걸쳐서 동일한 참조번호들은 원칙적으로 동일한 구성요소들을 나타낸다. 또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
이하 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하면 다음과 같다.
도 1은 본 개시의 다양한 실시예에 따른, 항로 생성 시스템을 도시한 도면이다.
도 1을 참조하면, 다양한 실시예에 따른 항로 생성 시스템은 선박의 전자 장치(110) 및 클라우드 서버(120)를 포함할 수 있다. 선박의 전자 장치(110)는, 예를 들면, 선박에 설치된 전자 장치(110)를 의미할 수 있다. 선박의 전자 장치(110)는 주변 선박(130)과 AIS 정보를 송수신할 수 있다.
다양한 실시예에 따르면, 선박에 설치된 전자 장치(110)는 전자 해도를 출력할 수 있다. 전자 장치(110)의 사용자는, 예를 들어, 전자 해도를 통해 항로 안내를 제공받을 수 있다. 전자 장치(110)는, 예를 들어, 주변 선박(130)으로부터 AIS 정보를 수신할 수 있다. 전자 장치(110)는, 예를 들어, 출발지 및 목적지에 기초한 전자 해도에 관한 정보 및 수신한 AIS 정보를 클라우드 서버(120)에 전송할 수 있다.
다양한 실시예에 따르면, 클라우드 서버(120)는 전자 장치(110)로부터 출발지 및 목적지에 기초한 전자 해도에 관한 정보 및 AIS 정보를 수신할 수 있다. 다양한 실시예에 따르면, 클라우드 서버(120)는 선박의 운항과 관련된 정보를 딥러닝 알고리즘에 입력하여 적어도 하나의 항로를 생성할 수 있다. 클라우드 서버(120)는, 예를 들어, 생성한 적어도 하나의 항로를 선박의 전자 장치(110)로 전송할 수 있다. 다양한 실시예에 따르면 전자 장치(110)는 적어도 하나의 항로를 전자 해도를 통해 표출할 수 있다.
도 2는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치를 도시한 블록도이다.
도 2를 참조하면, 선박의 전자 장치(110)는, 프로세서(210), 디스플레이(220), 입력부(230), 스토리지(240), 제1 통신 모듈(250) 및 제2 통신 모듈(260)을 포함할 수 있다. 도 2에 도시된 구성 중 일부가 생략 또는 치환되더라도 본 발명의 다양한 실시예를 구현함에는 지장이 없을 것이다.
다양한 실시예에 따르면, 프로세서(210)는 전자 장치(110)의 각 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있는 구성일 수 있다. 프로세서(210)는 디스플레이(220), 입력부(230), 스토리지(240), 제1 통신 모듈(250) 또는 제2 통신 모듈(260) 등 전자 장치(110)의 내부 구성요소와 전기적으로 연결될 수 있다.
다양한 실시예에 따르면, 디스플레이(220)는 전자 장치(110)의 외부로 정보를 시각적으로 제공할 수 있다. 디스플레이(220)는, 예를 들면, 전자 해도를 표출할 수 있고, 전자 해도를 통해 항로를 표출할 수 있다.
다양한 실시예에 따르면, 입력부(230)는 외부로부터 명령을 수신하여 프로세서(210)에 전달할 수 있다. 입력부(230)는, 예를 들어, 키보드 또는 마우스를 포함할 수 있다.
다양한 실시예에 따르면, 스토리지(240)는 다양한 데이터를 저장할 수 있다. 스토리지(240)는, 예를 들어, 전자 해도에 관한 정보를 저장할 수 있다.
다양한 실시예에 따르면, 제1 통신 모듈(250)은 주변 선박(130)으로부터 송신되는 AIS 정보를 수신할 수 있다. AIS 정보는, 예를 들어, 선박의 식별 번호, 선박의 종류, 선박의 위치 또는 선박의 속도에 관한 정보를 포함할 수 있다.
다양한 실시예에 따르면, 제2 통신 모듈(260)은 무선 통신을 통해서 네트워크에 연결되어 클라우드 서버(120)와 통신할 수 있다. 제2 통신 모듈(260)은 셀룰러 통신 모듈을 포함하여 셀룰러 네트워크(예: 3G, LTE, 5G, Wibro 또는 Wimax)에 연결되도록 구성할 수 있으나 이에 제한되지는 않는다. 제2 통신 모듈(260)은, 예를 들면, 클라우드 서버(120)와 데이터를 송수신할 수 있다.
다양한 실시예에 따르면, 프로세서(210)는 입력부(230)를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신할 수 있다. 다양한 실시예에 따르면, 프로세서(210)는 선박의 GPS를 통해 선박의 현재 위치를 파악하고, 선박의 현재 위치를 출발지로 설정할 수 있다.
다양한 실시예에 따르면, 프로세서(210)는 제1 통신 모듈(250)을 통해, 주변 선박(130)으로부터 송신된 AIS 정보를 수신할 수 있다.
다양한 실시예에 따르면, 프로세서(210)는 제2 통신 모듈(260)을 통해 설정된 출발지 및 목적지에 기초한 전자 해도에 관한 정보 및 수신한 AIS 정보를 클라우드 서버(120)에 전송할 수 있다. 프로세서(210)는, 예를 들어, 설정된 출발지 및 목적지의 좌표에 기초하여 전송 영역을 설정하고, 설정된 전송 영역 내의 전자 해도에 관한 정보를 전송할 수 있다. 전자 해도에 관한 정보는, 예를 들어, 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 포함할 수 있다. 해상 장애물 정보는, 예를 들어, 암초, 폐선 또는 양식장 정보 등을 포함할 수 있다. 임의 좌주 지역은 수심이 얕은 곳의 바닥 또는 모래가 많이 쌓인 곳으로써, 과거 다른 선박이 운항하다가 걸렸던 지역 또는 선박이 운항하다가 걸릴 수 있는 지역을 의미할 수 있다. 비상 투묘 지역은 과거 비상상황에서 선박이 닻을 내려 정박했던 지역 또는 비상상황 발생시 정박할 수 있는 지역을 의미할 수 있다. 선박의 항로를 결정할 때, 상기 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 충분히 고려해야 안전한 항로를 결정할 수 있다. 예를 들어, 해상 장애물, 임의 좌주 지역 및 비상 투묘 지역은 사고 발생 위험이 있는 지역으로 분류하여 항로 생성시 고려할 수 있다.
다양한 실시예에 따르면, 프로세서(210)는 제2 통신 모듈(260)을 통해 클라우드 서버(120)로부터 적어도 하나의 항로에 관한 정보를 수신할 수 있다.
다양한 실시예에 따르면, 프로세서(210)는 디스플레이(220)를 통해 적어도 하나의 항로를 표출할 수 있다. 프로세서(210)는, 예를 들면, 적어도 하나의 항로를 전자 해도에 연동 또는 오버레이(overlay)시켜 디스플레이(220)를 통해 표출할 수 있다.
도 3은 본 개시의 다양한 실시예에 따른, 클라우드 서버를 도시한 블록도이다.
도 3을 참조하면, 클라우드 서버(120)는 프로세서(310), 통신 모듈(320) 및 데이터베이스(330)를 포함할 수 있다. 도 3에 도시된 구성 중 일부가 생략 또는 치환되더라도 본 발명의 다양한 실시예를 구현함에는 지장이 없을 것이다.
다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 클라우드 서버(120)의 각 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 수행할 수 있는 구성일 수 있다. 프로세서(310)는 통신 모듈(320), 데이터베이스(330) 등 클라우드 서버(120)의 내부 구성요소와 전기적으로 연결될 수 있다.
다양한 실시예에 따르면, 통신 모듈(320)은 무선 통신을 통해서 네트워크에 연결되어 선박의 전자 장치(110)와 통신할 수 있다. 통신 모듈(320)은 셀룰러 통신 모듈을 포함하여 셀룰러 네트워크(예: 3G, LTE, 5G, Wibro 또는 Wimax)에 연결되도록 구성할 수 있으나 이에 제한되지는 않는다. 통신 모듈(320)은, 예를 들면, 선박의 전자 장치(110)와 데이터를 송수신할 수 있다.
다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 통신 모듈(320)을 통해 선박의 전자 장치(110)로부터 전자 해도에 관한 정보 및 주변 선박(130)의 AIS 정보를 수신할 수 있다. 수신한 전자 해도에 관한 정보는, 예를 들어, 출발지 및 목적지를 포함하는 전송 영역에 포함되는 전자 해도에 관한 정보일 수 있다. 수신한 전자 해도에 관한 정보는, 예를 들어, 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 포함할 수 있다. 다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 수신한 전자 해도에 관한 정보 및 수신한 AIS 정보를 데이터베이스(330)에 저장할 수 있다.
다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 전자 해도에 관한 정보 및 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성할 수 있다. 프로세서(310)는, 예를 들어, 전송 영역 내의 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 딥러닝 알고리즘에 입력하고, 출발지부터 목적지까지의 적어도 하나의 항로를 생성할 수 있다. 다양한 실시예에 따르면, 적어도 하나의 항로 각각은 안전한 항로인지 여부를 나타내는 가중치를 갖고 생성될 수 있다. 예를 들어, 적어도 하나의 항로 중 가중치가 가장 큰 항로는 가장 안전한 항로, 즉 사고 위험이 가장 낮은 항로임을 의미할 수 있다. 딥러닝 알고리즘은, 예를 들면, 뉴럴 네트워크 다층 구조의 딥러닝 알고리즘일 수 있다.
다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 통신 모듈(320)을 통해 생성한 적어도 하나의 항로를 선박의 전자 장치(110)로 송신할 수 있다.
다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 생성한 적어도 하나의 항로를 데이터베이스(330)에 저장할 수 있다. 다양한 실시예에 따르면 클라우드 서버(120)의 프로세서(310)는 저장된 적어도 하나의 항로를 딥러닝 알고리즘에 다시 입력하여 스스로 학습할 수 있다. 다양한 실시예에 따르면, 클라우드 서버(120)의 프로세서(310)는 인공지능 방식으로 딥러닝 알고리즘을 사용하여 실시간 입력되는 정보로 적어도 하나의 항로를 생성할 수 있고, 실시간으로 항로를 업데이트할 수도 있다.
도 4는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치와 클라우드 서버 간의 동작을 도시한 동작 흐름도이다.
동작 410에서, 선박의 전자 장치(110)는 입력부(230)를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신할 수 있다.
동작 420에서, 전자 장치(110)는 주변 선박(130)으로부터 AIS 정보를 수신할 수 있다. 전자 장치(110)는, 예를 들어, 제1 통신 모듈(250)을 통해 주변 선박(130)으로부터 송신되는 AIS 정보를 수신할 수 있다. 수신한 AIS 정보는, 예를 들면, 주변 선박(130)의 식별 번호, 주변 선박(130)의 종류, 주변 선박(130)의 위치 또는 주변 선박(130)의 속도에 관한 정보를 포함할 수 있다.
동작 430에서, 전자 장치(110)는 전자 해도에 관한 정보 및 AIS 정보를 클라우드 서버(120)로 전송할 수 있다. 다양한 실시예에 따르면, 전자 장치(110)는 설정된 출발지 및 목적지에 기초한 전자 해도에 관한 정보 및 수신한 AIS 정보를 클라우드 서버(120)에 전송할 수 있다. 전자 장치(110)는, 예를 들어, 출발지 및 목적지의 좌표에 기초하여 전송 영역을 설정하고, 설정된 전송 영역 내의 전자 해도에 관한 정보를 클라우드 서버(120)에 전송할 수 있다. 전자 해도에 관한 정보는, 예를 들어, 전송 영역 내의 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보 중 적어도 하나를 포함할 수 있다.
동작 440에서, 클라우드 서버(120)는 수신한 전자 해도에 관한 정보 및 AIS 정보를 입력으로, 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성할 수 있다. 클라우드 서버(120)는, 예를 들어, 전송 영역 내의 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 입력으로 딥러닝 알고리즘을 적용하여, 적어도 하나의 항로를 생성할 수 있다. 다양한 실시예에 따르면, 적어도 하나의 항로 각각은 가중치를 가지고 생성될 수 있다. 상기 가중치는 안전한 항로인 지 여부를 나타내는 지표일 수 있다. 예를 들어, 가장 큰 가중치를 갖는 항로가 가장 안전한 항로를 의미할 수 있다.
동작 450에서, 클라우드 서버(120)는 생성한 적어도 하나의 항로를 선박의 전자 장치(110)로 전송할 수 있다.
동작 460에서, 선박의 전자 장치(110)는 수신한 적어도 하나의 항로를 표출할 수 있다. 전자 장치(110)는, 예를 들어, 수신한 적어도 하나의 항로를 전자 해도에 연동 또는 오버레이시켜서 표출할 수 있다. 다양한 실시예에 따르면, 전자 장치(110)는 적어도 하나의 항로 중 가중치가 가장 큰 항로를 표출할 수도 있다.
동작 470에서, 다양한 실시예에 따른 클라우드 서버(120)는 생성한 적어도 하나의 항로를 딥러닝 알고리즘에 다시 입력시켜서 스스로 학습할 수 있다.
도 5는 본 개시의 다양한 실시예에 따른, 뉴럴 네트워크 다층 구조인 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성하는 과정을 도시한 도면이다.
도 5를 참조하면, 클라우드 서버(120)는, 예를 들어, 딥러닝 알고리즘 중 뉴럴 네트워크 다층 구조를 갖는 딥러닝 알고리즘(deep neural network, 심층 신경망)을 이용하여 적어도 하나의 항로를 생성할 수 있다.
뉴럴 네트워크 다층 구조를 갖는 딥러닝 알고리즘은 입력층(510)(input layer), 은닉층(520)(hidden layer) 및 출력층(530)(output layer)으로 이루어진 인공 신경망일 수 있다. 은닉층(520)은 1개 또는 2개 이상의 층으로 이루어질 수 있다. 입력층(510)은 초기에 데이터가 세팅되는 층을, 은닉층(520)은 데이터가 드러나지 않고 가려져 있는 층을, 출력층(530)은 결과적으로 얻고자 하는 학습된 데이터가 출력되는 층을 의미할 수 있다. 도 5에 도시된 원형 부분은 각 층의 입력값 혹은 출력값으로써 노드(node)라고 표현할 수 있다. 각 층의 노드들은 입력된 값에 가중치를 곱한 출력 값을 생성하여 다음 층으로 전달할 수 있다. 예를 들어, 입력층의 노드는 제1 은닉층의 각 노드에 입력값으로써 입력될 수 있다. 클라우드 서버(120)는 상기와 같은 과정을 층 수만큼 반복하여 비선형적 관계를 학습할 수 있다. 각 층마다 다른 층위의 특징이 학습될 수 있어서, 클라우드 서버(120)는 겅보의 잠재적인 구조를 파악할 수 있다. 또한 각 노드들의 가중치를 적절히 조절하면 사용자가 원하는 학습된 결과 값을 생성할 수 있다.
클라우드 서버(120)의 프로세서는, 출발지 및 목적지에 관한 정보뿐만 아니라 출발지 및 목적지에 기초한 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 딥러닝 알고리즘의 입력층(510)에 입력할 수 있다. 입력층(510)에 입력된 값들은 입력값 들은 은닉층(520)의 각 노드에 입력될 수 있다. 은닉층(520)에 입력된 값들은 적어도 하나의 층을 거치면서 사용자가 원하는 결과 값을 출력층(530)의 노드에 전달할 수 있다. 클라우드 서버(120)의 프로세서는 딥러닝 알고리즘을 적용하여 적어도 하나의 항로를 생성할 수 있다. 딥러닝 알고리즘을 적용한 결과 생성된 적어도 하나의 항로는, 예를 들어, 적어도 하나의 항로의 운항 시간, 충돌 위협 및 전복 위협에 관한 정보를 포함할 수 있다.
도 6a 및 6c은 본 개시의 다양한 실시예에 따른, 항로를 생성함에 있어서 고려하는 전자 해도 관한 다양한 정보를 도시한 도면이다
도 6a는 본 개시의 다양한 실시예에 따른, 전자 해도 상에서 설정된 전송 영역(601) 내의 수심 정보(610) 및 육지 정보(620)를 도시한 도면이다. 도 6a의 좌측 도면이 수심 정보(610)를 도시한 도면이고, 도 6b의 우측 도면이 육지 정보(620)를 도시한 도면이다. 수심 정보(610)는, 예를 들어, 해저 지형의 같은 깊이의 점들을 연결한 선인 등심선(isobath)에 관한 정보를 포함할 수 있다. 도 6a의 좌측 도면에서 선 610은 등심선을 나타낼 수 있다. 클라우드 서버(120)는, 예를 들어, 바다의 수심을 고려하여 항로를 생성할 수 있다. 상기 육지 정보(620)는 검은 실선으로 둘러 쌓여 빗금으로 표시된 육지에 관한 정보일 수 있다. 클라우드 서버(120)는, 예를 들어, 육지 정보(620)에 포함된 육지는 운항할 수 없는 지역으로 판단할 수 있다. 다양한 실시예에 따른 선박의 전자 장치(110)는, 설정된 출발지(603) 및 목적지(605)에 기초하여 전송 영역(601)을 설정할 수 있다. 전송 영역(601)은, 예를 들어 도 6a에 도시된 것처럼, 출발지(603) 및 목적지(605)의 좌표에 기초하여 사각형 모양으로 설정할 수도 있다. 다양한 실시예에 따른 전자 장치(110)는 전송 영역(601) 내의 수심 정보(610) 및 육지 정보(620)를 클라우드 서버(120)로 전송할 수 있다.
도 6b는 본 개시의 다양한 실시예에 따른, 전자 해도 상에서 설정된 전송 영역(601) 내의 해상 장애물 정보(630) 및 해양 기상 정보(640)를 도시한 도면이다. 도 6b의 좌측 도면이 해상 장애물 정보(630)를 도시한 도면이고, 도 6b의 우측 도면이 해양 기상 정보(640)를 도시한 도면이다. 도 6b의 우측 도면에서 화살표의 방향은 파향을, 화살표의 크기는 파속을 나타낼 수 있다. 다양한 실시예에 따른 전자 장치(110)는 전송 영역(601) 내의 해상 장애물 정보(630) 및 해양 기상 정보(640)를 클라우드 서버(120)로 전송할 수 있다.
도 6c는 본 개시의 다양한 실시예에 따른, 전자 해도 상에서 설정된 전송 영역(601) 내의 임의 좌주 지역(650) 및 비상 투묘 지역(660)을 도시한 도면이다. 도 6c의 좌측 도면이 임의 좌주 지역(650)을 도시한 도면이고, 도 6c의 우측 도면이 비상 투묘 지역(660)을 도시한 도면이다. 다양한 실시예에 따른 전자 장치(110)는 전송 영역(601) 내의 임의 좌주 지역(650)에 관한 정보 및 비상 투묘 지역(660)에 관한 정보를 클라우드 서버(120)로 전송할 수 있다.
도 7a 및 7b는 본 개시의 다양한 실시예에 따른, 선박의 전자 장치가 적어도 하나의 항로를 표출하는 것을 도시한 도면이다.
도 7a를 참고하면, 다양한 실시예에 따른 전자 장치(110)는 클라우드 서버(120)로부터 적어도 하나의 항로(701, 703, 705, 707)를 수신할 수 있다. 다양한 실시예에 따른 전자 장치(110)는, 디스플레이를 통해 적어도 하나의 항로를 표출할 수 있다. 전자 장치(110)는, 예를 들어, 적어도 하나의 항로(701, 703, 705, 707)를 전자 해도에 오버레이시켜 표출할 수 있다. 도 7a는 다양한 실시예에 따른 전자 장치(110)가 4개의 항로(701, 703, 705, 707)를 전자 해도를 통해 표출한 것을 도시한 도면이다.
다양한 실시예에 따르면, 적어도 하나의 항로 각각은 가중치를 가지고 있을 수 있다. 가중치는, 예를 들면, 안전한 항로인지 여부를 나타내는 지표일 수 있다. 예를 들어, 가장 큰 가중치를 갖는 항로가 가장 안전한 항로, 즉 사고 위험이 가장 낮은 항로를 의미할 수 있다.
도 7b에 따르면, 전자 장치(110)는 가중치가 가장 큰 하나의 항로를 디스플레이를 통해 표출할 수 있다. 항로 701이 항로 703, 705 및 707에 비해 큰 가중치를 갖는 경우, 항로 701을 전자 해도를 통해 표출할 수 있다.

Claims (12)

  1. 선박의 전자 장치 및 클라우드 서버를 포함하는 항로 생성 시스템의 딥러닝(deep learning) 기술에 기반한 항로 생성 방법에 있어서,
    상기 전자 장치가 출발지 및 목적지를 설정하는 사용자 입력을 수신하는 동작;
    상기 전자 장치가 주변 선박으로부터 송신된 AIS 정보를 수신하는 동작;
    상기 클라우드 서버가 상기 전자 장치로부터, 상기 출발지 및 상기 목적지에 관한 정보, 상기 출발지 및 상기 목적지에 기초한 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 포함하는 전자 해도에 관한 정보 및 상기 AIS 정보를 수신하는 동작;
    상기 클라우드 서버가 수신한, 상기 출발지 및 상기 목적지에 관한 정보, 상기 전자 해도에 관한 정보에 포함된 상기 수심 정보, 상기 육지 정보, 상기 해상 장애물 정보, 상기 임의 좌주 지역에 관한 정보, 상기 비상 투묘 지역에 관한 정보, 상기 해양 기상 정보 및 상기 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하고, 상기 딥러닝 알고리즘을 통해 학습된 데이터에 기초하여 적어도 하나의 항로를 생성하는 동작;
    상기 생성한 적어도 하나의 항로를 상기 전자 장치로 전송하는 동작; 및
    상기 전자 장치의 디스플레이를 통해 상기 적어도 하나의 항로를 표출하는 동작을 포함하고,
    상기 딥러닝 알고리즘에 포함된 복수의 노드 각각은, 상기 입력된 정보들을 기초로 하여 충돌 위협 및 전복 위협에 관한 정보를 포함하는 적어도 하나의 항로를 생성할 수 있도록, 가중치들이 세팅되어 있는, 항로 생성 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 클라우드 서버가 상기 생성한 적어도 하나의 항로를 상기 딥러닝 알고리즘에 다시 입력하여 학습하는 동작을 더 포함하는, 항로 생성 방법.
  4. 제1항에 있어서,
    상기 딥러닝 알고리즘은 뉴럴 네트워크 다층 구조의 딥러닝 알고리즘인, 항로 생성 방법.
  5. 제1항에 있어서,
    상기 클라우드 서버가 수신하는 동작 중 상기 전자 해도에 관한 정보를 수신하는 동작은,
    상기 전자 장치가 상기 출발지 및 상기 목적지의 좌표에 기초하여 전송 영역을 설정하고, 상기 설정된 전송 영역 내의 전자 해도에 관한 정보를 상기 전자 장치로부터 수신하는 동작인, 항로 생성 방법.
  6. 제1항에 있어서,
    상기 적어도 하나의 항로 각각은 가중치를 가지며,
    상기 적어도 하나의 항로 중 가장 큰 가중치를 갖는 항로를 상기 디스플레이를 통해 표출하는 동작을 포함하는, 항로 생성 방법.
  7. 딥러닝(deep learning) 기술에 기반하여 항로를 생성하는 항로 생성 시스템에 있어서,
    입력부를 통해 출발지 및 목적지를 설정하는 사용자 입력을 수신하고, 제1 통신 모듈을 통해 주변 선박으로부터 AIS 정보를 수신하고, 상기 출발지 및 상기 목적지에 관한 정보, 상기 출발지 및 상기 목적지에 기초한 수심 정보, 육지 정보, 해상 장애물 정보, 임의 좌주 지역에 관한 정보, 비상 투묘 지역에 관한 정보 및 해양 기상 정보를 포함하는 전자 해도에 관한 정보 및 상기 수신한 AIS 정보를 제2 통신 모듈을 통해 클라우드 서버에 전송하는 선박의 전자 장치; 및
    클라우드 서버를 포함하고,
    상기 클라우드 서버는,
    상기 전자 장치와 통신 연결되는 통신 모듈;
    데이터베이스; 및
    상기 전자 장치로부터 상기 출발지 및 상기 목적지에 관한 정보, 상기 전자 해도에 관한 정보 및 상기 AIS 정보를 수신하고, 상기 출발지 및 상기 목적지에 관한 정보, 상기 수신한 상기 전자 해도에 관한 정보에 포함된 상기 수심 정보, 상기 육지 정보, 상기 해상 장애물 정보, 상기 임의 좌주 지역에 관한 정보, 상기 비상 투묘 지역에 관한 정보, 상기 해양 기상 정보 및 상기 AIS 정보를 입력으로 딥러닝 알고리즘을 적용하고, 상기 딥러닝 알고리즘을 통해 학습된 데이터에 기초하여 적어도 하나의 항로를 생성하고, 상기 생성한 적어도 하나의 항로를 상기 전자 장치로 전송하는 프로세서;를 포함하고,
    상기 딥러닝 알고리즘에 포함된 복수의 노드 각각은 상기 입력된 정보들을 기초로 하여 충돌 위협 및 전복 위협에 관한 정보를 포함하는 적어도 하나의 항로를 생성할 수 있도록, 가중치들이 세팅되어 있는, 항로 생성 시스템.
  8. 제7항에 있어서,
    상기 전자 장치는 디스플레이를 통해 수신한 적어도 하나의 항로를 표출하는, 항로 생성 시스템.
  9. 삭제
  10. 제7항에 있어서,
    상기 클라우드 서버의 프로세서는,
    상기 생성한 적어도 하나의 항로를 상기 딥러닝 알고리즘에 다시 입력하여 학습하는, 항로 생성 시스템.
  11. 제7항에 있어서,
    상기 전자 장치는,
    상기 출발지 및 상기 목적지의 좌표에 기초하여 전송 영역을 설정하고, 상기 설정된 전송 영역 내의 전자 해도에 관한 정보를 전송하는, 항로 생성 시스템.
  12. 제8항에 있어서,
    상기 적어도 하나의 항로 각각은 가중치를 가지며,
    상기 전자 장치는 상기 적어도 하나의 항로 중 가장 큰 가중치를 갖는 항로를 상기 디스플레이를 통해 표출하는, 항로 생성 시스템.
KR1020180142477A 2018-11-19 2018-11-19 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법 KR101982084B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180142477A KR101982084B1 (ko) 2018-11-19 2018-11-19 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180142477A KR101982084B1 (ko) 2018-11-19 2018-11-19 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법

Publications (1)

Publication Number Publication Date
KR101982084B1 true KR101982084B1 (ko) 2019-05-24

Family

ID=66680344

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180142477A KR101982084B1 (ko) 2018-11-19 2018-11-19 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법

Country Status (1)

Country Link
KR (1) KR101982084B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102116917B1 (ko) * 2020-03-05 2020-06-01 사단법인 한국선급 빅데이터와 딥 러닝을 이용한 해기상 및 소요 마력 예측 시스템
CN111412918A (zh) * 2020-03-13 2020-07-14 天津大学 无人艇全局安全路径规划方法
KR102182037B1 (ko) 2020-04-02 2020-11-23 한국해양과학기술원 선박의 이동경로 네트워크 생성 장치 및 방법
KR20220025537A (ko) * 2020-08-24 2022-03-03 제주대학교 산학협력단 항적 데이타를 이용한 어선 조업 판별 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103455B1 (ko) * 2010-07-09 2012-01-09 동명대학교산학협력단 선박의 ａｉｓ를 이용한 선박 항로 안내 시스템
KR101541808B1 (ko) * 2015-04-30 2015-08-04 한국해양과학기술원 딥러닝 알고리즘을 이용한 해상교통관제 전문가 시스템 및 그 제어 방법
KR101850866B1 (ko) * 2016-11-21 2018-04-20 동강엠텍(주) 선박의 항로 산출 방법
KR20180103345A (ko) * 2017-03-09 2018-09-19 삼성전자주식회사 이동 경로를 제공하는 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103455B1 (ko) * 2010-07-09 2012-01-09 동명대학교산학협력단 선박의 ａｉｓ를 이용한 선박 항로 안내 시스템
KR101541808B1 (ko) * 2015-04-30 2015-08-04 한국해양과학기술원 딥러닝 알고리즘을 이용한 해상교통관제 전문가 시스템 및 그 제어 방법
KR101850866B1 (ko) * 2016-11-21 2018-04-20 동강엠텍(주) 선박의 항로 산출 방법
KR20180103345A (ko) * 2017-03-09 2018-09-19 삼성전자주식회사 이동 경로를 제공하는 방법 및 장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102116917B1 (ko) * 2020-03-05 2020-06-01 사단법인 한국선급 빅데이터와 딥 러닝을 이용한 해기상 및 소요 마력 예측 시스템
CN111412918A (zh) * 2020-03-13 2020-07-14 天津大学 无人艇全局安全路径规划方法
CN111412918B (zh) * 2020-03-13 2022-01-07 天津大学 无人艇全局安全路径规划方法
KR102182037B1 (ko) 2020-04-02 2020-11-23 한국해양과학기술원 선박의 이동경로 네트워크 생성 장치 및 방법
KR20220025537A (ko) * 2020-08-24 2022-03-03 제주대학교 산학협력단 항적 데이타를 이용한 어선 조업 판별 방법
KR102401337B1 (ko) * 2020-08-24 2022-05-23 제주대학교 산학협력단 항적 데이타를 이용한 어선 조업 판별 방법

Similar Documents

Publication Publication Date Title
KR101982084B1 (ko) 항로 생성 시스템 및 그의 딥러닝 기술에 기반한 항로 생성 방법
US20200278433A1 (en) Real-time monitoring of surroundings of marine vessel
KR102472524B1 (ko) 환경의 적어도 일부에 대한 가상 표현 결정
Perera et al. Collision risk detection and quantification in ship navigation with integrated bridge systems
JP5241720B2 (ja) 乗物または設備のための操舵および安全システム
US20200012283A1 (en) System and method for autonomous maritime vessel security and safety
CN107945578A (zh) 通航施工水域中控式船舶安全航行诱导系统
CN111536962B (zh) 智能船舶的航线规划方法及装置、存储介质、计算机设备
CN113012472B (zh) 一种适用于vts系统的船舶预警方法、设备及存储介质
US20180105236A1 (en) Proactive control of watercraft movement based on water surface features
KR101823030B1 (ko) 선박의 위험환경 회피 시스템 및 이를 이용한 회피 방법
CN111007852A (zh) 船舶的系统架构及智能船舶
Major et al. Real-time digital twin of research vessel for remote monitoring
KR101728603B1 (ko) 구글맵과 ｅｎｃ를 이용한 일반 ｐｃ에서 운용 가능한 ３차원 선박운항시뮬레이터
CN109814589A (zh) 基于无人机航摄技术航道事故处理系统及方法
AU2018379592B2 (en) Interface unit
US20220363383A1 (en) Control system, control method, and information storage medium for unmanned aerial vehicle
Lamm et al. Shore based Control Center Architecture for Teleoperation of Highly Automated Inland Waterway Vessels in Urban Environments.
KR20160116138A (ko) 선박 항해기록의 백업장치 및 방법
US20210272468A1 (en) A system for simulating a maritime environment
Schneider et al. Towards an investigation of a MASS-assisted anti-grounding service through simulated nautical scenarios in a ship handling simulator
Coelho et al. Design process and validation of an autonomous surface vehicle for the offshore industry
KR102464086B1 (ko) 자율운항 선박과 일반 선박 간 충돌 회피 시스템 및 방법
KR102666375B1 (ko) 자율운항선박의 육상제어 시뮬레이션 시스템
Riordan et al. Ship Anti-Grounding with a Maritime Autonomous Surface Ship and Digital Twin of Port of Hamburg

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant