KR102042490B1 - 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법 - Google Patents

Abstract

본 발명은 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법에 관한 것으로서, 해양환경 데이터로부터 외력 인덱스를 추출하고, 선박교통 데이터로부터 선박 인덱스를 추출하는 인덱스 추출부와, 외력의 영향이 설정값 이하인 상태에서 선박의 최대 항행속도를 기준속력으로 설정하여, 각 선박의 기준속력을 추출하는 선박 기준속력 추출부와, 외력 인덱스 및 선박 인덱스를 키(Key)로 하고, 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하고, 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하여 리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 저장하는 선박외력 맵리듀스 분석부와, 운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스를 입력데이터로 하여, 입력데이터에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 예측하는 선박외력 예측부를 포함한다. 본 발명에 따르면, 상술한 바와 같이, 본 발명에 의한 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법에 따르면, 선박의 목적지까지 해양환경에 의해 선박에 작용되는 외력을 신속 정확하게 계산함으로써, 정확한 소요시간 예측이 가능할 뿐 아니라, 선박의 진행방향과 동일방향의 외력은 최대로 이용하고, 선박의 진행방향과 반대방향의 외력은 최소화하여 선박 연료절감에 기여를 한다.

Description

맵리듀스를 이용한 선박 외력 추정 시스템 및 방법{System and method for estimating external forces acting on ship by MapReduce}

본 발명은 선박 외력 추정 기술에 관한 것으로, 더욱 상세하게는 해양환경 데이터와 선박교통 데이터로부터 효율적이고 신속하게 선박 외력을 추정할 수 있도록 하는 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법에 관한 것이다.

해상에서 운항하는 선박들은 바람, 조류, 파도와 같은 해상에서 작용하는 외력에 의해 선박의 속력 및 침로(선박의 진행 방향)가 변하게 된다. 예를 들어, 조류와 파도는 선박 운항시 항해자가 인지하여야 하는 중요 요소로서, 도착예정시각 조정, 항로변경 등 입항 계획을 수행하는데 고려되는 요소이다([1]). 즉, 일례로서 조류에 의한 선박 외력이 선박 진행 반대 방향에 작용하면, 연료가 많이 소모될뿐 아니라 선박 외력에 의해 육지에 좌초되거나 다른 선박과 충돌할 위험성이 있다. 이와 반대로, 조류가 선박 진행 방향으로 작용하면, 속력은 증가하나, 선박 침로 전환에 어려움이 있다.

이와 같이, 선박에 작용하는 외력 영향 평가를 통해, 선박의 침로 및 속력을 조절하여 선박의 목적지까지 외력의 영향을 적게 받도록 함으로써, 연료를 절약할 수 있다. 또한, 해상교통관제센터(Vessel Traffic Service, VTS)의 서비스를 통해, 사전에 선박에 영향을 미치는 외력에 대한 정보를 제공하여 선박의 충돌과 좌초를 예방할 수 있다. 한편, 외력 정보를 활용하기 위해 해사안전관련 기관에서는 해상에서 선박에 영향을 주는 외력데이터를 수집하고 조류 및 파랑예측 수치모델을 개발하여 선박 및 해상 수색ㆍ구조시 활용하고 있다.

한편, 선박에 작용되고 있는 외력에 관한 연구는 여러 연구자들에 의해 외력 평가 모델이 제시되었다. 이희수 등은 해수 유동해석 방법을 이용하여 해류가 시운전 선박에 미치는 영향과 해수 유동현상을 재현하였다([2]). 유영준 등은 바람과 조류의 영향을 고려한 선박 조종운동방정식으로 바람과 조류에 따라 선박 제어에 미치는 영향을 분석하였다([3]). 이문진 등은 해역의 외력정보로 해상 수색구조를 위한 표류지점을 추정하는 모델을 개발하였다([4]).

또한, 다른 연구 접근방법으로 해양환경 및 해사데이터를 이용한 데이터기반 접근방법이 있다. 최경순 등은 해류, 파랑, 바람 등 해양환경 데이터를 이용한 효율적인 항해와 최적항로를 결정해주는 시스템을 제안하였다([5]). 김광일 등은 해상교통관제센터의 관제구역 내 센서 데이터를 이용하여 외력코드 및 해상교통 빅데이터를 이용하여 외력코드와 처리 데이터베이스를 제시하고, 관제구역 내 항행하는 선박의 외력을 예측하였다([6]).

그런데, 상기한 모델에 의한 외력 평가방법은 다양한 선종과 선박 항해 상태, 여러 외력의 복합 요인 등을 고려하지 못한 단점이 있다.

이를 보완하기 위해 해상교통관제센터의 관제구역에서 수집되고 있는 수치조류 및 선박교통 빅데이터를 이용하고 있으나, 선박에 실시간 서비스를 위해서는 기존 데이터 처리방법이 비효율적이라는 문제가 있다.

이에, 향후 차세대 전자항해(e-Navigation)의 실시간 선박 외력예측 평가 서비스를 제공하기 위해서는 빅데이터 분산처리 방법이 필요하다.

대한민국 공개특허공보 제2015-0086060호(공개일 2015.07.27.) “선박에 미치는 외력크기의 추정방법 및 장치와 이를 이용한 선박 항로 관련 정보 생성장치”

[1] J. H. Kim, S. G. Gug, S. W. Kim, "Estimation of the Future Traffic Volumes and Analysis on Information Value of Tidal Current Signal Operation Center in Incheon," Proceedings of Korean Institute of Navigation and Port Research, Spring Conference, vol. 1, pp. 203-209, 2007 . [2] H. S. Lee, D. H. Choi, J. C. Park, S. M. Jeong, Y. H. Kim, "Study on Trial Current Simulation and its Application to Speed Trial around Straits of Korea," Journal of Ocean Engineering and Technology, vol. 24, no. 6, pp. 23-29, 2010. [3] Y. J. Yoo and K. P. Lee, "Wind and Current Effect on Ship’s Course Change," roceedings of Korean Institute of Navigation and Port Research, Autumn Conference, vol. 1, pp. 23-25, 2011. [4] M. J. Lee, I. Y. Gong and C. G. Kang, "Tracking Model of Drifted Ships for Search and Rescue", Journal of the Korean Society for Marine Environmental Engineering, vol. 2, no. 2, pp.78-85, 1999. [5] K. S. Choi, M. K. Park, J. H. Lee, G. I. Park, "A Study on the Optimum Navigation Route Safety Assessment System using Real Time Weather Forecasting", Journal of the Korean Society of Marine Environment & Safety, vol. 13, no. 2, pp. 133-140, 2007. [6] K. I. Kim, J. S. Jeong, G. K. Park, "Assessment of External Force Acting on Ship Using Big Data in Maritime Traffic," Journal of Korean Institute of Intelligent Systems, vol. 23, no. 5, pp. 379-384, 2013.

따라서, 본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 이루어진 것으로서, 본 발명의 목적은 해양환경 데이터와 선박교통 데이터에 대한 맵리듀스 처리를 통해 효율적이고 신속하게 선박 외력을 추정할 수 있도록 하는 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법을 제공하는데 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 맵리듀스를 이용한 선박 외력 추정 시스템은, 해양환경 데이터로부터 외력 인덱스를 추출하고, 선박교통 데이터로부터 선박 인덱스를 추출하는 인덱스 추출부; 외력의 영향이 설정값 이하인 상태에서 선박의 최대 항행속도를 기준속력으로 설정하여, 각 선박의 기준속력을 추출하는 선박 기준속력 추출부; 상기 외력 인덱스 및 선박 인덱스를 키(Key)로 하고, 상기 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하고, 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하여 리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 저장하는 선박외력 맵리듀스 분석부; 및 운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스를 입력데이터로 하여, 상기 입력데이터에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 예측하는 선박외력 예측부;를 포함하는 것을 특징으로 한다.

상기 해양환경 데이터는 조류, 파도 및 바람을 포함하며, 상기 선박교통 데이터는 선박의 이동, 방향, 속력을 포함하는 동적정보와, 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함할 수 있다.

한편, 본 발명의 맵리듀스를 이용한 선박 외력 추정 방법은, 해양환경 데이터로부터 추출된 외력 인덱스와 선박교통 데이터로부터 추출된 선박 인덱스를 키(Key)로 하고, 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하는 단계; 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하는 단계; 리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 빅데이터를 구축하는 단계; 및 운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스가 입력되면, 입력된 외력 인덱스 및 선박 인덱스에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 현재 선박의 속력에 반영하여 예측하는 단계;를 포함하는 것을 특징으로 한다.

상기 최종 값은 하둡 분산 파일시스템(Hadoop Distributed File System) 또는 NoSQL 데이터베이스에 저장하는 것이 바람직하다.

상기 해양환경 데이터는 조류, 파도 및 바람을 포함할 수 있으며, 상기 설정 빈도 이상의 해양환경 데이터에 대해 외력 인덱스를 부여하는 것이 바람직하다.

상기 선박교통 데이터는 선박의 이동, 방향, 속력을 포함하는 동적정보와, 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함할 수 있으며, 상기 동적정보의 출현 빈도 이상의 데이터에 대해 선박 인덱스를 부여하는 것이 바람직하다.

상술한 바와 같이, 본 발명에 의한 맵리듀스를 이용한 선박 외력 추정 시스템 및 방법에 따르면, 선박의 목적지까지 해양환경에 의해 선박에 작용되는 외력을 신속 정확하게 계산함으로써, 정확한 소요시간 예측이 가능할 뿐 아니라, 선박의 진행방향과 동일방향의 외력은 최대로 이용하고, 선박의 진행방향과 반대방향의 외력은 최소화하여 선박 연료절감에 기여를 한다.

결국, 선박에 작용되는 외력을 신속 정확하게 계산할 수 있으므로, 선박교통 안전에 기여할 수 있다.

도 1은 본 발명의 일 실시예로서, 맵리듀스를 이용한 선박 외력 추정 시스템의 구성도이다.
도 2는 본 발명의 일 실시예로서, 선박 외력 빅데이터의 맵리듀스 처리 과정을 나타낸 개념도이다.
도 3은 본 발명의 일 실시예로서, 해사 빅데이터의 키(Key) 및 값(Value) 데이터 분류도이다.
도 4는 본 발명의 일 실시예로서, 맵리듀스를 이용한 선박 외력 빅데이터 분석처리 과정을 나타낸 개념도이다.
도 5는 본 발명의 일 실시예로서, 맵리듀스를 이용한 선박 외력 추정 방법을 나타낸 흐름도이다.
도 6은 본 발명의 일 실시예로서, 실험 선박의 교통분포(좌) 및 대상 그리드 구역(우)을 나타낸 그림이다.
도 7은 본 발명의 일 실시예로서, 실험 선박의 속력 예측 결과를 나타낸 그래프이다.

이하에서는 본 발명의 바람직한 실시예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조 부호는 동일한 구성 요소를 지칭함을 전제하여 설명하기로 한다.

발명의 상세한 설명 또는 특허청구범위에서 어느 하나의 구성 요소가 다른 구성 요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 당해 구성 요소만으로 이루어지는 것으로 한정되어 해석되지 아니하며, 다른 구성 요소들을 더 포함할 수 있는 것으로 이해되어야 한다.

선박에 작용하는 바람, 조류 및 파도와 같은 외력은 효율적인 연료 소모운항과 항행 안전에 많은 영향을 준다. 해상에서 수집된 해양환경 데이터 및 선박교통 데이터는 선박에 영향을 주는 외력 평가를 위해 활용되고 있다. 이 자료들은 수년 동안 우리나라 및 전세계 해역에서 수집된 방대한 자료이므로, 본 발명에서는 이를 효율적으로 처리하고 신속한 분석결과를 제공하기 위한 방안을 제시한다.

본 발명에서는 선박에 작용하는 외력 영향 평가를 위해 해양환경 데이터 및 선박교통 데이터를 분석하여 선박에 영향을 미치는 외력을 계산한다. 수집한 해양환경 데이터 및 선박교통 데이터, 선박 외력 변화 데이터에 대해 맵리듀스(MapReduce) 처리방법을 통해 선박 외력 빅데이터를 구축한다.

그리고, 본 발명에서 제안한 선박 외력 빅데이터에 실험 데이터인 실 해역에 항해하는 선박 데이터를 적용하여 외력을 예측하고, 실제 외력과 비교하여 제안한 방법에 대한 유효성을 확인한다.

도 1은 본 발명의 일 실시예로서, 맵리듀스를 이용한 선박 외력 추정 시스템의 구성도이다.

1을 참조하면, 본 발명의 맵리듀스를 이용한 선박 외력 추정 시스템은, 조류, 파도 및 바람을 포함하는 해양환경 데이터를 조합하여 설정 빈도 이상의 데이터에 대해 부여된 외력 인덱스를 추출하고, 선박의 이동, 방향, 속력을 포함하는 동적정보와 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함하는 선박교통 데이터를 조합하여 동적정보의 출현 빈도 이상의 데이터에 대해 부여된 선박 인덱스를 추출하는 인덱스 추출부(1)와, 외력(조류, 파도, 바람)의 영향이 설정값 이하인 상태에서 선박의 최대 항행속도를 기준속력으로 설정하여, 각 선박의 기준속력을 추출하는 선박 기준속력 추출부(2)와, 외력 인덱스와 선박 인덱스를 키(Key)로 하고, 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하고, 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하여 리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 저장하는 선박외력 맵리듀스 분석부(3)와, 운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스를 입력데이터로 하여, 이에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 예측하는 선박외력 예측부(4)를 포함한다.

한편, 해양환경 데이터는 해양환경 데이터베이스에 저장되어 있으며, 선박교통 데이터는 선박교통 데이터베이스에 저장되어 있다.

그러면, 여기서 선박 외력 추정 시스템를 구성하는 인덱스 추출부(1), 선박 기준속력 추출부(2), 선박외력 맵리듀스 분석부(3) 및 선박외력 예측부(4)에 대해 상세히 설명한다.

인덱스 추출부

인덱스 추출부(1)는, 외력 인덱스와 선박 인덱스로 구성되어 있다.

먼저, 외력 인덱스는 외력 데이터를 포함하고 있다.

외력 데이터는 해상의 등대와 부표에 설치된 환경 센서들로부터 얻는 조류, 파도 및 바람과 관련된 해양환경 데이터이다. 구체적으로, 해양환경 데이터는 조류(유향 및 유속), 파랑(파향 및 파고), 바람(풍향 및 풍속) 데이터일 수 있다. 외력의 방향은 8방위 문자로 분류하고, 세기는 유속의 경우 0.5 노트 단위로, 풍속의 경우 5 노트 단위로, 파고의 경우 1m 단위로 분류한다. 분류된 해양환경 데이터에 대한 모든 경우의 조합과 해당 조합이 출현하는 빈도(Freq.)를 계산한다. 각 조합에 대하여 특정 빈도(예를 들어, 10회) 이상의 데이터에 대하여 인덱스 코드를 부여한다.

외력 인덱스는 다음 [표 1]과 같이 나타낼 수 있다.

External Force Index	Current (Dir., Knot)	Wave (Dir., m)	Wind (Dir., Knot)	Freq.
1	N, 0-0.5	N, 0-1	N, 0-5	1,041
2	N, 0-0.5	N, 1-2	NE, 0-5	512
3	N, 0-0.5	N, 2-3	NE, 5-10	61
-	N, 0-0.5	N, 3-4	NE, 10-15	3
-	N, 0-0.5	NE, 0-1	NE, 15-20	5
4	N, 0-0.5	NE, 1-2	E, 0-5	651
5	N, 0-0.5	NE, 2-3	E, 5-10	101
:	:	:	:	:

선박 인덱스는 선박 데이터를 포함한다.

선박 데이터는 동적정보와 정적정보로 구성된 선박교통 데이터이다.

선박교통 데이터는 주로 선박에 설치된 선박자동식별장치(Automatic Identification System, 이하 AIS)를 통해 수집된다.

선박교통 데이터는 선박의 이동, 방향, 속력을 나타내는 동적정보와, 선박의 길이, 톤수, 목적지, 화물상태, 흘수의 정보와 같은 정적정보로 구성된다. 이 데이터들은 우리나라 전 해역에 설치된 AIS 기지국을 통해 초단위로 선박 데이터를 수집하고 있으며, 대용량의 서버에 저장된다.

여기서 선박의 위치정보는 그리드 단위로 저장하는데, 그리드의 범용성과 효과적인 확장 및 축소를 위해 위치데이터를 문자열 정보로 나타낸 Geohash 4 수준의 그리드로 구성한다. 선박의 침로는 8방위 문자로, 속력은 1 노트 단위로 각각 분류한다. 또한 해당 선박의 동적정보가 출현하는 빈도를 계산하고, 특정 빈도 미만의 데이터는 인덱스 코드를 부여하지 않는다.

정적정보는 선박 id에 대응하는 선박종류, 길이, 톤수, 선체높이 및 깊이의 항목으로 구성된다. 선박종류(Ship Type)는 일반 화물선, 위험물 운반선, 컨테이너선, 자동차운반선, 여객선, 예부선, 잡종선의 7부류로 분류하기로 한다. 선박의 길이(Length)는 75m 단위로, 총톤수(Tonnage)는 1K 톤 단위로, 선체 높이는 5m 단위로, 선박 깊이는 2m 단위로 각각 분류하기로 한다. 정적정보는 동적정보로부터 인덱스 코드를 검색하므로, 정적정보의 인덱스 부여를 위한 빈도수는 동적정보의 인덱스를 따른다.

선박 인덱스는 다음 [표 2]와 같이 나타낼 수 있다.

Ship Index	Position (Geohash)	Course (Dir.)	Speed (Kts)	Ship Type	Length (m)	Tonnage (ton)	Height (m)	Depth (m)	Freq.
1	wvcy	N	10	cargo	0-75	0-1K	0-5	2-4	3,041
2	wvcz	NE	11	cargo	0-75	0-1K	5-10	2-4	2,512
3	wvfn	E	12	cargo	75-150	7K-8K	5-10	6-8	2,461
-	wy1b	SE	13	container	75-150	8K-9K	0-5	6-8	205
4	wy1c	E	14	container	75-150	9K-10K	5-10	8-10	513
:	:	:	:	:	:	:	:	:	:

선박 기준속력 추출부

일반적으로 항만 밖 외해에서 항해하는 선박들은 현재 선박 기관상태와 엔진효율을 고려한 최대속력으로 항해한다. 선박에 영향을 미치는 외력변화는 외력의 영향이 포함된 대지속력(speed over ground)과 외력 영향이 없는 상태의 대수속력(speed over water)의 차이로 계산한다.

현재 선박 데이터로부터 수신되는 속력은 선박 GPS에 의해 측정된 대지속력으로 이 속력에는 바람, 조류, 파도와 같은 외력영향도 포함되어 있다. 반면, 대수속력 데이터 정보는 선박에서 발신되고 있지 않아서 육상에서 각 선박의 대수속력을 알 수 없다.

본 발명에서 제안하는 대수속력 추정 방법은 조류, 바람 및 파도의 영향이 미미한 해상상태에서 선박의 최대 항행속도를 대수속력으로 추정한다. 이 최대속력은 각 선박마다 크기 및 종류, 화물적재상태에 따라 고유한 값을 가지고 있어 외력을 평가하기 위한 기준속력이 된다. 본 발명에서 각 선박의 기준속력 설정 시 외력기준은 풍속이 3.4 m/s 이하와 조류 0.3 노트 이하인 상태에서 외해해역을 항해하는 선박들의 속력으로 한다.

기준선박 및 기준속력 산출은 외력이 기준속력 추출 조건 상태에서 관측센서로부터 반경 10km 내 선박의 항행속력 데이터를 추출한다. [표 3]은 추출된 데이터를 샘플 수(number of samples), 평균속력(speed mean), 속력의 표준편차(speed std.), 선박길이(length), 화물적재 상태(cargo status)에 대한 결과를 나타낸다.

Ship ID	Number of samples	Speed mean	Speed std.	Length	Cargo status
205681***	17	15.970	0.568	174	Unloaded
210296***	28	13.032	0.178	133	Unloaded
212367***	11	12.118	0.072	132	Loaded
273441***	15	12.573	0.489	113	Loaded
351664***	29	17.466	0.077	143	Passenger ship
:	:	:	:	:	:

기준선박 및 기준속력 추출 결과에서 각 선박의 ID와 화물적재 상태에 대해 평균속력 데이터를 기준속력으로 정한다. 다만, 속력의 표준편차(speed std.)가 0.3 이상의 값은 노이즈가 많은 데이터이므로 기준속력 산정에 제외한다.

선박외력 맵리듀스 분석부

맵리듀스(MapReduce)는 하둡(Hadoop)의 서브 프로젝트 프레임워크로 대용량의 데이터를 분산처리하여 빠른 시간 내에 결과를 생산하는 오픈소스 기반 데이터 관리기술이다. 맵리듀스 프레임워크는 여러 개의 분산 파일 시스템을 통해 데이터를 여러 대의 컴퓨터에 나누어 저장한다.

도 2에 도시된 바와 같이, 맵리듀스에서 데이터 처리는 입력 데이터를 키-값 쌍을 가진 데이터로 분리하는 맵(Map) 단계와 키-값으로 분리된 여러 데이터들에 대해 같은 키를 가지는 값에 대해 리스트 형태로 수집하여 리듀스 함수를 통해 계산된 최종 값을 계산하는 리듀스(Reduce) 단계로 구성되어 실행된다. 생산된 키-값 데이터들은 하둡 분산 파일시스템(Hadoop Distributed File System) 또는 NoSQL 데이터베이스에 저장한다. 이 기법은 고성능의 서버 없이 여러 대의 일반 서버나 클러스터 환경에서 병렬처리가 가능한 기법으로 기존 데이터베이스보다 빠른 데이터 처리 및 분석이 가능하다.

구성된 맵리듀스 키는 언급한 선박 인덱스와 외력 인덱스가 결합한 문자열 형태인 WSEF(Waterway Ship External Force) Code를 키로 한다. 값은 해당 위치에서 선박이 영향받는 외력으로 현재 선박 속력과 기준속력의 차이가 된다. 도 3은 맵리듀스에 의해 데이터를 키-값으로 구성된 선박 외력 빅데이터에 저장한 결과를 나타낸다.

한편, 본 발명에서는 맵리듀스 처리의 키-값 데이터에서 키로 사용되는 외력 인덱스와 선박 인덱스에 대하여 제안하고, 맵리듀스 처리방법에 대해 제안한다. 도 4는 선박의 이동 항적에 따른 해상교통 및 환경데이터를 키로 분류하고 해당 위치의 선박 외력영향을 값으로 분류한 그림이다.

선박외력 예측부

운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스를 입력데이터로 하여, 이에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 예측한다. 즉, 실 해역에서 선박 외력 예측은 현재 선박 상태로부터 예측지점의 WSEF Code를 생성하고, 이 코드를 선박 외력 빅데이터에서 조회하여 외력을 계산한다.

그러면, 여기서 상기와 같이 구성된 시스템을 이용한 본 발명의 맵리듀스를 이용한 선박 외력 추정 방법에 대해 설명하기로 한다.

도 2는 본 발명의 일 실시예로서, 맵리듀스를 이용한 선박 외력 추정 방법을 나타낸 흐름도이다.

먼저, 본 발명의 맵리듀스를 이용한 선박 외력 추정 방법은 맵리듀스를 이용한 선박 외력 추정 시스템에 의해 수행된다.

도 2를 참조하면, 먼저, 조류, 파도 및 바람을 포함하는 해양환경 데이터를 조합하여 설정 빈도 이상의 데이터에 대해 외력 인덱스를 부여하여 해양환경 데이터베이스에 저장한다.

또한, 선박의 이동, 방향, 속력을 포함하는 동적정보와 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함하는 선박교통 데이터를 조합하여 동적정보의 출현 빈도 이상의 데이터에 대해 선박 인덱스를 부여하여 선박교통 데이터베이스에 저장한다.

그리고, 외력(조류, 파도, 바람)의 영향이 설정값 이하인 상태에서 선박의 최대 항행속도를 기준속력으로 설정하여, 각 선박의 기준속력을 저장한다(S1).

한편, 해양환경 데이터베이스 및 선박교통 데이터베이스로부터 데이터 추출시 전처리 과정을 진행한다. 즉, 해역의 위치 좌표평면을 격자(grid) 형태로 분류하고, 격자 내 또는 격자 주변의 기상센서 정보를 추출한다. 그리고, 해양환경 정보 중 바람방향, 조류방향, 파도방향 데이터는 도 단위로 입력이 되고 있으므로 8방위 문자로 분류한다. 일례로서, 풍속은 5노트 단위로, 조류세기(유속)은 0.5노트 단위로, 파고는 1m 단위로 구분한다.

한편, 외력 인덱스와 선박 인덱스를 키(Key)로 하고, 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행한다(S2).

이어서, 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집한다(S3). 이후, 리듀스 함수를 통해 계산된 최종 값을 계산하여 빅데이터를 구축한다(S4).

운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스가 입력되면, 입력된 외력 인덱스 및 선박 인덱스에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 현재 선박의 속력에 반영하여 예측한다(S5).

실시예

제안한 방법에 대한 실험을 위해 2016년도 우리나라 서남해권 해역에서 수집한 선박 교통데이터와 해양환경 데이터를 수집 및 분석하였다. 또한 제안한 방법에 대한 성능을 평가하기 위해서 제주ㆍ부산 구간을 운항하는 정기 화물선의 항적을 분석하여 선박에 작용하는 외력을 예측하였다.

맵리듀스를 위한 데이터는 선박 교통데이터에 의한 선박 인덱스와 해당 시점에서 선박 위치 주변의 외력 인덱스 번호로 구성한다. 이 두 개의 인덱스를 결합하여 키로 설정하며, 값은 각 선박의 현재 속력과 기준속력의 차로 계산한다.

맵리듀스 처리는 도 4와 같이 입력 단계에서 외력 인덱스, 선박 인덱스, 속력 차이 항목으로 이루어진 데이터 셋에 대해 진행한다.

맵핑(Mapping)과정을 수행하는 맵퍼는 입력데이터를 외력과 선박 인덱스를 키로, 대상선박의 항행속력과 기준속력 차이를 값으로 분류한다. 리듀싱(Reducing)과정을 수행하는 리듀서는 분류된 키-값 데이터셋에 대하여 모든 동일한 키의 값 데이터셋으로 정렬한다.

구축한 선박 외력 빅데이터의 성능 평가는 실험을 위한 선박교통 데이터를 이용하여 선박에 작용하는 외력을 평가하였다.

대상선박은 제주항과 목포항을 운항하는 정기 화물선으로 외력이 없을 때는 선박의 최대속력인 16.8 노트의 일정한 속력으로 운항하고 있는 선박이다. 도 6은 대상선박의 교통데이터와 선택되는 해역 그리드 정보를 나타낸다.

실험에 이용되는 선박의 데이터를 선박 인덱스로 변환하고, 해양환경 데이터를 외력 인덱스로 변환하여 두 인덱스 결합으로 키를 생성하였다. 생성된 키를 선박 외력 데이터베이스에서 조회하여 속력 변화 값을 추출한 후 기준 속력에 더하여 예측 속력을 계산하였다. 도 7은 대상 선박의 실제 속력 변화와 선박 외력 빅데이터에서 추출한 예측 속력 변화를 나타낸 결과이다

분석 결과 예측 속력은 실제 속력만큼 정확하지 않지만, 약 1 노트 미만의 오차로 실제 속력 변화추이와 비슷한 추이의 변화가 나타났다. 다만, 예측 속력에는 해상교통환경, 선박상태 이상 등 여러 변수들이 포함되어 있지 않았으며, 센서 데이터 주기를 더욱 조밀하게 한다면, 더 정확한 예측이 가능할 것이다.

상술한 바와 같이, 본 발명은 해역에서 선박에 작용하는 해양환경 외력데이터, 선박교통 데이터를 분석하여, 선박의 목적지까지 해양환경에 의해 선박에 작용되는 외력을 계산함으로써 선박에서 목적지까지 정확한 소요시간 예측이 가능하고, 또한 선박에 작용하는 외력을 계산함으로써 선박의 진행방향과 동일한 외력은 최대한 활용하고, 선박의 진행방향과 반대방향의 외력은 최소로 하여 선박 연료절감에 기여를 한다.

이와 같이 본 발명은, 선박에서 목적지까지 도착시간을 예측하거나, Energy saving 항해를 위하여 각 해양 환경에 따라 선박에 작용되는 외력을 예측 가능하므로 연료절감에 효과적일 것이다. 또한 해상교통관제센터에서 선박 관제시 주의구역까지 소요시간을 외력의 영향을 고려하여 계산이 가능하므로, 선박교통안전에 기여를 할 수 있다.

하나 이상의 예시적인 구현에서, 여기서 제시된 기능들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합을 통해 구현될 수 있다. 소프트웨어로 구현되는 경우, 상기 기능들은 컴퓨터 판독가능한 매체 상에 하나 이상의 명령들 또는 코드로서 저장되거나, 또는 이들을 통해 전송될 수 있다. 컴퓨터 판독가능한 매체는 컴퓨터 저장 매체 및 일 장소에서 다른 장소로 컴퓨터 프로그램의 이전을 용이하게 하기 위한 임의의 매체를 포함하는 통신 매체를 포함한다. 저장 매체는 범용 컴퓨터 또는 특수 목적의 컴퓨터에 의해 액세스될 수 있는 임의의 가용한 매체일 수 있다. 예를 들어, 이러한 컴퓨터 판독가능한 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 저장 매체, 자기 디스크 저장 매체 또는 다른 자기 저장 장치들, 또는 명령 또는 데이터 구조의 형태로 요구되는 프로그램 코드 수단을 저장하는데 사용될 수 있고, 범용 컴퓨터, 특수목적의 컴퓨터, 범용 프로세서, 또는 특별한 프로세서에 의해 액세스될 수 있는 임의의 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.

또한, 임의의 연결 수단이 컴퓨터 판독가능한 매체로 간주될 수 있다. 예를 들어, 소프트웨어가 웹사이트, 서버, 또는 다른 원격 소스로부터 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 라인(DSL), 또는 적외선 라디오, 및 마이크로웨이브와 같은 무선 기술들을 통해 전송되는 경우, 이러한 동축 케이블, 광섬유 케이블, 연선, DSL, 또는 적외선 라디오, 및 마이크로웨이브와 같은 무선 기술들이 이러한 매체의 정의 내에 포함될 수 있다. 여기서 사용되는 disk 및 disc은 컴팩트 disc(CD), 레이저 disc , 광 disc, DVD, 플로피 disk, 및 블루-레이 disc를 포함하며, 여기서 disk는 데이터를 자기적으로 재생하지만, disc은 레이저를 통해 광학적으로 데이터를 재생한다. 상기 조합들 역시 컴퓨터 판독가능한 매체의 범위 내에 포함될 수 있다.

당업자는 상술한 다양한 예시적인 엘리먼트, 컴포넌트, 논리블록, 모듈 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 이들의 조합으로서 구현될 수 있음을 잘 이해할 것이다. 하드웨어 및 소프트웨어의 상호 호환성을 명확히 하기 위해, 다양한 예시적인 소자들, 블록, 모듈 및 단계들이 그들의 기능적 관점에서 기술되었다. 이러한 기능이 하드웨어로 구현되는지, 또는 소프트웨어로 구현되는지는 특정 애플리케이션 및 전체 시스템에 대해 부가된 설계 제한들에 의존한다. 당업자는 이러한 기능들을 각각의 특정 애플리케이션에 대해 다양한 방식으로 구현할 수 있지만, 이러한 구현 결정이 본 발명의 영역을 벗어나는 것은 아니다.

본 개시물과 관련하여 기재되는 다양한 예시적인 논리 블록들 및 모듈들은 범용 프로세서, 디지털 신호 처리기(DSP), 주문형 반도체(ASIC), 필드 프로그램어블 게이트 어레이(FPGA) 또는 다른 프로그램어블 논리 디바이스, 이산 게이트 또는 트랜지스터 논리, 이산 하드웨어 컴포넌트들 또는 여기서 기재되는 기능들을 구현하도록 설계되는 임의의 조합을 통해 구현 또는 수행될 수 있다. 범용 프로세서는 마이크로 프로세서 일 수 있지만; 대안적 실시예에서, 이러한 프로세서는 기존 프로세서, 제어기, 마이크로 제어기, 또는 상태 머신일 수 있다. 프로세서는 예를 들어, DSP 및 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로 프로세서, 또는 이러한 구성들의 조합과 같이 계산 장치들의 조합으로서 구현될 수 있다.

하드웨어 구현에 대하여, 여기에서 개시되는 양상들과 관련하여 설명되는 프로세싱 유닛들의 다양한 예시적인 로직들, 로직 블록들 및 모듈들은, 하나 이상의 주문형 반도체(ASIC)들, 디지털 신호 처리기들(DSP)들, 디지털 신호 프로세싱 디바이스(DSPD)들, 프로그래밍가능한 로직 디바이스(PLD)들, 필드 프로그래밍가능한 게이트 어레이(FPGA)들, 이산 게이트 또는 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 범용 목적의 프로세서들, 제어기들, 마이크로-컨트롤러들, 마이크로프로세서들, 여기에서 설명되는 기능들을 수행하도록 설계되는 다른 전자 유닛들, 또는 이들의 조합에서 구현될 수 있다. 범용-목적 프로세서는 마이크로프로세서일 수 있지만, 대안적으로, 임의의 기존의 프로세서, 제어기, 마이크로컨트롤러, 또는 상태 머신일 수 있다. 프로세서는 또한 컴퓨팅 디바이스들의 조합(예컨대, DSP 및 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 관련된 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 적절한 구성)으로 구현될 수 있다. 추가적으로, 적어도 하나의 프로세서는 여기에서 설명되는 단계들 및/또는 동작들 중 하나 이상을 구현할 수 있는 하나 이상의 모듈들을 포함할 수 있다.

게다가, 여기에서 설명되는 다양한 양상들 또는 특징들은 표준 프로그래밍 및/또는 엔지니어링 기법들을 사용하는 방법, 장치, 또는 제조물로서 구현될 수 있다. 또한, 여기에서 개시되는 양상들과 관련하여 설명되는 방법 또는 알고리즘의 단계들 및/또는 동작들은 하드웨어로, 프로세서에 의해 실행되는 소프트웨어 모듈로, 또는 이들의 조합으로 직접 구현될 수 있다. 추가적으로, 몇몇의 양상들에서, 방법 또는 알고리즘의 단계들 또는 동작들은 기계-판독가능 매체, 또는 컴퓨터-판독가능 매체 상의 코드들 또는 명령들의 세트의 적어도 하나의 또는 임의의 조합으로서 존재할 수 있으며, 이는 컴퓨터 프로그램 물건으로 통합될 수 있다. 여기에서 사용되는 용어 제조물은 임의의 적절한 컴퓨터-판독가능 디바이스 또는 매체로부터 액세스가능한 컴퓨터 프로그램을 포함하도록 의도된다.

제시된 실시예들에 대한 설명은 임의의 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

1 : 인덱스 추출부
2 : 선박 기준속력 추출부
3 : 선박외력 맵리듀스 분석부
4 : 선박외력 예측부

Claims (9)

1. 해양환경 데이터로부터 외력 인덱스를 추출하고, 선박교통 데이터로부터 선박 인덱스를 추출하는 인덱스 추출부;
   외력의 영향이 설정값 이하인 상태에서 선박의 최대 항행속도를 기준속력으로 설정하여, 각 선박의 기준속력을 추출하는 선박 기준속력 추출부;
   상기 외력 인덱스 및 선박 인덱스를 키(Key)로 하고, 상기 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하고, 키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하여 리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 저장하는 선박외력 맵리듀스 분석부; 및
   운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스를 입력데이터로 하여, 상기 입력데이터에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 예측하는 선박외력 예측부;를 포함하며,
   상기 인덱스 추출부는, 해양환경 데이터베이스 및 선박교통 데이터베이스로부터 데이터 추출시 전처리 과정을 진행하고,
   상기 전처리 과정은,
   해역의 위치 좌표평면을 격자(grid) 형태로 분류하고, 격자 내 또는 격자 주변의 기상센서 정보를 추출하고,
   해양환경 정보 중 바람방향, 조류방향, 또는 파도방향 데이터는 도 단위로 입력이 되고 있으므로 8방위 문자로 분류하며,
   풍속은 5노트 단위로, 조류세기(유속)은 0.5노트 단위로, 파고는 1m 단위로 구분하는 것을 특징으로 하는 맵리듀스를 이용한 선박 외력 추정 시스템.
2. 제1항에 있어서,
   상기 해양환경 데이터는 조류, 파도 및 바람을 포함하는 맵리듀스를 이용한 선박 외력 추정 시스템.
3. 제1항에 있어서,
   상기 선박교통 데이터는 선박의 이동, 방향, 속력을 포함하는 동적정보와, 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함하는 맵리듀스를 이용한 선박 외력 추정 시스템.
4. 해양환경 데이터로부터 추출된 외력 인덱스와 선박교통 데이터로부터 추출된 선박 인덱스를 키(Key)로 하고, 기준속력과 현재속력의 차이값을 값(Value)으로 하는 입력데이터에 대해 키-값 맵핑을 수행하는 단계;
   키-값으로 구성된 다른 데이터들에 대해 동일 키를 갖는 값들에 대해 리스트 형태로 수집하는 단계;
   리듀스 함수를 통해 계산된 최종 값(Value)을 계산하여 빅데이터를 구축하는 단계; 및
   운항하는 선박으로부터 입력된 외력 인덱스 및 선박 인덱스가 입력되면, 입력된 외력 인덱스 및 선박 인덱스에 대응하는 최종 값을 검색하여 현재 선박의 외력 영향을 현재 선박의 속력에 반영하여 예측하는 단계;를 포함하며,
   상기 키-값 맵핑을 수행하는 단계 이전에, 해양환경 데이터베이스 및 선박교통 데이터베이스로부터 데이터 추출시 전처리 과정을 진행하는 단계를 더 포함하고,
   상기 전처리 과정은,
   해역의 위치 좌표평면을 격자(grid) 형태로 분류하고, 격자 내 또는 격자 주변의 기상센서 정보를 추출하고,
   해양환경 정보 중 바람방향, 조류방향, 또는 파도방향 데이터는 도 단위로 입력이 되고 있으므로 8방위 문자로 분류하며,
   풍속은 5노트 단위로, 조류세기(유속)은 0.5노트 단위로, 파고는 1m 단위로 구분하는 것을 특징으로 하는 맵리듀스를 이용한 선박 외력 추정 방법.
5. 제4항에 있어서,
   상기 최종 값은 하둡 분산 파일시스템(Hadoop Distributed File System) 또는 NoSQL 데이터베이스에 저장하는 선박 외력 추정 방법.
6. 제4항에 있어서,
   상기 해양환경 데이터는 조류, 파도 및 바람을 포함하는 맵리듀스를 이용한 선박 외력 추정 방법.
7. 제6항에 있어서,
   상기 해양환경 정보의 설정 빈도 이상의 데이터에 대해 외력 인덱스를 부여하는 맵리듀스를 이용한 선박 외력 추정 방법.
8. 제4항에 있어서,
   상기 선박교통 데이터는 선박의 이동, 방향, 속력을 포함하는 동적정보와, 선박의 길이, 톤수, 목적지, 화물상태, 흘수를 포함하는 정적정보를 포함하는 맵리듀스를 이용한 선박 외력 추정 방법.
9. 제8항에 있어서,
   상기 동적정보의 출현 빈도 이상의 데이터에 대해 선박 인덱스를 부여하는 맵리듀스를 이용한 선박 외력 추정 방법.

Images