KR102186520B1 - 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법 - Google Patents

네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법 Download PDF

Info

Publication number
KR102186520B1
KR102186520B1 KR1020200059017A KR20200059017A KR102186520B1 KR 102186520 B1 KR102186520 B1 KR 102186520B1 KR 1020200059017 A KR1020200059017 A KR 1020200059017A KR 20200059017 A KR20200059017 A KR 20200059017A KR 102186520 B1 KR102186520 B1 KR 102186520B1
Authority
KR
South Korea
Prior art keywords
maritime traffic
nodes
traffic network
ship
analysis
Prior art date
Application number
KR1020200059017A
Other languages
English (en)
Inventor
오재용
김혜진
Original Assignee
한국해양과학기술원
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 한국해양과학기술원 filed Critical 한국해양과학기술원
Priority to KR1020200059017A priority Critical patent/KR102186520B1/ko
Application granted granted Critical
Publication of KR102186520B1 publication Critical patent/KR102186520B1/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
    • G06K9/20—
    • G06Q50/30—
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Ocean & Marine Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 관한 것으로서, 특히 선박 자동 식별 장치(AIS) 및 레이더에서 수신된 선박 운항 정보와 항만 관리 정보 시스템(Port-MIS)으로부터 수신된 입출항 정보를 기초로 각 선박에 해당하는 노드들과 이 노드들을 선택적으로 연결하는 에지들에 의해 이루어진 해상교통 네트워크를 구성하고, 이 해상교통 네트워크에 기초해 충돌 위험도를 분석함과 아울러 이상 운항 선박을 결정하는, 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 관한 것이다.

Description

네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법{SYSTEM AND METHOD FOR ANALYZING MARINE TRAFFIC USING NETWORK THEORY}
본 발명은 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 관한 것으로서, 특히 선박 자동 식별 장치(AIS) 및 레이더에서 수신된 선박 운항 정보와 항만 관리 정보 시스템(Port-MIS)으로부터 수신된 입출항 정보를 기초로 각 선박에 해당하는 노드들과 이 노드들을 선택적으로 연결하는 에지들에 의해 이루어진 해상교통 네트워크를 구성하고, 이 해상교통 네트워크에 기초해 충돌 위험도를 분석함과 아울러 이상 운항 선박을 결정하는, 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 관한 것이다.
최근, 선박의 대형화 및 고속화가 지속되고 있으며, 반면에 각종 신항만 및 항만 배후단지, 해상교량, 정박지 및 항로 지정 등의 증설로 선박 통항로가 협소해짐에 따라 해양사고의 개연성이 높아지고 있다.
또한, 해상교통시스템의 개선 및 최적화와, 국가경제 발전 및 국가 경쟁력 확보를 위해 도로 및 항만 등과 같은 사회기반시설의 확충 사업이 활발하게 이루어지고 있다.
해상교통안전진단제도는 선박 통항로에 가설 또는 설치되는 각종 항만 시설물과 사회기반 시설물의 설치 및 보수 공사 등이 선박의 안전 항행에 미치는 정도를 사전에 평가하도록 하는 제도이며, 다양한 해상교통 분석 방법이 활용되고 있다.
해상교통 분석에는 주로 선박 자동 식별 장치(AIS)나 레이더로부터 취득된 선박 운항 정보를 누적하여 데이터베이스를 구축하고, 이를 통계적으로 분석하여 해상교통 현황을 파악하게 된다.
선박 운항 정보는 위치(위도, 경도) 특징을 가지고 있기 때문에, 특정 위치에서의 선박 출현 빈도, 선박의 이동 경로 분석 등 위치 기반의 분석 방법에 사용되고 있다. 선박의 운항은 다른 선박과 정보교환 및 소통을 통해 이루어짐을 고려할 때, 사용자와 사용자 간의 관계를 통해 구성된 사회관계망(Social Network)과 같이 선박-선박의 관계로 해석될 수 있다.
한편, VTS(해상교통관제시스템)는 선박 자동 식별 장치(AIS)나 레이더로부터 취득된 선박의 운항 정보를 바탕으로 해상교통 상황을 실시간으로 분석하여 위험 요소를 가진 선박에게 이를 통보하여 해양사고를 미연에 방지하는 기능을 수행하고 있다.
그러나 해상교통 위험 상황 판단 업무는 선박의 위치뿐 만 아니라 속도, 침로 등의 다양한 정보를 다각적으로 분석해야하기 때문에, 현재의 위치 기반의 해상교통 분석 방법은 위험 요소를 신속하고 정확하게 식별하지 못하는 문제점이 있었다.
국내 특허 공개 2017-0103326호 공보(발명의 명칭 : 해상교통 경고 정보 제공 장치 및 방법)
따라서 본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, 본 발명의 목적은 해상에 위치한 선박의 충돌 위험도의 분석과 이상 운항 선박의 탐색에 있어서 시간과 자원의 낭비를 최대한 억제할 수 있는, 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법을 제공하는 데에 있다.
상기의 목적을 달성하기 위해 본 발명의 일 실시형태에 의한 네트워크 이론을 이용한 해상교통 분석 시스템은 선박 자동 식별 장치 및 레이더에서 선박 운항 정보를 수신하고 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성하고, 항만 관리 정보 시스템으로부터 입출항 정보를 수신하며, 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드들을 생성하여 기존의 노드들에 대해서 노드를 갱신하며, 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 계산하며, 상기 DCPA 및 TCPA를 이용하여 에지를 생성하고 기존의 에지에 대해서 에지를 갱신하며, 갱신된 상기 노드들에 대해서 상기 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하도록 구성된 해상교통 네트워크 구성부; 및 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하고, 상기 해상교통 네트워크의 노드들을 K-평균(means) 알고리즘에 의해 군집화하여 그룹을 형성하며, 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있거나, 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우, 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 해상교통 네트워크 분석부;를 포함하는 것을 특징으로 한다.
상기 일 실시형태에 의한 네트워크 이론을 이용한 해상교통 분석 시스템은 상기 해상교통 네트워크 구성부에 의해 구성된 해상교통 네트워크와, 상기 해상교통 네트워크 분석부에 의해 분석된 충돌 위험도 및 결정된 이상 운항 선박을 표시하도록 구성된 분석 결과 표시부를 더 포함할 수 있다.
상기 일 실시형태에 의한 네트워크 이론을 이용한 해상교통 분석 시스템에 있어서, 상기 노드들의 갱신은 기존의 노드들의 선박 중 분석 대상 영역을 벗어나는 경우 해당 선박의 노드를 삭제하고, 분석 대상 영역에 새롭게 진입하는 노드를 추가하는 과정을 포함할 수 있다.
상기 일 실시형태에 의한 네트워크 이론을 이용한 해상교통 분석 시스템에 있어서, 상기 해상교통 네트워크 분석부는, 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 노드간 거리가 짧을수록 충돌 위험도가 높고, 노드에 연결된 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정하도록 구성된 충돌 위험도 분석부; 상기 해상교통 네트워크의 노드들을 K-평균 알고리즘에 의해 군집화하여 그룹을 형성하거나, 노드에 그룹 정보를 부여하도록 구성된 군집 구성부; 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있을 경우 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 네트워크 기반 군집 분석부; 및 상기 해상교통 네트워크를 설정된 주기별로 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 네트워크 기반 시계열 분석부;를 포함할 수 있다.
상기의 목적을 달성하기 위해 본 발명의 다른 실시형태에 의한 해상교통 분석 방법은 해상교통 네트워크 구성부가 선박 자동 식별 장치 및 레이더에서 선박 운항 정보를 수신하고, 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성하는 단계; 상기 해상교통 네트워크 구성부가 항만 관리 정보 시스템(Port-MIS)으로부터 입출항 정보를 수신하는 단계; 상기 해상교통 네트워크 구성부가 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드들을 생성하는 단계; 상기 해상교통 네트워크 구성부가 기존의 노드들의 선박 중 분석 대상 영역을 벗어나는 경우 해당 선박의 노드를 삭제하고, 분석 대상 영역에 새롭게 진입하는 선박의 상기 노드들을 추가하여 노드를 갱신하는 단계; 상기 해상교통 네트워크 구성부가 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 계산하는 단계; 상기 해상교통 네트워크 구성부가 상기 DCPA 및 TCPA를 이용하여 에지를 생성하고 기존의 에지에 대해서 갱신하며, 갱신된 상기 노드들에 대해서 상기 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하는 단계; 해상교통 네트워크 분석부가 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하는 단계; 상기 해상교통 네트워크 분석부가 상기 해상교통 네트워크의 노드들을 K-평균(means) 알고리즘에 의해 군집화하여 그룹을 형성하거나 노드들 각각에 그룹 정보를 부여하는 단계; 상기 해상교통 네트워크 분석부가 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 존재하는 지의 여부를 결정하는 단계; 및 상기 동일 그룹 내에서 다른 속성을 갖는 노드가 존재하면 해당 노드의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부를 통해 표시하는 단계;를 포함하는 것을 특징으로 한다.
상기 다른 실시형태에 의한 해상교통 분석 방법에 있어서, 상기 충돌 위험도 분석 단계는, 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 노드간 거리가 짧을수록 충돌 위험도가 높고, 노드에 연결된 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정할 수 있다.
상기 다른 실시형태에 의한 해상교통 분석 방법은 상기 그룹 정보 부여 단계 이후, 상기 해상교통 네트워크 분석부가 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하는 단계; 상기 해상교통 네트워크 분석부가 상기 해상교통 네트워크 내에서 그룹 간 이동이 설정수 이상 잦은 노드가 존재하는 지의 여부를 결정하는 단계; 및 상기 해상교통 네트워크 분석부가 그룹 간 이동이 설정수 이상 잦은 노드가 존재할 경우 해당 노드의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부를 통해 표시하는 단계;를 더 포함할 수 있다.
본 발명의 실시형태들에 의한 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 의하면, 선박 자동 식별 장치 및 레이더에서 선박 운항 정보를 수신하고 버퍼링하여 설정된 시점에서의 선박 운항 정보를 생성하고, 항만 관리 정보 시스템으로부터 입출항 정보를 수신하며, 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드들을 생성하여 기존의 노드들에 대해서 노드를 갱신하며, 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA 및 TCPA를 계산하며, 상기 DCPA 및 TCPA를 이용하여 에지를 생성하고 기존의 에지에 대해서 에지를 갱신하며, 갱신된 상기 노드들에 대해서 상기 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하고, 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하고, 상기 해상교통 네트워크의 노드들을 군집화하여 그룹을 형성하며, 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있거나, 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우, 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성됨으로써, 해상에 위치한 선박의 충돌 위험도의 분석과 이상 운항 선박의 탐색에 있어서 시간과 자원의 낭비를 최대한 억제할 수 있다는 뛰어난 효과가 있다.
도 1은 본 발명의 실시예에 의한 네트워크 이론을 이용한 해상교통 분석 시스템의 블록 구성도이다.
도 2는 도 1의 해상교통 네트워크 분석부에 대한 상세 블록도이다.
도 3a, 도 3b 및 도 3c는 본 발명의 실시예에 의한 네트워크 이론을 이용한 해양교통 분석 방법을 설명하기 위한 플로우챠트이다.
도 4는 도 1의 해상교통 네트워크 구성부에 의해 생성된 해상교통 네트워크의 구성도이다.
도 5는 실제 해상교통 네트워크의 예시도이다.
도 6은 도 1의 해상교통 네트워크 분석부에서 해상교통 네트워크를 이용해 선박의 충돌 위험도를 분석한 예시도이다.
도 7은 도 1의 해상교통 네트워크 분석부에서 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드를 이상 운항 선박으로 결정하는 예시도이다.
도 8은 도 1의 해상교통 네트워크 분석부에서 설정된 주기별로 해상교통 네트워크를 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우, 해당 노드의 선박을 이상 운항 선박으로 결정하는 예시도이다.
본 발명의 실시예를 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예를 기술하기 위한 것이며, 결코 제한적으로 해석되어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하는 것으로 해석되어서는 안 된다.
도면에서 도시된 각 시스템에서, 몇몇 경우에서의 요소는 각각 동일한 참조 번호 또는 상이한 참조 번호를 가져서 표현된 요소가 상이하거나 유사할 수가 있음을 시사할 수 있다. 그러나 요소는 상이한 구현을 가지고 본 명세서에서 보여지거나 기술된 시스템 중 몇몇 또는 전부와 작동할 수 있다. 도면에서 도시된 다양한 요소는 동일하거나 상이할 수 있다. 어느 것이 제1 요소로 지칭되는지 및 어느 것이 제2 요소로 불리는지는 임의적이다.
본 명세서에서 어느 하나의 구성요소가 다른 구성요소로 자료 또는 신호를 '전송', '전달' 또는 '제공'한다 함은 어느 한 구성요소가 다른 구성요소로 직접 자료 또는 신호를 전송하는 것은 물론, 적어도 하나의 또 다른 구성요소를 통하여 자료 또는 신호를 다른 구성요소로 전송하는 것을 포함한다.
이하, 본 발명의 실시예를 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 의한 네트워크 이론을 이용한 해상교통 분석 시스템의 블록 구성도이고, 도 2는 도 1의 해상교통 네트워크 분석부에 대한 상세 블록도이다.
본 발명의 실시예에 의한 네트워크 이론을 이용한 해상교통 분석 시스템은, 도 1 및 도 2에 도시된 바와 같이, 해상교통 네트워크 구성부(100), 해상교통 네트워크 분석부(200) 및 분석결과 표시부(300)를 포함한다.
해상교통 네트워크 구성부(100)는 선박 자동 식별 장치(A) 및 레이더(R)에서 선박 운항 정보[식별코드(MMSI 또는 타겟 ID), 위치(위도 및 경도), 속도, 침로, 방위 등을 포함]를 수신하고, 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성하며, 항만 관리 정보 시스템(P)으로부터 입출항 정보(입항 및 출항하는 선박의 출발지 및 목적지의 정보, 정박 및 묘박하는 선박의 정보)를 수신하며, 생성된 선박 운항 정보를 이용하여 선박들에 해당하는 노드(N)들을 생성하여 기존에 존재하던 노드(N)들에 대해서 노드(N)를 갱신하는 역할을 한다. 노드(N)들의 갱신은 기존의 해상교통 네트워크의 노드(N)들의 선박 중 분석 대상 영역을 벗어나는 경우 해당 선박의 노드(N)를 삭제하는 과정과, 분석 대상 영역에 새롭게 진입하는 선박의 노드(N)들을 해상교통 네트워크에 추가하는 과정을 포함한다. 물론 기존에 해상교통 네트워크에 노드(N)들이 존재하지 않을 경우는 생성되는 노드(N)들을 해상교통 네트워크에 추가하는 과정만 포함한다.
해상교통 네트워크 구성부(100)는 선박 운항 정보를 이용하여 노드들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 다음의 [수학식 1] 및 [수학식 2]에 의해 계산하며, DCPA 및 TCPA를 에지(E)의 가중치로 해서 에지(E)를 생성하고, 기존의 에지(E)에 대해서 에지(E)를 갱신하며, 갱신된 노드(N)들에 대해서 갱신된 에지(E)를 연결시킨다. 이에 따라, 도 4에 도시된 바와 같은 해상교통 네트워크를 구성할 수 있다.
[수학식 1]
Figure 112020049786561-pat00001
[여기서,
Figure 112020049786561-pat00002
는 자 선박의 속도[㎧]를 나타내고,
Figure 112020049786561-pat00003
는 타겟 선박의 속도[㎧]를 나타내며, D는 자 선박과 타겟 선박 간의 거리[m]를 나타내며, α는 자 선박으로부터 타겟 선박으로의 방위[rad]를 나타내며, β는 타겟 선박으로부터 자 선박으로의 방위[rad]를 나타냄]
[수학식 2]
Figure 112020049786561-pat00004
도 5는 실제 해상교통 네트워크의 예시도이다.
해상교통 네트워크 분석부(200)는 해상교통 네트워크 구성부(100)에 의해 구성된 해상교통 네트워크로부터 충돌 위험도를 분석하고, 이상 운항 선박을 결정하는 역할을 한다.
해상교통 네트워크 분석부(200)는 충돌 위험도 분석부(210), 군집 구성부(220), 네트워크 기반 군집 분석부(230), 및 네트워크 기반 시계열 분석부(240)를 포함한다.
충돌 위험도 분석부(210)는 해상교통 네트워크의 노드(N)간 거리 및 노드(N)에 연결된 에지(E)의 수를 파악하여 충돌 위험도를 분석한다.
해상교통 네트워크 구성부(100)에 의해 계산된 TCPA 및 DCPA를 네트워크의 에지(E) 가중치로 설정하면, 노드(N)간 거리가 짧을수록 충돌 위험도가 높다. 또한 노드(N)에 연결된 에지(E)의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정될 수 있다.
기존의 해상교통 분석 시스템에 의하면 1:1 충돌 상황에 대한 분석만이 가능한 반면, 본 발명의 해상교통 네트워크 분석 시스템에 의하면 위와 같이 충돌 위험에 따른 2차적 영향 또는 3차적 영향을 분석할 수 있다.
도 6에 도시된 바와 같이, 충돌 위험 선박 그룹은 노드 E, A, B, D를 포함하고 있으며, 노드 E, A, B, D 는 충돌 위험의 2차 및 3차적 영향이 있을 수 있고, 노드 G, F 는 상대적으로 영향이 작을 수 있음을 나타낸다.
군집 구성부(220)는 해상교통 네트워크의 노드(N)들을 K-평균 알고리즘에 의해 군집화하여 그룹을 형성하거나, 노드(N)에 그룹 정보를 부여하는 역할을 한다.
군집 구성부(220)에 의해 설정 가능한 노드(N)의 그룹 정보는 선박 운항 상태 정보(입항, 출항, 정박, 묘박 등), 목적지, 침로(CoG: Course over Ground), 속도(SoG: Speed over Ground) 등이 있다. 즉, 군집 구성부(220)에 의해 형성될 수 있는 그룹은 선박 운항 상태별 그룹, 목적지별 그룹, 침로별 그룹 및 속도별 그룹이 있다.
이와 같이 구성된 해상교통 네트워크를 살펴보면, 동일 그룹 내에서 상이한 세부속성을 가진 노드를 발견할 수 있는데 해당 노드의 선박이 이상 운항 선박임을 알 수 있다.
예컨대, 도 7을 살펴보면, 해상교통 네트워크 내에는 그룹 A 및 그룹 B가 형성되어 있으며, A, B, C, D, E가 동일 속성으로 그룹 B로 군집화되어 있으며, 세부 속성에 있어서 노드 C가 노드 A, B, D, E와 상이하다. 이에 따라 C는 이상 운항 선박일 가능성이 높다.
네트워크 기반 시계열 분석부(240)는 해상교통 네트워크 구성부(100)에 의해 구성된 해상교통 네트워크를 설정된 주기별로 비교 분석하여, 그룹 간 이동이 설정수 이상 잦은 노드(N)가 있을 경우 해당 노드(N)의 선박을 이상 운항 선박으로 결정할 수 있다.
예컨대, 도 8을 살펴보면, 해상교통 네트워크가 최소 1초 주기로 업데이트되며, 매 주기마다 업데이트되는 해상교통 네트워크(즉, 시간 t에서의 해상교통 네트워크, 및 시간 t+1에서의 해상교통 네트워크)를 비교 분석하면 노드 C가 그룹 간 이동이 잦은 노드임을 알 수 있으며, 이때 노드 C의 선박을 이상 운항 선박으로 결정할 수 있다.
분석결과 표시부(300)는 해상교통 네트워크 구성부(100)에 의해 구성되는 해상교통 네트워크와, 해상교통 네트워크 분석부(200)에 의해 분석된 충돌 위험도 및 결정된 이상 운항 선박을 표시하는 역할을 한다.
한편, 분석결과 표시부(300)는 이상 운항 선박 외에도 정상 운항 선박도 표시할 수 있으며, 해상교통 네트워크 구성부(100)에 의해 해상교통 네트워크가 구성되는 모든 과정과, 해상교통 네트워크 분석부(200)에 의해 분석되는 모든 과정을 표시할 수도 있다.
상기와 같이 구성된 본 발명의 실시예에 의한 네트워크 이론을 이용한 해상교통 분석 시스템을 이용한 해상 교통 분석 방법에 대해 설명하기로 한다.
도 3a, 도 3b 및 도 3c는 본 발명의 실시예에 의한 네트워크 이론을 이용한 해양교통 분석 방법을 설명하기 위한 플로우챠트로서, 여기서 S는 스텝(step)을 의미한다.
먼저, 해상교통 네트워크 구성부(100)가 선박 자동 식별 장치(A) 및 레이더(R)에서 선박 운항 정보를 수신하고, 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성한다(S10).
이때, 해상교통 네트워크 구성부(100)가 항만 관리 정보 시스템(Port-MIS)으로부터 입출항 정보를 수신한다(S20)
이후, 해상교통 네트워크 구성부(100)가 스텝(S10)에서 생성된 선박 운항 정보를 이용하여 선박들에 해당하는 노드(N)들을 해상교통 네트워크에 생성하고(S30), 기존의 해상교통 네트워크 내에서의 노드(N)들의 선박 중 분석 대상 영역을 벗어나는 경우, 해당 선박의 노드(N)를 해상교통 네트워크 내에서 삭제하고, 스텝(S10)에서 생성된 노드(N)들을 추가하여 해상교통 네트워크 내의 노드(N)를 갱신한다(S40).
다음, 해상교통 네트워크 구성부(100)가 스텝(S10)에서 생성된 선박 운항 정보를 이용하여 노드(N)들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 위의 [수학식 1] 및 [수학식 2]에 의해 계산한다(S50).
이어서, 해상교통 네트워크 구성부(100)가 스텝(S50)에서 계산된 DCPA 및 TCPA를 에지(E)의 가중치로 하여 에지(E)를 생성한 후 기존의 에지(E)에 대해서 갱신한다(S60).
다음, 해상교통 네트워크 구성부(100)가 스텝(S40)에서 갱신된 노드(N)들에 대해서 스텝(S60)에 의해 갱신된 에지(E)를 연결시켜, 해상교통 네트워크를 구성한다(S70).
이후, 해상교통 네트워크 분석부(200)가 스텝(S70)에서 구성된 해상교통 네트워크의 노드(N)간 거리 및 노드(N)에 연결된 에지(E)의 수를 파악하여 충돌 위험도를 분석한다(S80).
충돌 위험도 분석시, 노드간 거리가 짧을수록 충돌 위험도가 높고, 노드에 연결된 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정한다.
다음, 해상교통 네트워크 분석부(200)가 스텝(S70)에서 구성된 해상교통 네트워크의 노드(N)들을 K-평균(means) 알고리즘에 의해 군집화하여 그룹을 형성하거나 노드(N)들 각각에 그룹 정보를 부여하고(S90), 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드(N)가 존재하는 지의 여부를 결정한다(S100).
이때, 동일 그룹 내에서 다른 속성을 갖는 노드(N)가 존재하면(Yes), 해당 노드(N)의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부(300)를 통해 표시한다(S110).
한편, 동일 그룹 내에서 다른 속성을 갖는 노드(N)가 존재하지 않으면(No), 스텝(S100)을 반복한다.
한편, 상기 스텝(S90) 이후, 해상교통 네트워크 분석부(200)가 설정된 주기별로 해상교통 네트워크를 비교 분석하고(S120), 해상교통 네트워크 내에서 그룹 간 이동이 설정수 이상 잦은 노드(N)가 존재하는 지의 여부를 결정한다(S130).
상기 스텝(S130)에서 해상교통 네트워크 분석부(200)는 그룹 간 이동이 설정수 이상 잦은 노드(N)가 존재할 경우(Yes), 해당 노드(N)의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부(300)를 통해 표시한다(S140).
한편, 상기 스텝(S130)에서 그룹 간 이동이 설정수 이상 잦은 노드(N)가 존재하지 않을 경우(No), 상기 스텝(S120)으로 진행된다.
본 발명의 실시예에 의한 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법에 의하면, 선박 자동 식별 장치 및 레이더에서 선박 운항 정보를 수신하고 버퍼링하여 설정된 시점에서의 선박 운항 정보를 생성하고, 항만 관리 정보 시스템으로부터 입출항 정보를 수신하며, 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드들을 생성하여 기존의 노드들에 대해서 노드를 갱신하며, 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA 및 TCPA를 계산하며, 상기 DCPA 및 TCPA를 이용하여 에지를 생성하고 기존의 에지에 대해서 에지를 갱신하며, 갱신된 상기 노드들에 대해서 상기 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하고, 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하고, 상기 해상교통 네트워크의 노드들을 군집화하여 그룹을 형성하며, 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있거나, 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우, 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성됨으로써, 해상에 위치한 선박의 충돌 위험도의 분석과 이상 운항 선박의 탐색에 있어서 시간과 자원의 낭비를 최대한 억제할 수 있다.
도면과 명세서에는 최적의 실시예가 개시되었으며, 특정한 용어들이 사용되었으나 이는 단지 본 발명의 실시형태를 설명하기 위한 목적으로 사용된 것이지 의미를 한정하거나 특허 청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: 해상교통 네트워크 구성부
200: 해상교통 네트워크 분석부
210: 충돌 위험도 분석부
220: 군집 구성부
230: 네트워크 기반 군집 분석부
240: 네트워크 기반 시계열 분석부
300: 분석결과 표시부
N: 해상교통 네트워크의 노드
E: 해상교통 네트워크의 에지

Claims (7)

  1. 선박 자동 식별 장치(A) 및 레이더(R)에서 선박 운항 정보를 수신하고 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성하고, 항만 관리 정보 시스템(P)으로부터 입출항 정보를 수신하며, 상기 입출항 정보와 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드(N)들을 생성하여 기존의 노드들에 대해서 노드를 갱신하며, 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 계산하며, 상기 DCPA 및 TCPA를 이용하여 에지(E)를 생성하고 기존의 에지에 대해서 에지를 갱신하며, 갱신된 상기 노드들에 대해서 계산된 상기 노드들의 선박별 DCPA 및 TCPA를 이용해 생성하고 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하도록 구성된 해상교통 네트워크 구성부(100); 및
    상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하여, 노드간 거리가 짧을수록 충돌 위험도가 높고, 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정하고, 상기 해상교통 네트워크의 노드들을 K-평균(means) 알고리즘에 의해 군집화하여 그룹을 형성하며, 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있거나, 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우, 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 해상교통 네트워크 분석부(200);를 포함하는, 네트워크 이론을 이용한 해상교통 분석 시스템.
  2. 제 1 항에 있어서,
    상기 해상교통 네트워크 구성부(100)에 의해 구성된 해상교통 네트워크와, 상기 해상교통 네트워크 분석부(200)에 의해 분석된 충돌 위험도 및 결정된 이상 운항 선박을 표시하도록 구성된 분석 결과 표시부(300)를 더 포함하는, 네트워크 이론을 이용한 해상교통 분석 시스템.
  3. 제 1 항에 있어서,
    상기 노드(N)들의 갱신은
    기존의 노드들의 선박 중 분석 대상 영역을 벗어나는 경우 해당 선박의 노드를 삭제하고, 분석 대상 영역에 새롭게 진입하는 선박의 노드를 추가하는 과정을 포함하는, 네트워크 이론을 이용한 해상교통 분석 시스템.
  4. 제 1 항에 있어서,
    상기 해상교통 네트워크 분석부(200)는,
    상기 해상교통 네트워크의 노드(N)간 거리 및 노드에 연결된 에지(E)의 수를 파악하여 노드간 거리가 짧을수록 충돌 위험도가 높고, 노드에 연결된 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정하도록 구성된 충돌 위험도 분석부(210);
    상기 해상교통 네트워크의 노드들을 K-평균 알고리즘에 의해 군집화하여 그룹을 형성하거나, 노드에 그룹 정보를 부여하도록 구성된 군집 구성부(220);
    상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 있을 경우 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 네트워크 기반 군집 분석부(230); 및
    상기 해상교통 네트워크를 설정된 주기별로 비교 분석하여 그룹 간 이동이 설정수 이상 잦은 노드가 있을 경우 해당 노드의 선박을 이상 운항 선박으로 결정하도록 구성된 네트워크 기반 시계열 분석부(240);를 포함하는, 네트워크 이론을 이용한 해상교통 분석 시스템.
  5. 제 2 항에 기재된 네트워크 이론을 이용한 해상교통 분석 시스템을 이용한 해상교통 분석 방법으로서,
    해상교통 네트워크 구성부(100)가 선박 자동 식별 장치(A) 및 레이더(R)에서 선박 운항 정보를 수신하고, 수신된 선박 운항 정보를 버퍼링(buffering)하여 설정된 시점에서의 선박 운항 정보를 생성하는 단계;
    상기 해상교통 네트워크 구성부가 항만 관리 정보 시스템(Port-MIS)으로부터 입출항 정보를 수신하는 단계;
    상기 해상교통 네트워크 구성부가 생성된 상기 선박 운항 정보를 이용하여 선박들에 해당하는 노드(N)들을 생성하는 단계;
    상기 해상교통 네트워크 구성부가 기존의 노드들의 선박 중 분석 대상 영역을 벗어나는 경우 해당 선박의 노드를 삭제하고, 분석 대상 영역으로 새롭게 진입하는 선박의 상기 노드들을 추가하여 노드를 갱신하는 단계;
    상기 해상교통 네트워크 구성부가 상기 선박 운항 정보를 이용하여 노드들의 선박별 DCPA(Distance at Closest Point of Approach) 및 TCPA(Time to Closest Point of Approach)를 계산하는 단계;
    상기 해상교통 네트워크 구성부가 상기 DCPA 및 TCPA를 이용하여 에지(E)를 생성하고 기존의 에지에 대해서 갱신하며, 갱신된 상기 노드들에 대해서 상기 갱신된 에지를 연결시켜 해상교통 네트워크를 구성하는 단계;
    해상교통 네트워크 분석부(200)가 상기 해상교통 네트워크의 노드간 거리 및 노드에 연결된 에지의 수를 파악하여 충돌 위험도를 분석하는 단계;
    상기 해상교통 네트워크 분석부(200)가 상기 해상교통 네트워크의 노드들을 K-평균(means) 알고리즘에 의해 군집화하여 그룹을 형성하거나 노드들 각각에 그룹 정보를 부여하는 단계;
    상기 해상교통 네트워크 분석부(200)가 상기 해상교통 네트워크를 분석하여 동일 그룹 내에서 다른 속성을 갖는 노드가 존재하는 지의 여부를 결정하는 단계; 및
    상기 동일 그룹 내에서 다른 속성을 갖는 노드가 존재하면 해당 노드의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부(300)를 통해 표시하는 단계;를 포함하는 해상교통 분석 방법.
  6. 제 5 항에 있어서,
    상기 충돌 위험도 분석 단계는,
    상기 해상교통 네트워크의 노드(N)간 거리 및 노드에 연결된 에지(E)의 수를 파악하여 노드간 거리가 짧을수록 충돌 위험도가 높고, 노드에 연결된 에지의 수가 많을수록 충돌 위험에 따른 2차적 영향 또는 3차적 영향이 높다고 규정하는 해상교통 분석 방법.
  7. 제 5 항에 있어서,
    상기 그룹 정보 부여 단계 이후,
    상기 해상교통 네트워크 분석부(200)가 설정된 주기별로 상기 해상교통 네트워크를 비교 분석하는 단계;
    상기 해상교통 네트워크 분석부가 상기 해상교통 네트워크 내에서 그룹 간 이동이 설정수 이상 잦은 노드가 존재하는 지의 여부를 결정하는 단계; 및
    상기 해상교통 네트워크 분석부가 그룹 간 이동이 설정수 이상 잦은 노드가 존재할 경우 해당 노드의 선박을 이상 운항 선박으로 결정하여 분석 결과 표시부(300)를 통해 표시하는 단계;를 더 포함하는 해상교통 분석 방법.
KR1020200059017A 2020-05-18 2020-05-18 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법 KR102186520B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200059017A KR102186520B1 (ko) 2020-05-18 2020-05-18 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200059017A KR102186520B1 (ko) 2020-05-18 2020-05-18 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법

Publications (1)

Publication Number Publication Date
KR102186520B1 true KR102186520B1 (ko) 2020-12-03

Family

ID=73779619

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200059017A KR102186520B1 (ko) 2020-05-18 2020-05-18 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법

Country Status (1)

Country Link
KR (1) KR102186520B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534126A (zh) * 2021-07-07 2021-10-22 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于雷达的交汇水域船舶逆行违章判定方法
CN113762367A (zh) * 2021-08-26 2021-12-07 集美大学 复杂水域基于最优会遇距离的自适应多船会遇识别方法
CN114666372A (zh) * 2022-04-01 2022-06-24 江苏科技大学 船舶与控制平台间数据收发方法
KR102645649B1 (ko) * 2023-09-22 2024-03-11 한화시스템(주) 운용 콘솔 시스템 및 이의 군집 표적을 위한 정보 처리 방법
KR102689465B1 (ko) * 2023-12-22 2024-07-29 한국해양과학기술원 동적 데이터 및 정적 데이터 기반 해상교통 안전 정보 종합적 추론 시스템 및 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07246998A (ja) * 1994-03-08 1995-09-26 Tokimec Inc 船舶用航行支援装置
KR20130003629A (ko) * 2011-06-30 2013-01-09 주식회사 희망에어텍 선박을 감시하는 통합 감시 시스템 및 그의 방법
KR20160090596A (ko) * 2015-01-22 2016-08-01 한국전자통신연구원 선박 관제 시스템 및 그것의 선박 관제 방법
KR20160128044A (ko) * 2015-04-28 2016-11-07 목포대학교산학협력단 선박 대표 궤적 추출을 통한 이상궤적 판별 방법
KR20170103326A (ko) 2016-03-03 2017-09-13 한국전자통신연구원 해상 교통 경고 정보 제공 장치 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07246998A (ja) * 1994-03-08 1995-09-26 Tokimec Inc 船舶用航行支援装置
KR20130003629A (ko) * 2011-06-30 2013-01-09 주식회사 희망에어텍 선박을 감시하는 통합 감시 시스템 및 그의 방법
KR20160090596A (ko) * 2015-01-22 2016-08-01 한국전자통신연구원 선박 관제 시스템 및 그것의 선박 관제 방법
KR20160128044A (ko) * 2015-04-28 2016-11-07 목포대학교산학협력단 선박 대표 궤적 추출을 통한 이상궤적 판별 방법
KR20170103326A (ko) 2016-03-03 2017-09-13 한국전자통신연구원 해상 교통 경고 정보 제공 장치 및 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113534126A (zh) * 2021-07-07 2021-10-22 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于雷达的交汇水域船舶逆行违章判定方法
CN113534126B (zh) * 2021-07-07 2023-10-24 中船重工鹏力（南京）大气海洋信息系统有限公司 一种基于雷达的交汇水域船舶逆行违章判定方法
CN113762367A (zh) * 2021-08-26 2021-12-07 集美大学 复杂水域基于最优会遇距离的自适应多船会遇识别方法
CN114666372A (zh) * 2022-04-01 2022-06-24 江苏科技大学 船舶与控制平台间数据收发方法
CN114666372B (zh) * 2022-04-01 2023-08-22 江苏科技大学 船舶与控制平台间数据收发方法
KR102645649B1 (ko) * 2023-09-22 2024-03-11 한화시스템(주) 운용 콘솔 시스템 및 이의 군집 표적을 위한 정보 처리 방법
KR102689465B1 (ko) * 2023-12-22 2024-07-29 한국해양과학기술원 동적 데이터 및 정적 데이터 기반 해상교통 안전 정보 종합적 추론 시스템 및 방법

Similar Documents

Publication Publication Date Title
KR102186520B1 (ko) 네트워크 이론을 이용한 해상교통 분석 시스템 및 분석 방법
US8674854B2 (en) Traffic control apparatus and method using navigation route information of vehicle for each navigational situation
EP2481039B1 (en) Air traffic control
AU769965B2 (en) Air traffic control system
Emara et al. Vehicle tracking using vehicular network beacons
US7129857B1 (en) Intelligent weather agent
US20060200303A1 (en) The static or dynamic roadway travel time system to determine the path with least travel time between two places
KR102526160B1 (ko) 기상 정보를 활용한 무인 선박용 자동 항로 변경장치 및 그 방법
JP7454079B2 (ja) 海上交通混雑度予測システム及び方法
US10104012B2 (en) Adaptive method for the execution of services in real time, notably of flight management and real time system using such a method
US10972868B2 (en) Adaptive inter-ranging network
JP6234141B2 (ja) 移動計画管理システム及び移動計画管理方法及び移動計画管理プログラム
CN103680217A (zh) 一种机载防撞系统混合监视跟踪方法
US10565886B2 (en) Systems and methods for predicting loss of separation events
Unibaso et al. A novel CAM-based traffic light preemption algorithm for efficient guidance of emergency vehicles
JP6456442B2 (ja) 移動計画管理システム、プロファイル管理システム、プロファイル管理プログラム及び移動計画管理プログラム
Kuenz World-Wide Air Traffic: Generic Operations for Busy Airports
KR102579013B1 (ko) 위성 ais 선박 항해 정보 빅데이터를 이용한 해상 물류 예측 시스템
KR20200058430A (ko) 관심 대상 지리적 체적 내에서 적어도 하나의 가정된 미검출 타깃의 가능한 지리적 위치를 결정하기 위한 방법 및 시스템
CN118587937B (zh) 一种考虑高度的航路规划方法、装置及设备
Stamm et al. Unmanned aircraft sense and avoid: Leveraging ATC infrastructure
WO2024083049A1 (en) A vehicular system and method for notifying a vehicle occupant of a nearby emergency vehicle
Stupak et al. 25. Congested Area Detection and Projection–the User's Requirements
US8847793B2 (en) Systems and methods using multiple zones of detection as a function of accuracy
Midwood et al. A multi sensor data fusion algorithm for the USCG'S vessel traffic services system

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20200518

PA0201 Request for examination
PA0302 Request for accelerated examination

Patent event date: 20200520

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20200518

Patent event code: PA03021R01I

Comment text: Patent Application

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20200715

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20201126

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20201127

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20201130

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee