KR102581419B1 - 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법 - Google Patents

선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법 Download PDF

Info

Publication number
KR102581419B1
KR102581419B1 KR1020230052025A KR20230052025A KR102581419B1 KR 102581419 B1 KR102581419 B1 KR 102581419B1 KR 1020230052025 A KR1020230052025 A KR 1020230052025A KR 20230052025 A KR20230052025 A KR 20230052025A KR 102581419 B1 KR102581419 B1 KR 102581419B1
Authority
KR
South Korea
Prior art keywords
data
ship
hierarchical database
wake
cog
Prior art date
Application number
KR1020230052025A
Other languages
English (en)
Inventor
박정홍
최진우
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 KR1020230052025A priority Critical patent/KR102581419B1/ko
Application granted granted Critical
Publication of KR102581419B1 publication Critical patent/KR102581419B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/282—Hierarchical databases, e.g. IMS, LDAP data stores or Lotus Notes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B49/00—Arrangements of nautical instruments or navigational aids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems

Abstract

본 발명은 계층형 데이터베이스 구축시스템 및 방법에 관한 것으로, 본 발명에 따르면, 단순히 선박의 위치에만 기반하여 자율운항을 위한 상황인식이 이루어지는 경우가 대부분임으로 인해 해상환경에 대한 통합적 상황인식이 이루어지지 못하는 한계가 있었던 종래기술의 자율운항선박 및 그 제어방법의 문제점을 해결하기 위해, VTS(Vessel traffic service) 관제영역 내에서 취합된 누적 AIS(Automatic Identification System) 데이터를 이용하여 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보를 포함하여 선박의 항적특성이 반영된 계층형 구조의 데이터베이스(Database ; DB)를 생성할 수 있도록 구성됨으로써, 자율운항선박의 운항을 위해 타선의 정상 및 비정상 거동여부를 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용되는 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하고, 이를 기반으로 자율운항시 주변의 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법이 제공된다.

Description

선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법{System and method for constructing hierarchical database reflecting tracking characteristics of ships}
본 발명은 자율운항선박에 관한 것으로, 더 상세하게는, 단순히 선박의 위치에만 기반하여 자율운항을 위한 상황인식이 이루어지는 경우가 대부분임으로 인해 해상환경에 대한 통합적 상황인식이 이루어지지 못하는 한계가 있었던 종래기술의 자율운항선박 및 그 제어방법의 문제점을 해결하기 위해, 자율운항선박의 운항을 위해 타선의 정상 및 비정상 거동여부를 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용되는 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하여 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법에 관한 것이다.
또한, 본 발명은, 상기한 바와 같이 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하여 해상환경에 대한 통합적 상황인식이 이루어질 수 있도록 하기 위해, VTS(Vessel traffic service) 관제영역 내에서 취합된 누적 AIS(Automatic Identification System) 데이터를 이용하여 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보를 포함하여 선박의 항적특성이 반영된 계층형 구조의 데이터베이스(Database ; DB)를 생성할 수 있도록 구성됨으로써, 기존의 선박 위치 확률분포 기반 DB 형태를 개선하고, 이를 기반으로 자율운항시 주변의 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법에 관한 것이다.
최근, 항만과 연안해역의 환경이 다양해지고 해상 교통량이 지속적으로 증가함에 따라 선박과 항만의 안전성 확보를 위한 기술이 학계 및 산업계 전반에서 다각적으로 검토되고 있다.
또한, 최근에는, 로봇공학의 주요 연구분야 중 하나인 자율 무인이동체 기술이 발전함에 따라 자율운항선박에 대한 연구개발이 활발히 이루어지고 있으며, 이러한 자율운항선박에 있어서 무엇보다도 중요한 운항 안전성을 확보하기 위해서는 자선 주변의 해상환경에 대한 통합적 상황인식(Situational awareness) 기술의 개발이 필수적이다.
여기서, 상기한 바와 같은 자율운항선박의 상황인식 기술은, 선박자동식별장치(Automatic Identification System ; AIS), 레이다(Radio Detection and Ranging ; Radar), 라이다(Light Detection and Ranging ; Lidar), 카메라 등과 같이, 자선의 온보드(Onboard) 센서 계측정보를 이용하는 지역적 상황인식 방법과, 선박교통관제센터(Vessel traffic service ; VTS)에서 취합되는 자선 및 주변 선박의 AIS 기반 항적정보를 이용하는 전역적 상황인식 방법으로 분류될 수 있다.
또한, 예를 들면, 한국 등록특허공보 제10-2182037호의 "선박의 이동경로 네트워크 생성 장치 및 방법" 및 한국 공개특허공보 제10-2017-0104209호의 "항적 정보 처리 장치 및 방법" 등에 제시된 바와 같이, 종래, 상기한 바와 같은 자율운항선박의 운항을 제어하기 위한 장치 및 방법에 대하여 다양한 기술내용들이 제시된 바 있다.
그러나 상기한 바와 같은 종래기술의 내용들에는 단순히 선박의 위치에만 기반하여 자율운항을 위한 상황인식이 이루어지는 경우가 대부분이고, 예를 들면, 속도(Speed over ground ; SOG)나 침로(Course over ground ; COG) 등과 같이, 해당 선박의 운동정보를 포함하여 선박의 항적특성이 반영된 데이터베이스(Database ; DB)를 생성하고, 이를 기반으로 해상환경에 대한 통합적 상황인식이 가능하도록 하기 위한 방법에 대하여는 제시된 바 없는 한계가 있는 것이었다.
따라서 상기한 바와 같이 종래기술의 자율운항선박 및 그 제어방법의 한계를 해결하기 위하여는, 선박의 속도(SOG) 및 침로(COG)를 포함하는 VTS 관제영역 내에서 취합된 누적 AIS 데이터를 이용하여 선박의 항적특성이 반영된 계층형 데이터베이스(Database ; DB)를 생성하는 것에 의해 기존의 선박 위치 확률분포 기반 DB 형태를 개선하고, 이를 기반으로 자율운항시 주변의 해상환경에 대한 통합적 상황인식이 가능하도록 이루어지는 새로운 구성의 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법을 제시하는 것이 바람직하나, 아직까지 그러한 요구를 모두 만족시키는 장치나 방법은 제시되지 못하고 있는 실정이다.
한국 등록특허공보 제10-2182037호 (2020.11.23.) 한국 공개특허공보 제10-2017-0104209호 (2017.09.15.)
본 발명은 상기한 바와 같은 종래기술의 문제점을 해결하고자 하는 것으로, 따라서 본 발명의 목적은, 단순히 선박의 위치에만 기반하여 자율운항을 위한 상황인식이 이루어지는 경우가 대부분임으로 인해 해상환경에 대한 통합적 상황인식이 이루어지지 못하는 한계가 있었던 종래기술의 자율운항선박 및 그 제어방법의 문제점을 해결하기 위해, 자율운항선박의 운항을 위해 타선의 정상 및 비정상 거동여부를 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용되는 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하여 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법을 제시하고자 하는 것이다.
또한, 본 발명의 다른 목적은, 상기한 바와 같이 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하여 해상환경에 대한 통합적 상황인식이 이루어질 수 있도록 하기 위해, VTS(Vessel traffic service) 관제영역 내에서 취합된 누적 AIS(Automatic Identification System) 데이터를 이용하여 선박의 속도(SOG) 및 침로(COG)를 포함하는 운동정보를 포함하여 선박의 항적특성이 반영된 계층형 구조의 데이터베이스(DB)를 생성할 수 있도록 구성됨으로써, 기존의 선박 위치 확률분포 기반 DB 형태를 개선하고, 이를 기반으로 자율운항시 주변의 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법을 제시하고자 하는 것이다.
상기한 바와 같은 목적을 달성하기 위해, 본 발명에 따르면, 선박의 항적특성이 반영된 계층형 데이터베이스(Database ; DB) 구축시스템에 있어서, 선박의 항적특성이 반영된 계층형 데이터베이스(DB)를 생성하기 위해 미리 정해진 각종 데이터를 수집하는 처리가 수행되도록 이루어지는 데이터 수집부; 상기 데이터 수집부를 통해 수집된 각각의 데이터에 근거하여, 선박의 위치정보와 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보가 계층형으로 반영된 항적특성 데이터를 생성하는 처리가 수행되도록 이루어지는 데이터 처리부; 및 상기 데이터 처리부에 의해 생성된 각각의 상기 항적특성 데이터를 데이터베이스 형태로 저장하여 선박의 항적특성이 반영된 계층형 데이터베이스를 생성하는 처리가 수행되도록 이루어지는 데이터 저장부를 포함하여 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템이 제공된다.
여기서, 상기 시스템은, 외부 기기와 유선 또는 무선통신 중 적어도 하나의 방식으로 통신을 행하여 각종 데이터를 송수신하는 처리가 수행되도록 이루어지는 통신부; 및 상기 시스템의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부를 더 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 데이터 수집부는, 선박의 정상 및 비정상 거동을 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용하기 위한 데이터베이스를 구축하기 위해, 선박교통관제센터(Vessel Traffic Service ; VTS)를 통해 취합되어 전송되는 자선 및 주변 선박의 선박자동식별장치(Automatic Identification System ; AIS) 기반 항적정보를 수신하여 상기 데이터 처리부로 전달하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
아울러, 상기 데이터 처리부는, 상기 데이터 수집부를 통해 입력되는 각각의 데이터에 대하여 미리 정해진 전처리(Preprocessing) 과정이 수행되도록 이루어지는 전처리부; 상기 전처리부를 통해 전처리된 데이터에 선박의 위치속성을 반영하기 위해 미리 정해진 위치데이터 처리(Position data processing) 과정이 수행되도록 이루어지는 위치데이터 처리부; 및 상기 전처리부를 통해 전처리된 데이터에 SOG 및 COG를 포함하는 선박의 운동(Motion)속성을 반영하기 위해 미리 정해진 운동데이터 처리(Motion data processing) 과정이 수행되도록 이루어지는 운동데이터 처리부를 포함하여 구성되는 것을 특징으로 한다.
여기서, 상기 전처리(Preprocessing) 과정은, 입력되는 각각의 데이터들을 미리 정해진 파일형식의 단일 데이터 구조로 통합하는 데이터 통합(Data Integration) 과정; 전체 통합 파일로부터 고유 선종 리스트를 추출하여 제 1 계층을 생성하고 각 선종에 대하여 미리 정해진 기준에 따라 클래스를 분류하는 선종 및 길이 분류(Type & Length Classification) 과정; 수집된 항적위치 좌표들을 UTM(Universal Transverse Mercator) 좌표계로 변환하는 좌표변환(Coordinate Transform) 과정; 및 VTS 관제영역 밖의 정보들은 모두 배제하고 정지 및 정박된 선박들의 데이터도 모두 배제하여 VTS 관제영역 내에서 유효한 데이터만 반영하는 타겟 경계설정(Target boundary setting) 과정을 포함하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
더욱이, 상기 위치데이터 처리과정은, 상기 전처리부를 통해 전처리된 UTM 좌표데이터가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성(Local Grid Generation) 과정; 및 상기 전처리부를 통해 전처리된 선종별 및 길이별 UTM 좌표들과 공간격자 좌표정보가 입력되면 이하의 수학식을 이용하여 확률밀도함수(Probability Density Function ; PDF)를 추정하는 커널밀도추정(Kernal Density Estimation) 과정을 포함하는 처리가 수행되도록 구성되는 것을 특징으로 한다.
(여기서, 함수 K(ㆍ)는 확률분포 추정을 위해 각 관측점들에 적용되는 커널함수, h는 적용된 커널함수의 대역폭(Bandwidth), d는 관측점이 표현되는 특징공간의 차원(Dimension)을 각각 의미함)
또한, 상기 SOG 속성 처리는, 상기 전처리부를 통해 전처리된 SOG 정보가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성(Local Grid Generation) 과정; 상기 SOG를 가우시안 랜덤변수(Gaussian random variable)로 정의하여, 각각의 국소격자 내부에 속하는 데이터에 정합(Fitting)된 가우시안 분포의 평균(Mean)과 표준편차(Standard deviation)로 상기 SOG 속성을 나타내는 가우시안 PDF 정합(Fitting Gaussian PDF) 과정을 포함하여 구성되는 것을 특징으로 한다.
아울러, 상기 COG 속성 처리는, 상기 전처리부를 통해 전처리된 COG 정보가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성과정; 각각의 국소격자 내부의 방위공간(Orientation Space)을 미리 정해진 설정에 따라 복수의 세부공간으로 분할하는 방위공간분할(Orientation Space Segmentation) 과정; 및 상기 COG 정보를 가우시안 랜덤변수로 정의하여, 각각의 상기 세부공간에서 정합된 가우시안 분포의 평균과 표준편차로 상기 COG 속성을 나타내는 가우시안 PDF 정합과정을 포함하여 구성되는 것을 특징으로 한다.
더욱이, 상기 항적특성 데이터는, 선종(Vessel Type)에 대한 정보를 포함하여 이루어지는 제 1 계층; 각 선종에 대한 길이 데이터를 미리 정해진 기준에 따라 분류한 길이 클래스(Length Class) 정보를 포함하여 이루어지는 제 2 계층; 각각의 길이 클래스에 대한 위치속성, COG 속성, SOG 속성 및 각 속성에 대한 참조점들의 UTM 좌표를 포함하여 이루어지는 제 3 계층을 포함하여 구성되는 것을 특징으로 한다.
또한, 상기 시스템은, 상기 데이터 처리부의 처리과정을 컴퓨터를 통해 실행시키도록 이루어지는 컴퓨터 프로그램의 형태로 구성되는 것을 특징으로 한다.
아울러, 본 발명에 따르면, 선박의 항적특성이 반영된 계층형 데이터베이스 구축방법에 있어서, 선박의 항적특성이 반영된 계층형 데이터베이스(DB)를 생성하기 위해 미리 정해진 각종 데이터를 수집하는 처리가 수행되는 데이터 수집단계; 상기 데이터 수집단계를 통해 수집된 각각의 데이터에 근거하여, 선박의 위치정보와 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보가 계층형으로 반영된 항적특성 데이터를 생성하는 처리가 수행되는 데이터 처리단계; 및 상기 데이터 처리부에 의해 생성된 각각의 상기 항적특성 데이터를 데이터베이스 형태로 저장하여 선박의 항적특성이 반영된 계층형 데이터베이스를 생성하는 처리가 수행되는 데이터 저장단계를 포함하여 구성되고, 상기 데이터 수집단계, 상기 데이터 처리단계 및 상기 데이터 저장단계는, 상기에 기재된 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템을 이용하여 수행되도록 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축방법이 제공된다.
상기한 바와 같이, 본 발명에 따르면, VTS 관제영역 내에서 취합된 누적 AIS 데이터를 이용하여 선박의 속도(SOG) 및 침로(COG)를 포함하는 운동정보를 포함하여 선박의 항적특성이 반영된 계층형 구조의 데이터베이스(DB)를 생성할 수 있도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법이 제공됨으로써, 자율운항선박의 운항을 위해 타선의 정상 및 비정상 거동여부를 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용되는 기존의 선박 위치 확률분포 기반 데이터베이스의 형태를 개선하여 해상환경에 대한 통합적인 상황인식이 이루어질 수 있다.
또한, 본 발명에 따르면, 상기한 바와 같이 선박의 항적특성이 반영된 계층형 구조의 데이터베이스(DB)를 생성하는 것에 의해 기존의 선박 위치 확률분포 기반 DB 형태를 개선하고 이를 기반으로 자율운항시 주변의 해상환경에 대한 통합적 상황인식이 가능하도록 구성되는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법이 제공됨으로써, 선박 위치 확률분포에 기반한 기존의 데이터베이스를 이용함으로 인해 해상환경에 대한 통합적 상황인식이 이루어지지 못하는 한계가 있었던 종래기술의 자율운항선박 및 그 제어방법의 문제점을 해결할 수 있다.
도 1은 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 2는 도 1에 나타낸 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템의 데이터 처리부의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 3은 도 1에 나타낸 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템의 데이터 처리부에서 수행되는 전체적인 처리과정을 개략적으로 나타내는 플로차트이다.
도 4는 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템에 입력되는 AIS 데이터의 정렬구조에 대한 구성예를 표로 정리하여 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템에서 경계처리 작업을 위해 고려된 울산항 VTS 관제영역 내의 주요 사전정보를 개략적으로 나타내는 도면이다.
도 6은 길이 100미터 미만급 유조선에 대하여 전처리 절차가 적용된 항적 데이터를 나타내는 도면이다.
도 7은 길이 300 ~ 400미터급 유조선에 대하여 전처리 절차가 적용된 항적 데이터를 나타내는 도면이다.
도 8은 길이 100미터 미만급 화물선에 대하여 전처리 절차가 적용된 항적 데이터를 나타내는 도면이다.
도 9는 길이 100 ~ 200미터급 화물선에 대하여 전처리 절차가 적용된 항적 데이터를 나타내는 도면이다.
도 10은 길이 100미터 미만급 어선에 대하여 전처리 절차가 적용된 항적 데이터를 나타내는 도면이다.
도 11은 길이 100미터 미만급 유조선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 12는 길이 100 ~ 200미터급 유조선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 13은 길이 300 ~ 400미터급 유조선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 14는 길이 100 ~ 200미터급 화물선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 15는 길이 200~300미터급 화물선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 16은 길이 100미터 미만급 어선에 대한 위치 확률분포 추정결과를 나타내는 도면이다.
도 17은 COG 속성 표현을 위한 방위공간 분할의 구성예를 나타내는 개념도이다.
도 18은 길이 100미터 미만급 유조선에 대한 SOG 속성의 예를 나타내는 도면이다.
도 19는 길이 100~200미터급 유조선에 대한 SOG 속성의 예를 나타내는 도면이다.
도 20은 길이 100미터 미만급 화물선에 대한 SOG 속성의 예를 나타내는 도면이다.
도 21은 길이 100~200미터급 화물선에 대한 SOG 속성의 예를 각각 나타내는 도면이다.
도 22는 길이 100미터 미만급 유조선(예시 국소격자-1)에 대한 COG 속성의 예를 나타내는 도면이다.
도 23은 길이 100미터 미만급 유조선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이다.
도 24는 길이 100 ~ 200미터급 유조선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이다.
도 25는 길이 100 ~ 200미터급 유조선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이다.
도 26은 길이 100미터 미만급 화물선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이다.
도 27은 길이 100미터 미만급 화물선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이다.
도 28은 길이 100 ~ 200미터급 화물선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이다.
도 29는 길이 100 ~ 200미터급 화물선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이다.
도 30은 선박의 항적 및 운동특성이 반영된 DB의 정보계층을 개략적으로 나타내는 개념도이다.
도 31은 출력변수의 구체적인 구성예를 나타내는 도면이다.
도 32는 본 발명의 실시예에 따른 계층형 DB의 유효성 확인을 위해 가정된 4개의 시험점을 각각 나타내는 도면이다.
도 33은 본 발명의 실시예에 따른 계층형 DB의 유효성 확인결과를 표로 정리하여 나타낸 도면이다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법의 구체적인 실시예에 대하여 설명한다.
여기서, 이하에 설명하는 내용은 본 발명을 실시하기 위한 하나의 실시예일 뿐이며, 본 발명은 이하에 설명하는 실시예의 내용으로만 한정되는 것은 아니라는 사실에 유념해야 한다.
또한, 이하의 본 발명의 실시예에 대한 설명에 있어서, 종래기술의 내용과 동일 또는 유사하거나 당업자의 수준에서 용이하게 이해하고 실시할 수 있다고 판단되는 부분에 대하여는, 설명을 간략히 하기 위해 그 상세한 설명을 생략하였음에 유념해야 한다.
계속해서, 도면을 참조하여, 본 발명에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법의 구체적인 내용에 대하여 설명한다.
더 상세하게는, 먼저, 도 1을 참조하면, 도 1은 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)의 전체적인 구성을 개략적으로 나타내는 블록도이다.
도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)은, 크게 나누어, 선박의 항적특성이 반영된 계층형 데이터베이스를 구축하기 위해 미리 정해진 각종 데이터를 수집하는 처리가 수행되도록 이루어지는 데이터 수집부(11)와, 데이터 수집부(11)를 통해 수집된 각각의 데이터에 근거하여, 선박의 위치정보와 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보가 반영되어 계층형으로 이루어지는 항적특성 데이터를 생성하는 처리가 수행되도록 이루어지는 데이터 처리부(12) 및 데이터 처리부(12)에 의해 생성된 각각의 항적특성 데이터를 데이터베이스 형태로 저장하여 선박의 항적특성이 반영된 계층형 데이터베이스를 생성하는 처리가 수행되도록 이루어지는 데이터 저장부(13)를 포함하여 구성될 수 있다.
여기서, 상기한 시스템(10)은, 도 1에 나타낸 바와 같이, 외부 기기와 유선 또는 무선통신 중 적어도 하나의 방식으로 통신을 행하여 각종 데이터를 송수신하기 위한 통신부(14) 및 상기한 각 부와 시스템(10)의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부(15)를 더 포함하여 구성될 수 있다.
또한, 상기한 데이터 수집부(11)는, 예를 들면, 전역적 상황인식(Situational awareness) 기술에 적용하기 위해 선박교통관제센터(Vessel Traffic Service ; VTS)를 통해 취합되어 전송되는 자선 및 주변 선박의 선박자동식별장치(Automatic Identification System ; AIS) 기반 항적정보를 수신하여 데이터 처리부(12)로 전달하는 처리가 수행되도록 구성될 수 있다.
아울러, 도 2를 참조하면, 도 2는 도 1에 나타낸 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)의 데이터 처리부(12)의 구체적인 구성을 개략적으로 나타내는 블록도이다.
도 2에 나타낸 바와 같이, 상기한 데이터 처리부(12)는, 후술하는 바와 같이, 데이터 수집부(11)를 통해 입력되는 데이터에 대하여 미리 정해진 전처리가 수행되는 전처리부(21)와, 전처리부(21)를 통해 전처리된 데이터에 선박의 위치속성을 반영하기 위해 후술하는 바와 같은 미리 정해진 일련의 처리가 수행되도록 이루어지는 위치데이터 처리부(22)와, 전처리부(21)를 통해 전처리된 데이터에 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동(Motion)속성을 반영하기 위해 후술하는 바와 같은 미리 정해진 일련의 처리가 수행되도록 이루어지는 운동데이터 처리부(23)를 포함하여, 각 처리부의 처리를 통해 각각 미리 정의된 위치속성, SOG 속성 및 COG 속성이 반영된 항적특성 데이터를 생성하여 계층형 DB 구조로 저장하는 처리가 수행되도록 구성될 수 있다.
더 상세하게는, 도 3을 참조하면, 도 3은 도 1에 나타낸 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)의 데이터 처리부(12)에서 수행되는 전체적인 처리과정을 개략적으로 나타내는 플로차트이다.
도 3에 나타낸 바와 같이, 상기한 데이터 처리부(12)는, 데이터 통합(Data Integration), 유형 및 길이 분류(Type & Length Classification), 좌표변환(Coordinate Transform) 및 타겟경계 설정(Target boundary setting)을 포함하는 전처리(Preprocessing) 과정과, 로컬그리드 생성(Local Grid Generation) 및 커널밀도 추정(Kernal Density Estimation)을 포함하는 위치데이터 처리(Position data processing) 과정 및 로컬그리드 생성(Local Grid Generation), 방위공간 분할(Orientation space segmentation) 및 가우시안 확률밀도함수(PDF) 정합(Fitting Gaussian PDF)을 포함하는 운동데이터 처리(Motion data processing) 과정을 포함하는 일련의 처리가 각각 수행되도록 구성될 수 있다.
여기서, 이하에 설명하는 본 실시예에 있어서, 전처리부(21)로 입력되는 정보는 울산항 VTS에서 2020년 10월 1일 ~ 10월 14일의 기간 동안 수집된 AIS 데이터가 날짜별/시간별로 분류된 개별 csv 파일형식으로 제공되며, 각 파일에서 기록된 데이터 구조는 도 4의 표에 나타낸 바와 같이 정리된다.
아울러, 본 발명에서는 선박의 정상 및 비정상 거동을 판단하기 위한 기반 정보로서 계층형 DB를 이용하므로, 수집기간 동안의 전체 데이터를 동시에 고려하기 위해 입력 데이터들을 mat 파일 형식의 단일 데이터 구조로 통합하였으며, 대상 기간 동안의 원본 입력데이터에 대한 통합 mat 파일은 31,785,633×16의 테이블 구조이고, 약 9MB의 크기를 가진다.
이때, 만약 계층형 DB 생성절차상의 디버깅(Debugging) 등과 같이 알고리즘의 반복 수행이 필요한 경우는 초기에 만들어진 mat 파일을 저장하고 이를 메모리에 올려 반복 수행함으로써 불필요한 시간소모를 줄일 수 있도록 구성될 수 있다.
계속해서, 전처리부(21)에서 수행되는 입력 데이터에 대한 전처리 과정에 대하여 설명하면, 먼저, 도 4를 참조하면, 도 4는 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)에 입력되는 AIS 데이터의 정렬구조에 대한 구성예를 표로 정리하여 나타낸 도면이다.
도 4에 나타낸 바와 같이, 대상 영역 및 기간에 대한 전체 통합 mat 파일이 입력되면 먼저 고유 선종 리스트를 추출하여 첫번째 계층을 만들고, 각 선종에서의 길이범위로 분류된 클래스 계층을 만든다.
여기서, 도 4의 표의 L열에 기록된 선종 번호는 AIS 선박유형 번호표와 비교되는데, 같은 선종 부류 내에서 위험물 유형 등에 따라 세분되는 번호들은 해당 선종의 대표번호만으로 표현하고(예를 들면, 80 ~ 89번은 모두 80번으로 표현), 같은 선종 내의 선박들의 길이는 도 4에 나타낸 표의 M열 데이터 수치와 N열 데이터 수치를 합하여 계산되며, 100미터 길이 간격으로 각 클래스가 분류된다.
또한, AIS를 통해 계측된 선박의 항적데이터는 기본적으로 WGS(World Geodetic System) 좌표계에서 위도, 경도 위치로 표현되며, 자율운항선박의 상황인식 시나리오와 도입가능한 방법론들을 고려했을 때, 본 실시예에서 제안되는 위치확률분포를 메트릭(metric) 단위 직교좌표계에서 표현하는 것이 보다 유용할 수 있다.
이러한 이유로, 수집된 항적위치 좌표들은 UTM(Universal Transverse Mercator) 좌표계로 변환되며, 이때, WGS 좌표계를 UTM 좌표계로 변환시 직교좌표계로 근사하기 위해 분할된 영역에 따라 UTM 존(zone) 번호가 바뀌는 현상이 발생할 수 있는데, 본 실시예의 적용대상 영역인 울산항 VTS 관제구역은 모두 UTM zone 52에 포함되므로 추가적인 고려없이 UTM 좌표계를 사용하는 것이 합리적이라 할 수 있다.
아울러, 울산항 VTS 센터 관제영역 내에서 실제적으로 유효한 데이터를 DB에 반영하기 위해, 관제영역이 정의되는 위치좌표들을 직접 경계 처리 정보로 적용하여 관제영역 밖의 정보들은 모두 DB 생성절차에서 배제하며, 정상상태로 운항하는 선박들의 위치 및 운동데이터 위주로 반영하기 위해 정지 및 정박된 선박들의 데이터도 모두 배제한다.
즉, 도 5를 참조하면, 도 5는 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)에서 경계처리 작업을 위해 고려된 울산항 VTS 관제영역 내의 주요 사전정보를 개략적으로 나타내는 도면이다.
또한, 도 6 내지 도 10을 참조하면, 도 6 내지 도 10은 각각 전처리 절차가 적용된 선종별/길이별 항적 데이터의 예를 나타내는 도면으로, 도 6은 길이 100미터 미만급 유조선에 대한 항적 데이터를 나타내는 도면이고, 도 7은 길이 300 ~ 400미터급 유조선에 대한 항적 데이터를 나타내는 도면이며, 도 8은 길이 100미터 미만급 화물선에 대한 항적 데이터를 나타내는 도면이고, 도 9는 길이 100 ~ 200미터급 화물선에 대한 항적 데이터를 나타내는 도면이며도 10은 길이 100미터 미만급 어선에 대한 항적 데이터를 나타내는 도면이다.
여기서, 도 6 내지 도 10에 있어서, 좌측은 WGS 좌표계, 우측은 UTM 좌표계를 각각 나타내고 있다.
도 6 내지 도 10에 나타낸 바와 같이, 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10)은, 경계처리 등을 통해 불필요한 데이터를 모두 배제한 후 실제 DB 생성에 있어 사용되는 선종별/길이별 항적 예시를 각각 WGS 좌표계와 UTM 좌표계로 나타내는 처리가 상기한 데이터 처리부(12)의 전처리부(21)를 통하여 수행되도록 구성될 수 있다.
다음으로, 위치 데이터 처리부(22)의 처리과정에 대하여 설명하면, 먼저, 본 발명에서는, 계층형 DB에 반영될 선박의 위치속성(Position attributes)을 UTM 위치좌표 x = [x, y]T에서의 위치확률 P(x)로 정의하였다.
즉, 주어진 데이터의 발생확률을 구하기 위해서는 데이터의 특징공간을 특정 크기의 격자로 분할하고 각 격자내에 속하는 관측점을 계수하여 확률을 계산하는 히스토그램(Histogram) 기반 방법을 적용할 수 있으나, 히스토그램 기반 방법은 격자의 크기(간격) 변화에 따라 확률계산 결과가 크게 좌우되며, 불연속적인 계단 모양의 확률밀도함수(Probability Density Function ; PDF)를 도출하는 근본적인 한계가 있다.
이에, 본 발명에서는, 이러한 종래기술의 한계점을 극복하기 위해, 매끄럽고 연속적인 PDF 추정이 가능한 커널밀도추정(Kernel Density Estimation ; KDE) 방법을 적용하였다.
즉, 연속적인 PDF 추정 가능성은 데이터를 포함하는 영역내 임의의 점에서 확률값을 얻을 수 있음을 의미하므로, 전처리부(21)의 결과 중 UTM 좌표데이터가 위치데이터 처리부(22)로 입력되면 실제로 확률을 평가할 국소격자들을 생성한다.
여기서, 국소격자의 크기는 KDE의 연산속도와 함께 결과 위치 확률분포를 표현하는 메모리 용량에도 직접적인 영향을 미치므로 사용자 매개변수(User parameter)로서 정의하며, 본 실시예에서는 100미터의 간격을 적용하였다.
상기한 바와 같이 선종별/길이별 UTM 좌표들과 이를 포함하는 공간격자 좌표정보가 KDE 알고리즘 모듈로 입력되면, 이하의 [수학식 1]과 같이 관측점 x의 위치에서 커널함수를 씌웠을때 커널내에 속하는 관측점 샘플(Sample)들의 가중 합(Weighted sum)을 이용하여 PDF를 추정한다.
[수학식 1]
여기서, 상기한 [수학식 1]에 있어서, h는 적용된 커널함수의 대역폭(Bandwidth)을 의미하고, d는 관측점이 표현되는 특징공간의 차원(Dimension)을 의미하며, 함수 K(ㆍ)는 확률분포 추정을 위해 각 관측점들에 적용되는 커널함수를 각각 의미한다.
아울러, 많은 경우 센서의 잡음은 가우시안 분포(Gaussian distribution)로 표현되므로, 본 발명에서도 AIS에서 계측되는 선박위치 관측점들을 가우시안 커널함수로 표현하였다.
또한, 이러한 커널함수에 대한 각 데이터 차원별 대역폭 bj는 Silverman의 경험법칙(Silverman's rule of thumb)에 따라 이하의 [수학식 2]와 같이 정의될 수 있다.
[수학식 2]
여기서, 상기한 [수학식 2]에 있어서, n과 d는 각각 입력데이터의 수와 차원을 나타내고, σi는 입력데이터 벡터의 i번째 변수(원소)의 표준편차를 의미한다.
아울러, 전처리 과정을 거친 결과들 중 UTM 좌표데이터들이 위치데이터 처리부(22)로 입력되면, 입력데이터 내에서 항적데이터의 양은 각 선종별, 길이별로 다르므로 위치 확률분포 추정결과는 모두 정규화된(Normalization) 값으로 표현된다.
즉, 도 11 내지 16을 참조하면, 도 11 내지 도 16은 UTM 좌표계에서 표현된 선종별/길이별 예시 항적에 KDE를 적용하여 추정된 위치 확률분포 추정결과를 열지도(Heatmap) 형태로 표현하여 각각 나타낸 도면으로, 도 11은 길이 100미터 미만급 유조선에 대한 추정결과를 나타내는 도면이고, 도 12는 길이 100 ~ 200미터급 유조선에 대한 추정결과를 나타내는 도면이며, 도 13은 길이 300 ~ 400미터급 유조선에 대한 추정결과를 나타내는 도면이고, 도 14는 길이 100 ~ 200미터급 화물선에 대한 추정결과를 나타내는 도면이며, 도 15는 길이 200~300미터급 화물선에 대한 추정결과를 나타내는 도면이고, 도 16은 길이 100미터 미만급 어선에 대한 추정결과를 각각 나타내는 도면이다.
다음으로, 운동데이터 처리부(23)의 처리과정에 대하여 설명하면, 먼저, 전처리부(21)의 전처리 후 운동데이터 처리부(23)에 입력되는 정보는 SOG와 COG 데이터로 구성된다.
여기서, 위치속성과 유사하게 SOG와 COG 속성 모두 공간격자를 구성하는 참조점(기준점)에 부여되므로, 이를 위해, 사용자 매개변수로서 국소 격자간격을 정의하고, 본 실시예에서는 1000미터의 간격을 적용한다.
또한, 하나의 국소 격자공간내에 충분히 많은 수의 데이터가 주어졌을 때 이에 대한 확률분포는 가우시안 분포를 따를 것이라는 가정을 기반으로, SOG와 COG 정보를 각각의 가우시안 랜덤변수(Gaussian random variable)로 정의한다.
더 상세하게는, SOG 속성은 각 국소격자 내부에 속하는 데이터에 정합(Fitting)된 가우시안 분포의 평균(Mean)과 표준편차(Standard deviation)로 표현되고, COG 속성은 국소격자 내부의 방위공간(Orientation space)을 8방향(45°간격)으로 분할하고 각 세부공간에서 정합된 가우시안 분포의 평균과 표준편차로 표현될 수 있다.
즉, 도 17을 참조하면, 도 17은 COG 속성 표현을 위한 방위공간 분할의 구성예를 나타내는 개념도이다.
아울러, 도 18 내지 도 21을 참조하면, 도 18 내지 도 21은 각각 선종별/길이별 예시 항적에 대한 SOG 속성의 예를 나타내는 도면으로, 도 18은 길이 100미터 미만급 유조선에 대한 SOG 속성의 예를 나타내는 도면이고, 도 19는 길이 100~200미터급 유조선에 대한 SOG 속성의 예를 나타내는 도면이며, 도 20은 길이 100미터 미만급 화물선에 대한 SOG 속성의 예를 나타내는 도면이고, 도 21은 길이 100~200미터급 화물선에 대한 SOG 속성의 예를 각각 나타내는 도면이다.
더옥이, 도 22 내지 도 29를 참조하면, 도 22 내지 도 29는 각각 선종별/길이별 예시 항적에 대한 COG 속성의 예를 나타내는 도면으로, 도 22는 길이 100미터 미만급 유조선(예시 국소격자-1)에 대한 COG 속성의 예를 나타내는 도면이고, 도 23은 길이 100미터 미만급 유조선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이며, 도 24는 길이 100 ~ 200미터급 유조선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이고, 도 25는 길이 100 ~ 200미터급 유조선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이며, 도 26은 길이 100미터 미만급 화물선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이고, 도 27은 길이 100미터 미만급 화물선(예시 국소 격자-2)에 대한 COG 속성의 예를 나타내는 도면이며, 도 28은 길이 100 ~ 200미터급 화물선(예시 국소 격자-1)에 대한 COG 속성의 예를 나타내는 도면이고, 도 29는 길이 100 ~ 200미터급 화물선(예시 국소 격자-2)에 대한 COG 속성의 예를 각각 나타내는 도면이다.
여기서, 도 22 내지 도 29에 있어서, 각 도면에서 노란색 사각형은 대상 국소격자 영역을 나타내고, 연두색 사각형 및 주황색 원은 주된 침로방향을 각각 나타내고 있다.
계속해서, 도 30을 참조하여, 상기한 바와 같이 하여 구성되는 계층형 DB의 구조에 대하여 설명한다.
즉, 도 30을 참조하면, 도 30은 선박의 항적 및 운동특성이 반영된 DB의 정보계층을 개략적으로 나타내는 개념도이다.
도 30에 나타낸 바와 같이, 상기한 바와 같은 일련의 처리과정을 통해 생성된 DB의 정보 계층은, 먼저, 선종을 첫번째 계층으로 하고, 각 선종 내에서 길이 데이터들을 100미터 간격으로 분할한 길이 클래스가 두번째 계층이 된다.
여기서, 각 길이 클래스에는 위치속성, COG 속성, SOG 속성이 포함되며, 각 속성에서는 기본적으로 매개변수로 정해진 간격의 국소격자 참조점들이 UTM 좌표계 기준으로 저장되어 있다.
또한, 위치속성에서는 하나의 2차원 좌표점에 하나의 위치확률 스칼라값이 할당되므로 격자점당 3개의 저장공간을 차지하고, COG 속성에서는 하나의 2차원 좌표점에서 8개의 방위공간을 가지고 한 방위공간당 평균과 표준편차가 할당되므로 격자점당 18개의 저장공간을 차지하며, 만약, 어떤 한 방위공간에 속하는 데이터가 없을 경우에는 평균과 표준편차는 각각 'NaN'으로 할당된다.
아울러, SOG 속성은 하나의 2차원 좌표점에서 평균과 표준편차가 할당되므로 격자점당 총 4개의 저장공간을 차지하며, 계층형 DB 내 정보를 참조하기 위한 'searchDB' 함수의 원형은 다음과 같다.
[attribute] = searchDB(DB, code, length, UTM-X, UTM-Y)
여기서, 입력변수는 각각 메모리에 불러온 DB 구조체, 선종번호, 선박길이, UTM 좌표계에서의 위치좌표로 이루어지고, 출력변수는 사용자가 입력한 선종 및 선박길이에서 UTM 좌표와 가장 가까운 격자 참조점에서의 속성을 의미한다.
즉, 도 31을 참조하면, 도 31은 출력변수의 구체적인 구성예를 나타내는 도면이다.
도 31에 나타낸 바와 같이, 출력변수는, 위치확률, 속도평균, 속도표준편차, 침로평균1, 침로표준편차1, 침로평균2, 침로표준편차2, 침로평균3, 침로표준편차3,침로평균4, 침로표준편차4, 침로평균5, 침로표준편차5, 침로평균6, 침로표준편차6, 침로평균7, 침로표준편차7, 침로평균8, 침로표준편차8을 포함하는 총 19개의 데이터가 포함된 단일의 배열로 출력되도록 구성될 수 있다.
상기한 바와 같이 하여 본 발명의 실시예에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10) 및 방법을 구현할 수 있으며, 계속해서, 도 32 및 도 33을 참조하여, 상기한 바와 같이 하여 구성되는 본 발명의 실시예에 따라 구축된 계층형 DB에 대한 유효성을 검증한 결과에 대하여 설명한다.
즉, 도 32를 참조하면, 도 32는 본 발명의 실시예에 따른 계층형 DB의 유효성 확인을 위해 가정된 4개의 시험점을 각각 나타내는 도면이다.
도 32에 나타낸 바와 같이, 본 발명자들은, 울산항 VTS에서 2주간(2020.10.01 ~ 2020.10.14.) 수집된 AIS 데이터를 이용하여 상기한 바와 같은 처리과정에 따라 계층형 DB를 생성하고, 이에 대한 유효성 및 활용가능성을 확인하기 위해 기초시험을 수행하였다.
더 상세하게는, 도 32에 나타낸 바와 같이, 시험을 위해 90미터 길이 유조선에 대한 AIS 데이터가 연안해역 4개의 위치에서 얻어졌다고 가정하였으며, 여기서, (A)와 (C)에서는 정상 거동범주 내의 SOG와 COG 값을 가정하고, (B)에서는 비정상 거동범주의 SOG 및 COG 값을 가정하며, (D)에서는 비정상 거동범주의 SOG 값과 정상 거동범주의 COG 값을 각각 가정하였다.
또한, 시험점 xtest에서의 정상/비정상 상태 여부를 평가하기 위해 이하의 [수학식 3]과 같이 정상상태 점수(Normality score) SN을 정의하였다.
[수학식 3]
여기서, 상기한 [수학식 3]에 있어서, P(xtest)는 시험점에서의 위치확률 속성을 나타내고, V(xtest), C(xtest)는 각각 시험점에서의 SOG, COG 값이 DB 속성으로 반영된 가우시안 분포의 99% 신뢰구간(Confidence interval)에 속하는지 여부에 따른 이진결정변수(Binary decision variable)이며, 즉, 신뢰구간에 속하면 1, 속하지 않으면 0이 할당되고, α는 세 속성출력간의 균형을 조절하는 가중치 매개변수이며, 연안해역에서의 성능평가를 위해 본 실시예에서는 0.5의 값으로 설정된다.
아울러, 도 33을 참조하면, 도 33은 본 발명의 실시예에 따른 계층형 DB의 유효성 확인결과를 표로 정리하여 나타낸 도면이다.
도 33에 나타낸 바와 같이, 도 32에 나타낸 4개의 시험점에서 가정된 위치 및 운동정보와 그에 대한 속성출력 및 정상상태 점수를 평가한 결과, 본 발명의 실시예에 따라 구축된 계층형 DB는 선박의 위치, SOG 및 COG 정보를 포함하여 보다 정확하고 사실적인 선박의 거동(Motion) 특성을 나타낼 수 있는 것임을 확인할 수 있다.
상기한 바와 같이, 본 발명에서는, 자율운항선박의 원격 및 전역 상황인식 시나리오에서 활용될 수 있는 누적 항적(AIS) 데이터 기반의 계층형 DB 생성 절차를 제안하였으며, 이러한 절차를 통해 생성된 계층형 DB는 많은 양의 항적 및 운동정보(SOG, COG) 데이터를 확률분포화 및 매개변수화함으로써 보다 간결한 구조로 다중 정보를 반영할 수 있다.
또한, 제안된 방법을 검증하기 위해 실제 울산항 VTS 센터에서 2주간 수집된 AIS 데이터를 이용하여 계층형 DB를 생성하고, 정상 및 비정상 거동 선박을 가정한 일련의 AIS 시험 데이터를 적용하여 제안된 방법의 유효성 및 활용 가능성을 확인하였다.
여기서, 상기한 본 발명의 실시예에서는, 본 발명에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템(10) 및 방법이 도 1 및 도 2에 나타낸 바와 같이 이루어지는 하드웨어 구성에 의해 수행되는 경우를 예로 하여 본 발명을 설명하였으나, 본 발명은 반드시 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 즉, 본 발명은, 도 1 및 도 2에 나타낸 하드웨어 구성을 구현하는 대신에 상기한 바와 같은 데이터 처리부(12)의 일련의 처리과정을 컴퓨터에 실행시키도록 이루어지는 컴퓨터 프로그램의 형태로 구성될 수 있으며, 그것에 의해, 별도의 하드웨어를 구성할 필요 없이 보다 간단한 구성 및 저렴한 비용으로 용이하게 구현 가능하도록 구성될 수 있다.
이상, 상기한 바와 같은 본 발명의 실시예를 통하여 본 발명에 따른 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법의 상세한 내용에 대하여 설명하였으나, 본 발명은 상기한 실시예에 기재된 내용으로만 한정되는 것은 아니며, 따라서 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 설계상의 필요 및 기타 다양한 요인에 따라 여러 가지 수정, 변경, 결합 및 대체 등이 가능한 것임은 당연한 일이라 하겠다.
10. 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템
11. 데이터 수집부
12. 데이터 처리부
13. 데이터 저장부
14. 통신부
15. 제어부
21. 전처리부
22. 위치데이터 처리부
23. 운동데이터 처리부

Claims (11)

  1. 선박의 항적특성이 반영된 계층형 데이터베이스(Database ; DB) 구축시스템에 있어서,
    선박의 항적특성이 반영된 계층형 데이터베이스(DB)를 생성하기 위해 미리 정해진 각종 데이터를 수집하는 처리가 수행되도록 이루어지는 데이터 수집부;
    상기 데이터 수집부를 통해 수집된 각각의 데이터에 근거하여, 선박의 위치정보와 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보가 계층형으로 반영된 항적특성 데이터를 생성하는 처리가 수행되도록 이루어지는 데이터 처리부; 및
    상기 데이터 처리부에 의해 생성된 각각의 상기 항적특성 데이터를 데이터베이스 형태로 저장하여 선박의 항적특성이 반영된 계층형 데이터베이스를 생성하는 처리가 수행되도록 이루어지는 데이터 저장부를 포함하여 구성되고,
    상기 데이터 처리부는,
    상기 데이터 수집부를 통해 입력되는 각각의 데이터에 대하여 미리 정해진 전처리(Preprocessing) 과정이 수행되도록 이루어지는 전처리부;
    상기 전처리부를 통해 전처리된 데이터에 선박의 위치속성을 반영하기 위해 미리 정해진 위치데이터 처리(Position data processing) 과정이 수행되도록 이루어지는 위치데이터 처리부; 및
    상기 전처리부를 통해 전처리된 데이터에 SOG 및 COG를 포함하는 선박의 운동(Motion) 속성을 반영하기 위해 미리 정해진 SOG 속성 처리 및 COG 속성 처리를 포함하는 운동데이터 처리(Motion data processing) 과정이 수행되도록 이루어지는 운동데이터 처리부를 포함하여 구성되며,
    상기 위치데이터 처리과정은,
    상기 전처리부를 통해 전처리된 UTM 좌표데이터가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성(Local Grid Generation) 과정; 및
    상기 전처리부를 통해 전처리된 선종별 및 길이별 UTM 좌표들과 공간격자 좌표정보가 입력되면, 이하의 수학식을 이용하여 확률밀도함수(Probability Density Function ; PDF)를 추정하는 커널밀도추정(Kernal Density Estimation) 과정을 포함하는 처리가 수행되도록 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.



    (여기서, 함수 K(ㆍ)는 확률분포 추정을 위해 각 관측점들에 적용되는 커널함수, h는 적용된 커널함수의 대역폭(Bandwidth), d는 관측점이 표현되는 특징공간의 차원(Dimension)을 각각 의미함)
  2. 제 1항에 있어서,
    상기 구축시스템은,
    외부 기기와 유선 또는 무선통신 중 적어도 하나의 방식으로 통신을 행하여 각종 데이터를 송수신하는 처리가 수행되도록 이루어지는 통신부; 및
    상기 구축시스템의 전체적인 동작을 제어하는 처리가 수행되도록 이루어지는 제어부를 더 포함하여 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  3. 제 1항에 있어서,
    상기 데이터 수집부는,
    선박의 정상 및 비정상 거동을 판단하기 위한 전역적 상황인식(Situational awareness) 기술에 적용하기 위한 데이터베이스를 구축하기 위해, 선박교통관제센터(Vessel Traffic Service ; VTS)를 통해 취합되어 전송되는 자선 및 주변 선박의 선박자동식별장치(Automatic Identification System ; AIS) 기반 항적정보를 수신하여 상기 데이터 처리부로 전달하는 처리가 수행되도록 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  4. 삭제
  5. 제 1항에 있어서,
    상기 전처리(Preprocessing) 과정은,
    입력되는 각각의 데이터들을 미리 정해진 파일형식의 단일 데이터 구조로 통합하는 데이터 통합(Data Integration) 과정;
    전체 통합 파일로부터 고유 선종(Vessel Type) 리스트를 추출하여 제 1 계층을 생성하고 각 선종에 대하여 미리 정해진 기준에 따라 클래스를 분류하는 선종 및 길이 분류(Type & Length Classification) 과정;
    수집된 항적위치 좌표들을 UTM(Universal Transverse Mercator) 좌표계로 변환하는 좌표변환(Coordinate Transform) 과정; 및
    VTS 관제영역 밖의 정보들은 모두 배제하고 정지 및 정박된 선박들의 데이터도 모두 배제하여 VTS 관제영역 내에서 유효한 데이터만 반영하는 타겟 경계설정(Target boundary setting) 과정을 포함하는 처리가 수행되도록 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  6. 삭제
  7. 제 1항에 있어서,
    상기 SOG 속성 처리는,
    상기 전처리부를 통해 전처리된 SOG 정보가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성(Local Grid Generation) 과정;
    상기 SOG를 가우시안 랜덤변수(Gaussian random variable)로 정의하여, 각각의 국소격자 내부에 속하는 데이터에 정합(Fitting)된 가우시안 분포의 평균(Mean)과 표준편차(Standard deviation)로 상기 SOG 속성을 나타내는 가우시안 PDF 정합(Fitting Gaussian PDF) 과정을 포함하여 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  8. 제 1항에 있어서,
    상기 COG 속성 처리는,
    상기 전처리부를 통해 전처리된 COG 정보가 입력되면 미리 정해진 설정에 따라 국소격자를 생성하는 로컬그리드 생성과정;
    각각의 국소격자 내부의 방위공간(Orientation Space)을 미리 정해진 설정에 따라 복수의 세부공간으로 분할하는 방위공간분할(Orientation Space Segmentation) 과정; 및
    상기 COG 정보를 가우시안 랜덤변수로 정의하여, 각각의 상기 세부공간에서 정합된 가우시안 분포의 평균과 표준편차로 상기 COG 속성을 나타내는 가우시안 PDF 정합과정을 포함하여 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  9. 제 1항에 있어서,
    상기 항적특성 데이터는,
    선종(Vessel Type)에 대한 정보를 포함하여 이루어지는 제 1 계층;
    각 선종에 대한 길이 데이터를 미리 정해진 기준에 따라 분류한 길이 클래스(Length Class) 정보를 포함하여 이루어지는 제 2 계층;
    각각의 길이 클래스에 대한 위치속성, COG 속성, SOG 속성 및 각 속성에 대한 참조점들의 UTM 좌표를 포함하여 이루어지는 제 3 계층을 포함하여 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  10. 제 1항에 있어서,
    상기 구축시스템은,
    상기 데이터 처리부의 처리과정을 컴퓨터를 통해 실행시키도록 이루어지는 컴퓨터 프로그램의 형태로 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템.
  11. 선박의 항적특성이 반영된 계층형 데이터베이스 구축방법에 있어서,
    선박의 항적특성이 반영된 계층형 데이터베이스(DB)를 생성하기 위해 미리 정해진 각종 데이터를 수집하는 처리가 수행되는 데이터 수집단계;
    상기 데이터 수집단계를 통해 수집된 각각의 데이터에 근거하여, 선박의 위치정보와 선박의 속도(Speed over ground ; SOG) 및 침로(Course over ground ; COG)를 포함하는 운동정보가 계층형으로 반영된 항적특성 데이터를 생성하는 처리가 수행되는 데이터 처리단계; 및
    상기 데이터 처리부에 의해 생성된 각각의 상기 항적특성 데이터를 데이터베이스 형태로 저장하여 선박의 항적특성이 반영된 계층형 데이터베이스를 생성하는 처리가 수행되는 데이터 저장단계를 포함하여 구성되고,
    상기 데이터 수집단계, 상기 데이터 처리단계 및 상기 데이터 저장단계는,
    청구항 1항 내지 청구항 3항, 청구항 5항, 청구항 7항 내지 청구항 10항 중 어느 한 항에 기재된 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템을 이용하여 수행되도록 구성되는 것을 특징으로 하는 선박의 항적특성이 반영된 계층형 데이터베이스 구축방법.
KR1020230052025A 2023-04-20 2023-04-20 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법 KR102581419B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230052025A KR102581419B1 (ko) 2023-04-20 2023-04-20 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230052025A KR102581419B1 (ko) 2023-04-20 2023-04-20 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102581419B1 true KR102581419B1 (ko) 2023-09-21

Family

ID=88189251

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230052025A KR102581419B1 (ko) 2023-04-20 2023-04-20 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102581419B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170104209A (ko) 2016-03-07 2017-09-15 한국전자통신연구원 선박의 항적 정보 처리 장치 및 방법
KR102161147B1 (ko) * 2019-10-31 2020-09-29 한국해양과학기술원 이상운항 선박 식별 장치 및 방법
KR102182037B1 (ko) 2020-04-02 2020-11-23 한국해양과학기술원 선박의 이동경로 네트워크 생성 장치 및 방법
KR20220088032A (ko) * 2020-12-18 2022-06-27 울산과학기술원 베이지안 부트스트랩을 적용한 선박 운항 이상 감지 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170104209A (ko) 2016-03-07 2017-09-15 한국전자통신연구원 선박의 항적 정보 처리 장치 및 방법
KR102161147B1 (ko) * 2019-10-31 2020-09-29 한국해양과학기술원 이상운항 선박 식별 장치 및 방법
KR102182037B1 (ko) 2020-04-02 2020-11-23 한국해양과학기술원 선박의 이동경로 네트워크 생성 장치 및 방법
KR20220088032A (ko) * 2020-12-18 2022-06-27 울산과학기술원 베이지안 부트스트랩을 적용한 선박 운항 이상 감지 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A Clustering-based Approach for Predicting the Future Location", The 35th Canadian Conference on Artificial Intelligence, 2022.05.28.* *
"PREDICTING VESSEL TRAJECTORIES FROM AIS DATA USING", NAVAL POSTGRADUATE SCHOOL, 2017. *

Similar Documents

Publication Publication Date Title
Zhang et al. A big data analytics method for the evaluation of ship-ship collision risk reflecting hydrometeorological conditions
Zhang et al. A predictive analytics method for maritime traffic flow complexity estimation in inland waterways
Xin et al. A simulation model for ship navigation in the “Xiazhimen” waterway based on statistical analysis of AIS data
Fang et al. Automatic identification system-based approach for assessing the near-miss collision risk dynamics of ships in ports
Kowalska et al. Maritime anomaly detection using Gaussian process active learning
US7692573B1 (en) System and method for classification of multiple source sensor measurements, reports, or target tracks and association with uniquely identified candidate targets
EP2799902A1 (en) Method and apparatus for the tracking of multiple objects
Tsou Discovering knowledge from AIS database for application in VTS
Zhang et al. An interpretable knowledge-based decision support method for ship collision avoidance using AIS data
CN109934164A (zh) 基于轨迹安全度的数据处理方法和装置
Zhang et al. Big data–based estimation for ship safety distance distribution in port waters
Pedrielli et al. A real time simulation optimization framework for vessel collision avoidance and the case of singapore strait
Yang et al. Maritime traffic flow clustering analysis by density based trajectory clustering with noise
Yu et al. A direction-constrained space-time prism-based approach for quantifying possible multi-ship collision risks
Liu et al. Modelling dynamic maritime traffic complexity with radial distribution functions
Kim et al. Study on the analysis of near-miss ship collisions using logistic regression
CN114936332A (zh) 一种风电场水域船舶交通流分析的方法、装置和存储介质
CN114333424A (zh) 一种桥梁防船撞监测预警系统
KR102581419B1 (ko) 선박의 항적특성이 반영된 계층형 데이터베이스 구축시스템 및 방법
CN110826891B (zh) 一种基于船舶集群态势的相对碰撞危险度获取方法
Zhang et al. Semi-qualitative method for ship collision risk assessment
CN116597693A (zh) 一种内河航运监控系统及方法
WO2023215980A1 (en) System and method for enhanced estimated time of arrival for vessels
Jurkus et al. Application of coordinate systems for vessel trajectory prediction improvement using a recurrent neural networks
Bonham et al. Analysing port and shipping operations using big data

Legal Events

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