항로표지 배치 적합성 검증 방안에 관한 연구

Ⅰ. 서 론

우리나라 항로표지법에서 정의하는 항로표지는 항행하는 선박에 대하여 등광·형상·색채·음향·전파 등을 수단으로 선박의 위치·방향 및 장애물의 위치 등을 알려주는 항행보조시설로서 광파표지, 형상표지, 음파표지, 전파표지 및 특수신호표지 등을 포함하는 것이다(MOF, 2022a). 이러한 항로표지는 안전하고 효율적인 해상교통 환경을 조성하기 위하여 관계 중앙행정기관의 장과 협의하여 5년 단위로 항로표지에 관한 기본계획을 수립·시행하도록 하고 있다(MOF, 2022b).

MOF(2020b)에 의하면 2020년부터 2025년까지의 항로표지 기본계획은 스마트 항로표지 인프라 구축, 다기능화, 노후시설 개량, 시설 확충 중심으로 한 사업 추진 계획을 수립하였으며 이에 따라 항로표지의 위해요소 제거 및 시설 확충을 목적으로 주기적으로 항로표지 배치에 대한 안전진단을 실시하고 있다.

MOF(2022c)에 따르면 항로표지를 설치하고자 할 때는 이용자의 요구, 해안가의 특성, 수로의 상태와 수로에서의 해상교통 형태 및 밀집도 등을 고려하여 그 설치 위치, 종류 및 규격을 결정해야 함을 강조하고 있다. 그렇다면, 이러한 내용을 기존에 설치된 항로표지에 대한 적절성을 검토에 적용해 보면 규정에서 요구하는 사항에 대한 객관적인 근거와 정량적인 자료에 의해서 평가 되어야 한다고 볼 수 있다.

그러나 항로표지 배치의 안전진단에 있어 가장 중요한 부분이라고 할 수 있는 항로표지 배치 적절성 평가는 대부분 항로표지 시인성의 평가와 선박 운항 전문가 자문을 통한 항로표지 위치 적정성 평가로 이루어지고 있다(Busan Regional Office of Oceans and Fisheries, 2016). 즉, 항로는 국내외 국적의 많은 선박이 통항하는 항로임에도 불구하고 일부 선박 운항자 의견을 항로표지 배치 적정성 검토 시 가장 중요한 판단 근거로 삼는 것은 적절하지 않다고 판단된다. 또한, 국내의 항로표지 배치기준 및 IALA 기준 등 객관적인 지표가 있음에도 불구하고 주관적 의견을 통해 항로표지 배치 적절성 판단을 하는 것 또한 문제가 있다고 판단된다.

최근 항로표지 배치와 관련한 학술 연구에서, Lee et al.(2022)는 서남해안 좁은 수로에 배치된 항로표지가 해상교통 환경 변화 이후, 선박운항 안전에 대한 역할을 제대로 수행하고 있는지 검토하였다. 그리고 Kim et al.(2014)은 항로표지 배치에 대한 의사결정을 지원하기 위한 방안으로 항로표지 시뮬레이터 시스템 개발에 관한 연구를 진행하였다. Moon et al.(2021)은 부산항 제2항로를 대상으로 통항선박과 항로표지 간 이격거리 및 통항 분포를 분석하여 항로표지의 운영 방안을 제시한 바 있다. 또한, Faizal et al.(2019)은 신규 건설 항만의 항로표지 배치를 위해 선박조종시뮬레이션을 이용하는 방법론을 제시하였으며, 실제 항만에 적용한 결과를 제시하였다. 그리고 Jeong(2022)은 선박 통항로의 Risk를 기반으로 항로표지 배치 최적화 방법을 제시하였다.

상기의 항로표지와 관련된 연구들은 주로 기 설치된 항로표지가 적절하게 운용되는지 실제 사례를 들어 분석하거나 항로표지 배치 적절성 분석을 위한 도구 개발 등을 목표로 한 것으로, 항로표지 배치의 적정성을 검토할 수 있는 정량적인 기법을 제시하는 연구는 찾아보기 어렵다.

항로표지 배치 적합성 평가를 위해 사용하던 시인성 평가와 선박 운항 전문가의 주관적 의견 수렴 과정에 대한 방법론은 잘 이루어지고 있는 것으로 판단된다. 이에 본 연구에서는 항로표지 배치의 적합성을 검증할 수 있는 정량적인 방법론으로서 프로그램을 개발하고자 한다. 다만, 항로표지 배치 적합성 검증 대상이 되는 항로표지의 종류는 측방표지로 한정하였다. 그리고 이 방법론을 항로 길이가 길고 상선과 어선의 통항이 활발한 목포 입출항 항로를 대상으로 현재 설치되어 있는 항로표지 배치의 적절성을 검증하여 개발한 프로그램의 적정성을 검토하였다.

Ⅱ. 연구 방법

1. 항로표지 적합도 검증 방법론

항로표지 배치 적합성 검증을 위한 방법론은 [Fig. 1]과 같다.

[Fig. 1]

Component structure of the conformity verification system for AtoN arrangement.

구체적으로 살펴보면, 데이터를 필터링하는 데이터 마이닝 모듈, 기계학습이 이루어지는 항해 분석 모듈, 거리 계산이 이루어지는 적합성 모듈, 적합성을 검증하는 검증 모듈로 구성되어 있고 적합성 모듈은 다시 각 항로표지 사이의 거리를 계산하는 모듈과 대표 항적과 항로표지 사이의 거리를 계산하는 모듈로 구성된다.

항로표지 배치 적합도 검증 시스템의 각 컴포넌트 모듈의 기능을 살펴보면 <Table 1>과 같다.

<Table 1>

List of system configuration components

데이터 마이닝 모듈은 항로표지 적합성 검증을 위해 필요한 데이터를 외부 빅데이터로부터 수집 및 가공한다. 여기서 외부 빅데이터는 AIS 항적 데이터, 항로표지 경위도 좌표, 그리고 적정성 검토 구역(boundary) 등이다. 그리고 항해 분석 모듈은 기계학습을 통해 AIS 항적을 분석하고 해당 구역을 통항한 선박들의 대표 항적을 도출하고, 각 부표 및 각 항적에 대한 공간 정보를 계산한다. 그리고 항로표지 사이의 거리, 항로표지와 항적 간의 거리, 거리율을 계산하여 최종적으로 항로표지 적합 여부를 검증한다.

2. 데이터 수집 및 필터링

데이터 수집 및 필터링 절차는 항로표지 배치 적합성 검증을 위한 시스템 설계에 있어 첫 번째 단계로서 AIS 항적 데이터, 항로표지 경위도 좌표, 그리고 적정성 검토 구역(boundary) 등이다.

<Table 2>와 <Table 3>은 데이터 인터페이스 연계 방식과 선박 항적 정보 인터페이스 정보를 보여주고 있다. 항로표지 및 선박의 항적 정보를 위한 입출력 인터페이스는 CSV(comma separated value)파일을 배치(batch)처리하는 방식이며, 실험 영역설정은 항로별/섹터별로 분리 설계된 직선 항로영역을 대상으로 하였다.

<Table 2>

Data interface association method

<Table 3>

Input/output interface of ship’s trajectory

선박 항적 데이터에 대한 입출력 인터페이스를 보면 AIS 시스템으로부터 선박과 항로표지의 경위도 좌표, 항로표지 이름, 그리고 항로표지의 시인거리 데이터를 외부 시스템으로부터 전송받아 항로표지 배치 적합성 검증 시스템에서 처리하는 방식이다.

3. 평가 요소 및 방법

항로표지 배치 규정 검토 결과를 토대로 정량적인 항로표지 배치 적정성 검토를 위해 2가지의 평가 요소를 도출하였으며, 그 내용은 다음과 같다.

가. 항로표지와 선박 간 이격거리

항로표지와 선박 간의 이격거리는 [Fig. 1]과 같이 각 항로표지와 선박의 대표 항적 간의 최단 거리를 의미한다. 이것은 선박과 항로표지와의 이격거리에 대한 정량적인 기준을 토대로 평가가 이루어진다.

[Fig. 2]

Distance between the AtoN and the ship.

본 연구에서는 규정에서 요구하는 항로표지와 선박 간 이격거리를 검증하기 위해 거리율(Distance rate, DR)이라는 개념을 도입하였다. 거리율이란 항로표지와 선박 간의 거리를 항로표지 식별 가능 거리로 나눈 값으로 정의한다.

나. 항로표지 2기 식별 최소간격

항로표지 2기를 식별할 수 있는 최소간격은 이안거리와 항로표지 2기 간의 거리를 비교하여 적정성을 검증하며, 규정에서 제시한 항로표지 2기의 최소간격을 기준으로 정량적인 평가가 이루어진다.

Ⅲ. 연구 결과

연구 결과에서는 항로표지 배치 적합성 검증을 위한 국내외 규정, 기계학습을 통한 항적 분석, 항로표지 적합성 분석, 그리고 이를 실제 항로에 적용한 결과를 제시하고자 한다.

2. 기계학습을 통한 선박 항적 분석

최적의 항적을 결정하기 위한 기계학습법은 선형회귀 모델과 최소제곱법으로 함수의 기울기와 절편을 계산하여 최적 항적선을 구하는 방법이 가장 일반적으로 사용된다.

최소제곱법은 함수값과 측정값의 차이인 오차를 제곱한 것의 합이 최소가 되는 함수를 구하는 방법이다. 이때 선박 항적과 항로표지의 좌표를 얻기 위해 CSV형 외부 파일을 읽어 들여 각 선박들의 항적을 산점도로 계산하고 이를 통해 선형회귀모델로부터 오차가 가장 작은 최적 항적선을 결정한다.

본 연구에서 적용한 AIS 대표 항적 결정 알고리즘 모델은 [Fig. 3]과 같다.

[Fig. 3]

Component structure of the conformity verification system for AtoN arrangement.

일반적인 선형회귀 모델에서 주어진 훈련 데이터(x, y)로부터 기울기와 절편을 찾는 과정은 아래의 절차로 수행되며 일반식은 식(1)과 같다.

• ① 무작위로 기울기(w)와 절편(b)를 정한다.
• ② 훈련데이터 x에서 샘플(sample) 하나를 선택하여 예측값을 계산한다.
• ③ 예측값과 실제값 y를 비교한다.
• ④ 예측값이 실제값과 더 가까워지도록 w와 b를 조정한다.
• ⑤ 모든 훈련데이터(train data)의 처리가 끝날 때까지 ②에서 ④까지 반복한다.

$\[ Y_i=b+{wX}_i+{ϵ}_i \]$

(1)

• 여기서, b : 절편
• 　　 　w : 기울기
• 　　 　ϵ_i : 변화율

[Fig. 4]는 기계학습을 통해 선박 항적을 분석하고 회귀분석 기법으로 대표항적 결정 결과의 예시를 나타낸 것이다.

[Fig. 4]

Example of a representative trajectory decision.

선형회귀 모델에서 입력 데이터와 목표 데이터를 통해 기울기와 절편을 찾는 과정은 여러 방법론이 있지만 주로 경사 하강법을 사용한다. 경사 하강법은 기울기와 절편을 찾는 과정에서 변화율을 조정하여 알고리즘을 조정하는 방법이다.

본 연구에서는 AIS 대표 항적 도출을 위해 회귀분석 알고리즘을 사용하였다.

훈련 데이터를 입력하기 위해 CSV파일에서 데이터를 읽어 들이고, 기울기(w)와 절편(b)을 초기화하기 위해 각각 0.1로 부여하였다. 그리고 가중치를 갱신하기 위해 변화율(w_rate)을 더해 주었다. 변화율은 예측값의 증가율을 기울기의 증가율로 나눈 값이다. 같은 방법으로 절편의 변화율을 계산하면 상수 1이 되기 때문에 절편값의 갱신은 절편에 단순히 1을 더했다. 그리고 실측값과 예측값의 차이가 큰 경우 큰 폭으로 기울기와 절편을 갱신하기 위해 오차(error)를 변화율에 곱하는 방법으로 기울기와 절편의 값을 수정하였다.

위 알고리즘에서 전체 데이터를 처리하기 위해 여러 개의 배열에서 동시에 요소들을 꺼내오는 방법을 사용했다. 그리고 학습은 주어진 훈련 데이터로 학습의 정확도를 높이기 위해 연산을 반복하는 기법인 경사하강법(gradient descent)을 사용하였다.

그리고 기계학습을 위해 파이썬의 scikit-learn 라이브러리에서 제공하는 regression() 선형 회귀함수를 사용하였다. 이 함수는 훈련 세트를 여러개의 하위 훈련세트로 나누고, 훈련과 테스트를 반복하며 파라미터를 최적화 할 수 있도록 도와주기 때문에 모델의 편향(underfitting)과 분산(overfitting)을 방지해준다. 즉 프로그램 내에서 반복문을 통해 인위적으로 반복 회수를 변화시켜도 편향과 분산이 나타나지 않는 특징이 있다(Abraham et. al, 2014). 따라서 본 연구에서는 학습 반복 회수를 100번, 200번, 300번 반복하여 비교한 결과, 각각의 파라미터(기울기, 절편)가 동일한 것으로 나타나 학습 회수를 100회로 설정하였다.

4. 시스템 구현 및 평가

가. 항로표지 배치 평가 및 검증 시스템 구현

항로표지 배치 적합도 검증 시스템의 화면 설계는 6개의 하부 화면으로 구성된다.

첫 번째는 특정 항로, 특정 섹터의 선박 이동에 대한 항적자료와 부표의 경위도 데이터를 입력하기 위해 메뉴 바로 구성한 GUI 화면이다.

두 번째는 파일 선택 다이얼로그 박스를 팝업(pop up)하여 특정 폴더에 기록된 CSV 형식의 파일을 입력할 수 있도록 한다.

세 번째는 [Fig. 5]와 같이 특정 항로, 특정 섹터에서 항해한 선박들의 항적들을 산점도 형태로 출력하고, 선박 항적도에서 산점들을 대표할 수 있는 대표 항적선을 기계학습을 통해 결정한 화면이다.

[Fig. 5]

Optimal trajectory line derivation screen.

네 번째는 [Fig. 6]과 같이 항로표지 적합성을 평가한 결과를 테이블 형태로 표시한 것이다. 이때 각 항로표지와 대표항적선과의 최단 거리를 계산하고 해당 해역에 설치된 부표들 간의 거리도 계산된다.

[Fig. 6]

AtoN placement conformity assessment screen.

마지막 다섯 번째는 [Fig. 7]과 같이 부표별 배치를 법적 규정과 정성적 지식들을 반영해 항로표지의 적합성을 검증한 결과 화면이다.

[Fig. 7]

AtoN placement conformity verification screen.

나. 항로표지 배치 평가 및 검증 시스템 평가

본 연구에서 시험적으로 적용한 해역은 목포해양대학 인근의 해역으로 1일 동안 왕래한 선박들의 항적들을 AIS(Automatic Identification System)에서 추출하고 선박의 선수방향(HDG)을 기준으로 필터링하여 입항과 출항으로 데이터를 구분하였다. 필터링 결과 입항에 사용한 자료는 5,014개의 경위도 데이터가 추출되어 사용되었다.

[Fig. 8]은 필터링을 통해 도출된 선박의 항적 및 목포항 항로표지를 도출한 결과이다.

[Fig. 8]

AtoN placement conformity verification result of Mokpo fairway.

[Fig. 8]에서 붉은색의 삼각점은 항해부표를 의미하고 푸른색의 직선은 대표항적선을 회색의 산점도는 선박들이 항해한 항적도를 의미한다.

<Table 4>는 목포해양대학 인근 해역에서 실시한 항로표지 배치 적합성 검증 결과이다.

<Table 4>

AtoN placement conformity assessment result

검증 결과, 목포항 2호 항로표지에서는 4호 항로표지와의 거리가 IALA 규정에서 정한 한쪽 배치 직선 구역 적정거리를 초과하고 있으며 부표2기의 동시 식별 최소간격도 초과하고 있다. 4호, 6호, 8호 항로표지는 국내 규정 및 IALA 규정에 모두 적합한 것으로 나타났다.

목포항 10호 항로표지에서는 국내 규정과 IALA 규정에는 적합하지만, 항로표지와 대표 항적선 간의 최소거리가 150m 이내로 접근한 것으로 나타났다. 이는 목포항 10호 항로표지 부근에서 많은 선박들이 항해거리와 이동시간을 단축하기 위해 정규 항로로 항해하지 않고 가로 지르기(shortcut)를 시행하고 있어 항로표지 배치에 대한 검토가 필요한 것으로 보인다.

Ⅳ. 결 론

본 연구에서는 항로표지 배치 적합성을 정량적으로 평가하고 이를 검증하기 위한 방법을 제시하였으며, 그 내용을 요약하면 다음과 같다.

첫 번째로 정량적 수치를 기반으로 한 항로표지 배치 적합성 평가를 위해 빅데이터 기반 데이터 전처리 알고리즘 개발, 기계학습을 통한 항적분석 알고리즘 개발, 그리고 항로표지 적합성 평가 알고리즘을 개발하였다.

두 번째로 선박 항적 데이터와 항로표지 자료를 추출하고 학습하여 항로표지 배치를 검증하기 위해 항로표지 배치 검증 알고리즘을 개발하였고 파이썬 프로그램을 기반으로 한 GUI형 시스템으로 구현하였다.

마지막으로 본 연구를 통해 개발한 시스템을 목포항 입출항 항로의 2번, 4번, 6번, 8번, 10번 항로표지의 배치 적합성을 검증하였다. 검증 결과, 2번 항로표지는 4번 항로표지와 이격거리가 IALA 규정을 초과하며, 부표 2기의 동시 식별 최소간격도 초과하고 있다. 또한, 10번 항로표지는 항로표지와 대표 항적선 간의 최소거리가 150m 이내로 접근하여 항로표지 배치에 대한 검토가 필요한 것으로 보인다.

본 연구는 항로표지 배치 적합성 평가 시 항해자의 주관적 판단 위주로 결정되던 기존의 방식에서 국내 및 해외의 항로표지 배치기준을 토대로 정량적인 항로표지 배치 적합성 평가 및 검증을 할 수 있는 시스템을 개발했다는 측면에서 가치있는 연구라고 판단된다. 또한, 전문가 뿐 아니라 일반인도 항로표지 배치 적합성 평가 및 검증을 쉽게 해볼 수 있는 것이 특징이다.

향후에는 본 연구를 확장시켜 항로표지 배치 적합성 평가 및 검증 결과를 토대로 최적의 배치를 권고해 줄 수 있는 시스템을 개발할 필요가 있으며, 이를 통해 현재 이루어지고 있는 항로표지 재배치 연구를 위한 인력 및 예산을 획기적으로 줄일 수 있을 것으로 판단된다.

Acknowledgments

이 논문은 2022년 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구임 (해양 디지털 항로표지 정보협력시스템 개발(2/5) (20210650).

References

• Alexandre Abraham, Fabian Pedregosa, Michael Eickenberg, Philippe Gervais(2014). Machine Learning for Neuroimaging with Scikit-Learn, Frontiers in Neuroinformatics 8(14), 2p. [https://doi.org/10.3389/fninf.2014.00014]
• Busan Regional Office of Oceans and Fisheries (2016). Design of the Relocation of Aids to Navigation for Major Fairway in Busan Port. 15~18.
• Faizal F, Mohammed Ismail RS and Mohd HS(2019). Study to Establish New Marine Aids to Navigation at Kuantan Port New Deep Water Terminal, Maritime Safety International Conference, 330~335.
• IALA(2011). IALA Guideline No. 1078 on The Use of Aids to Navigation in the Design of Fairways.
• Jeong HS(2022). Optimization of Marine Aids to Navigation Arrangement Based on the Risk for Ship Fairways, Graduate School of Korea Maritime and Ocean University, 63~77. http://kmou.dcollection.net/public_resource/pdf/200000603151_20221221093745.pdf
• Kim AY, LEE YJ, Park SK, Oh JY and Kim YG(2014). A Study on the AtoN Operational Software Development for the AtoN Management and the Decision Support of its Placement Planning, Journal of the Korean Society of Marine Environment & Safety 20(5), 543~551. [https://doi.org/10.7837/kosomes.2014.20.5.543]
• Lee HH, Kim DB and Kwon YM(2022). Study on the Arrangement and Function of AtoN on Narrow Channels -Focused on the Cases of Narrow Channels on Southwestern Coast of Korea-, Journal of the Korean Society of Marine Environment & Safety 28(2), 297~306. [https://doi.org/10.7837/kosomes.2022.28.2.297]
• MOF(2020). Plan of Implementation of the Aids to Navigation, 5-15.
• MOF(2022a). Aids to Navigation Act, Provision 2. https://www.law.go.kr/LSW/lsInfoP.do?efYd=20220705&lsiSeq=238841#0000, on November 02.
• MOF(2022b). Aids to Navigation Act, Provision 6. https://www.law.go.kr/LSW/lsInfoP.do?efYd=20220705&lsiSeq=238841#0000, on November 02.
• MOF(2022c). Standards for the Functions and Specifications of Aids to Navigation. https://law.go.kr/LSW/admRulLsInfoP.do?chrClsCd=&admRulSeq=2100000212365, on November 02.
• Moon BS, Park YS and Kim TG(2021). A Study on the Vessel Separation Distance from Aids to Navigation : Focus on 2nd Sea Route on Busan Harbor, Korean Association of Maritime Police Science 11(1), 229~244. [https://doi.org/10.30887/jkmps.2021.11.1.229]
• PIANC(2014). Harbour Approach Channels Design Guidelines.