1. 서 론
우리나라는 삼면이 바다로 둘러싸인 지정학적 특성으로 인해 해상 운송이 국가 물류 체계의 핵심적인 축을 담당하고 있다. 특히 서남해역의 요충지인 목포항은 다도해의 관문이자 경제 중심항으로서 선박 통항량이 지속적으로 증가하고 있으며, 선박의 대형화 추세에 따라 해상교통 환경의 복잡성이 가중되고 있다. 이에 해양수산부 목포지방해양수산청에서는「해상교통안전법」에 근거하여 '목포 인근 해역 항행 안전에 관한 고시'를 제정하고, 목포구, 시아해, 명량수도 등 주요 해역에 지정항로와 통항 기준을 설정하여 해양 사고 예방을 위한 법적·제도적 기반을 마련해 왔다(MOF, 2024).
이러한 법적 조치는 선박 운항 질서 유지에 기여해 왔으나, 도서가 밀집한 해역에서는 선박들이 지정항로를 벗어나 관습적으로 형성된 관습항로를 이용해 항로를 가로지르는 경우가 빈번하다. 이는 지정항로 통항 선박과의 교차조우를 발생시키며 잠재적 위험성을 가중시키고 있는 실정이다.
따라서 본 연구는 AIS 데이터를 활용하여 명량수도 이북해역을 중심으로 지정항로와 관습항로 간의 동적 간섭 현상을 분석하고, 기존 설계 기준이 고려하지 않은 교차 조우가 충돌 위험에 미치는 영향을 격자 단위의 상대적 충돌 위험 증가지수로 정량화하는 것을 목적으로 한다. 아울러 이를 바탕으로 고위험 간섭 구역을 식별함으로써, 향후 가변적 해상교통관제 대상 구역 검토 및 항로 설계 보정 연구에 활용될 수 있는 실증적 기초 자료를 제공하고자 한다.
2. 선행연구 고찰
국내 항로 설계 기준은 해양수산부「항만 및 어항 기술기준」을 따르고 있으며(MOF, 2025), 국외 항로 설계 기준은 대표적으로 국제수상교통시설협회의 국제 기술 표준에 따른다(PIANC, 2014).
2.1 국내·외 항로 설계 기준의 주요 특성
현재의 설계 기준은 전장(L: Length of Target Ship)이나 폭(B: Breadth of Target Vessel)을 기반으로 정적·기하학적 공간 확보에 주안점을 두고 있으며, 일방통행과 양방통행으로 구분하여 항로 폭 설계 기준을 제시하고 있다. Table 1 및 Table 2는 주요 항로 설계 기준의 고려 항목을 비교하여 나타낸 것이다.
국내 항로 설계 기준은 선박의 전장을 기준으로 하며, 단방향 항로는 0.5L 이상, 양방향 항로는 교행 빈도와 항로 길이에 따라 1L에서 2L까지의 범위를 표준으로 제시하는 것이 특징이다. 한편, 국외 항로 설계 지침은 선박의 폭을 기초로 기본 조종성능 폭(), 환경 및 기타 보정 요소(), 제방 여유 폭() 등을 합산하여 산정한다.
2.2 항로 설계 기준 및 충돌 위험도 관련 선행 연구 비교
Lee and Kwon(2024)의 연구에서는 실제 운항 환경에서 선박이 필요로 하는 공간을 보다 정밀하게 산출하기 위해서는 바람, 조류, 파랑과 같은 외부 자연환경 요소에 대한 정량적 고려가 필요함을 제언하였다.
Kang et al.(2022)의 연구에서는 설계 기준을 충족하는 항로라 하더라도 실제 교통량 기반의 혼잡도 분석 시 특정 시간대에 수용 능력을 초과할 수 있으며, 이로 인해 잠재적 충돌 위험이 높아질 수 있음을 분석하였다.
Park and Lee(2003)의 연구에서는 PIANC 지침이 자연조건, 선박 조종성, 지리적 특징 등 많은 요소를 고려하지만, 선박 조종 난이도에 영향을 미치는 동적인 영향에 대한 고려가 부족하다고 언급하며, 수로 형상과 교통량이 선박 조종 난이도에 미치는 영향을 정량화하여 동적 요인의 반영 필요성을 시사하였다.
Azhar and Osnin(2021)의 연구에서는 PIANC의 일방통행 항로 폭 산정 공식을 연구 해역에 적용하여, 설계상 요구되는 폭과 실제 운항 위험 간의 차이가 존재함을 확인하였다.
Cui and Dou(2018)의 연구에서는 실시간 선박 조종 시뮬레이션을 통해 서로 다른 설계 기준을 비교 분석하며, 항만별 고유한 특성에 맞는 기준 적용의 필요성을 강조하였다.
이러한 선행 연구 결과들은 설계 단계에서 예측된 위험도와 실제 복잡한 교통 환경에서 발생하는 운항 위험도 사이에 차이가 존재할 수 있음을 시사하며, 항로 설계 및 관리 시 실제 통항 패턴과 상호작용을 고려한 접근이 필요함을 보여주었다. 다만 대부분의 연구가 지정항로 내에서의 위험 분석이나 단순한 설계 기준 간의 비교에 집중된 경향이 있었다.
목포 인근 다도해 해역은 수많은 도서가 밀집한 지형적 특성으로 인해, 선박이 지정항로만을 따르기보다 도서 사이를 가로지르거나 우회하는 관습항로를 이용하는 통항이 구조적으로 빈번하게 나타난다. 이러한 관습항로 통항선은 지정항로를 횡단하거나 합류하는 과정에서 지정항로 통항선과의 교차 조우를 유발하지만, 정면·추월 상황을 중심으로 정적 폭을 산정하는 기존 설계 기준은 이러한 교차 조우 간섭을 위험 요소로 반영하지 못한다. 따라서 지정항로 내부만을 분석 대상으로 삼을 경우, 실제 운항 환경에서 관습항로 간섭으로 발생하는 위험이 과소평가될 우려가 있다. 이에 실측 통항 패턴을 기반으로 관습항로와 지정항로 간의 교차 조우를 정량화할 필요가 있다고 판단하였다.
따라서 본 연구는 분석 대상 범위를 관습항로와의 상호작용까지 확장하고자 한다. 항로 밖에서 진입하거나 가로지르는 관습항로 통항 선박의 패턴을 식별하고, 지정항로와의 간섭 현상을 분석의 핵심으로 포함한다.
이러한 본 연구의 접근은 기존 연구와 다음의 측면에서 차별성을 가진다. 첫째, PIANC 및 국내 설계 기준이 선박 제원에 기반하여 정면·추월 상황의 정적 항로 폭을 산정하는 데 중점을 두는 것과 달리, 본 연구는 이들 기준이 포착하지 못하는 관습항로와 지정항로 간의 교차 조우를 핵심 위험 변수로 설정한다. 둘째, 실측 AIS 데이터를 대지침로(Course Over Ground, COG)를 포함한 4차원 특성 공간에서 군집화하여 실제 통항류를 식별하고, 군집 간의 기하학적 조우 관계를 정량화하였다. 셋째, 이를 격자 단위로 공간화함으로써 고위험 간섭 구역을 식별한다. 즉 본 연구는 기존 설계 기준을 대체하거나 그와 경쟁하는 것이 아니라, 설계 및 관제 단계에서 보완적으로 활용될 수 있는 실측 기반의 상대적 위험 진단 방법으로서 의의를 가진다.
3. 데이터 전처리 및 밀집도 분석
본 연구의 분석에는 목포 인근해역을 항행하는 선박의 AIS 데이터를 활용하였다. 데이터는 선박자동식별장치를 통해 수신된 식별번호(Maritime Mobile Service Identity, MMSI), 시각(TIME), 위도(Latitude, LAT), 경도(Longitude, LONG), 대지침로(COG), 대지속력(Speed Over Ground, SOG), 선수방위(Heading, HDG)로 구성되며, 수집 기간은 2024년 7월 한 달이다. 데이터 수집 범위는 목포 인근해역(위도 34.41°N~34.78°N, 경도 126.04°E~126.32°E)으로, 해당 기간 동안 이 범위를 통항한 109척의 선박에서 수신된 총 5,448,325건의 원시 AIS 메시지를 분석 대상으로 하였다.
목포 인근해역의 선박 통항 특성을 파악하고 밀집도를 객관적으로 분석하기 위해, 수집된 AIS 원시 데이터의 이상치를 제거하고 결측치를 보간하는 등 전처리 과정을 Fig. 1과 같이 수행하였다.
특히 실제 통항 중인 선박의 유효한 항적만을 선별하기 위해 선박의 대지속력을 기준으로 데이터를 필터링하였다. 분석 대상 선박의 유효 속력 범위는 4 kts 이상 14.1 kts 이하로 제한하였다(IMO, 2013). 하한선속의 경우, IMO에서 정의하는 항해 중인 선박의 속력 기준에 따라 4 kts 이상으로 설정하였으며, 극단적인 고속 이상치를 제거하기 위해 수집된 전체 SOG 데이터의 백분위수 상위 95% 값을 상한선으로 설정하여 필터링하였다. Fig. 2는 선박 및 군집 간의 동적 상호관계를 동일 시점에서 정밀하게 분석하기 위해, 개별 항적 데이터를 1분 단위로 선형 보간하여 시계열 데이터를 동기화하였다. 이를 통해 불규칙한 AIS 수신 주기에 따른 데이터 공백을 보완하고 연속적인 조우 상황 평가를 위한 분석 기반을 구축하였다.
이상의 전처리 과정을 거쳐, 원시 5,448,325건의 AIS 메시지는 최종적으로 총 91,486건의 유효 항적 데이터로 정제되어 분석에 사용되었다.
다음은 연구 영역을 선정하기 위해 히트맵 기반 격자별 밀집도를 파악하였다. 히트맵은 행렬 형태의 데이터를 시각화하는 데 널리 활용되는 통계적 시각화 기법이다. 이는 데이터 행렬의 각 셀에 포함된 값을 색상 그라데이션을 사용하여 시각화하며, 이를 통해 행렬 내의 가장 크거나 작은 값은 물론 전반적인 숫자적 차이를 한눈에 파악할 수 있는 개요를 제공한다. Gu(2022)는 히트맵이 전 세계 기온 분포나 웹 페이지의 클릭 활동과 같이 공간적으로 분포된 패턴을 시각화하는 데 효과적이라고 강조한다. Table 3은 국립해양조사원에서 운영하는 바다누리 해양정보 서비스의 격자 체계 및 단계별 공간 해상도를 나타낸다. 해당 플랫폼은 국내 실시간 해양 기상 관측 및 예측 데이터의 효율적인 제공을 위해 수평 격자의 크기를 총 6개의 레벨로 세분화하여 정의하고 있다(KHOA, 2026).
해상교통 밀집도의 공간적 분포를 정밀하게 식별하고 분석의 효율성을 극대화하기 위해 Fig. 3과 같이 격자 단계별 해상도와 시각적 가독성을 비교 검토하였다. 분석 결과, Level 3 격자는 광역적인 해상 교통의 흐름을 파악하는 데에는 용이하나, 본 연구의 핵심 분석 대상인 협수로 내 관습항로와 지정항로 간의 미세한 간섭(Crossing Interference) 현상을 상세히 포착하기에는 해상도의 한계가 존재하였다. 따라서 국지적인 통항 패턴의 특징을 유의미하게 유지하면서도 잠재적 위험 구역을 정밀하게 식별하기 위해, 공간 해상도가 더 높은 Level 4 격자를 최종 분석 단위로 채택하였다.
데이터 전처리 및 보간을 통한 선박 항적의 결과와 생성된 히트맵 분석 결과를 바탕으로 최종 연구 대상 영역을 Fig. 4와 같이 명량수도 이북해역으로 설정하고 항로 인근에 있는 격자로 한정하였다. 해당 해역은 목포항 입·출항 선박뿐만 아니라 남북 방향의 주 통항류와 인근 도서를 왕래하는 연안 선박들이 빈번하게 교차하며 복잡한 교통류를 형성하는 구간이다.
4. 통항 패턴 군집화 및 조우 분석
선박들의 실질적인 통항 패턴을 식별하고, 격자별 군집 간 간섭으로 인한 조우 관계를 상세히 분석하였다. 이를 위해 DBSCAN 알고리즘을 적용하여 주 통항류와 관습항로를 군집화하였으며, 식별된 통항류 간의 상대 방위(Relative Bearing) 및 조우 각도(Encounter Angle)를 산출하여 조우 상황을 체계적으로 분류하였다. 구체적인 분석 절차는 Fig. 5와 같다.
4.1 DBSCAN을 활용한 격자별 통항 패턴 군집
Sheng and Yin(2018)는 복잡한 선박 궤적 데이터에서 공통적인 움직임 경향을 찾기 위해 유사한 궤적들을 그룹으로 묶는 것을 군집으로 정의하였다. 비정형적인 항적 데이터로부터 유의미한 항로 패턴을 추출하기 위해 밀도 기반 군집화 알고리즘인 DBSCAN을 활용하였다. DBSCAN은 k-means와 달리 군집의 개수를 사전에 정의할 필요가 없으며, 밀도 차이를 이용해 기하학적으로 복잡한 형태의 군집을 효과적으로 식별할 수 있다(Lee et al., 2025).
4.1.1 주요 파라미터 정의 및 특성 공간 확장
DBSCAN의 군집 성능은 특정 데이터 포인터를 중심으로 이웃으로 간주할 최대 반경을 의미하는 이웃 반경(Epsilon)과 특정 점이 핵심점으로 기능하기 위해 이웃 반경 내에 존재해야 하는 최소 데이터 개수(MinPts)라는 두 가지 파라미터에 의해 결정된다. 두 파라미터를 기반으로 Table 4와 같이 세 가지 유형으로 분류한다(Amini et al., 2014).
단순히 위·경도([LAT, LONG]) 좌표만을 이용할 경우, 동일 지점에서 서로 다른 방향으로 교차하는 선박들이 위치상 가깝다는 이유만으로 같은 군집으로 오인하는 문제가 발생한다. 이를 해결하려면 위치뿐 아니라 선박의 진행 방향(COG)을 군집화의 특성으로 함께 반영해야 한다. 그러나 대지침로는 각도(0°~360°)로 표현되어 0°와 360°가 실제로는 동일한 방향임에도 수치상으로는 최대 차이를 갖는 순환적 특성을 지니므로, 각도 값을 그대로 사용하면 거의 같은 방향의 선박이 오히려 다른 군집으로 분리되는 또 다른 왜곡이 생긴다. 따라서 본 연구에서는 대지침로를 사인 및 코사인 벡터([u, v])로 변환하여 방향의 연속성을 보존한 뒤 특성 공간에 추가하였다. 최종적으로 위치적 근접성과 이동 방향의 유사성을 동시에 반영하는 4차원 공간([LAT, LONG, u, v])에서 군집화를 수행함으로써 실제 통항 패턴에 부합하는 정밀한 결과를 도출하였다. 대지침로의 변환은 식(1)과 같다.
여기서 는 선박의 대지침로(COG, 단위: °)이며, 와 는 각각 대지침로를 변환한 단위벡터의 사인·코사인 성분이다.
4.1.2 k-dist 그래프 기반의 파라미터 최적화
최적의 군집화 성능을 확보하기 위해 Fig. 6과 같이 9개 격자별(MN1, SA1, SA2, SA3, SA4, SA5, MP1, MP2, MP3)로 k-dist 그래프 분석과 실루엣 스코어(Silhouette Score) 평가를 병행하였다. k-dist 그래프는 각 데이터 점에서 k번째 최근접 이웃까지의 거리를 오름차순으로 정렬한 그래프로, 거리가 급격히 증가하는 엘보우(Elbow) 지점은 군집 내부의 조밀한 점과 희소한 노이즈를 구분하는 거리 경계에 해당하므로 Epsilon의 후보가 된다. MinPts는 특성 공간의 차원 수를 하한으로 하여 넓은 범위에서 탐색하였으며, 각 후보 조합에 대해 실루엣 스코어를 산출하여 각 격자의 최종 파라미터를 Table 5와 같이 확정하였다. 실루엣 스코어는 각 데이터가 자신이 속한 군집과는 얼마나 응집되어 있고 이웃 군집과는 얼마나 분리되어 있는지를 –1에서 +1사이의 값으로 나타내는 군집 타당성 지표로, +1에 가까울수록 군집이 뚜렷하게 형성되었음을 의미한다. Kaufman and Rousseeuw(1990)는 전체 데이터에 대한 평균 실루엣 폭의 해석 기준을 제시하였으며, 그 기준에 따르면 0.71~1.00은 강한 군집 구조를, 0.51~0.70은 합리적인 구조를 의미한다.
그 결과 각 격자의 통항 밀도 및 데이터 규모에 따라 Epsilon은 0.0103~0.0351, 최소 데이터 개수는 4~21의 범위에서 결정되었다. 이때 9개 격자의 실루엣 스코어는 모두 0.7121~0.8148로 나타났다. 본 연구의 모든 격자가 강한 군집 구조 기준을 상회하여 도출된 통항류 군집이 통계적으로 타당하게 분리되었음을 확인하였다.
4.1.3 격자별 통항 군집 시각화
자율 최적화 과정을 통해 도출된 DBSCAN 파라미터를 적용하여, 각 연구 격자별 통항 항로를 식별한 결과는 Fig. 7과 같다. 시각화 결과는 각 격자의 지리적 특성과 교통 복잡도에 따라 상이한 군집 패턴을 명확히 보여준다.
각 격자의 시각화에서 서로 다른 색상은 DBSCAN으로 식별된 개별 통항류 군집을 나타내며, 회색 점은 어느 군집에도 속하지 않는 노이즈 항적을 의미한다. 또한 범례에는 해당 군집의 평균 대지침로(COG)를 함께 표기하여, 군집이 나타내는 통항류의 방향성을 직관적으로 파악할 수 있도록 하였다.
비교적 정형화된 통항 패턴을 보이는 시아해 해역 격자(SA1-SA5)에서는 복수의 군집이 식별되었음에도, 각 군집의 평균 대지침로가 대체로 남향과 북향의 두 방위축으로 수렴하는 양상을 보였다. 이는 세부 군집의 수와 무관하게 해당 수역의 주 통항류가 남북을 주축으로 하는 왕복 구조를 이루고 있음을 의미한다. 다만 이러한 왕복 통항류가 격자 내에서 비스듬히 교차하는 경우에는 군집 간 교차 조우가 발생할 수 있으며, 이에 대한 정량적 분석은 4.2절에서 다룬다.
반면, 항로가 합류하거나 분산되는 목포구 해역의 격자(MP1-MP3)에서는 군집의 수가 크게 증가하고 평균 대지침로 또한 특정 두 방위에 수렴하지 않고 다양한 방향으로 분산되어, 시아해 구간에 비해 현저히 복잡한 군집 구조가 나타났다. 또한 상대적으로 높은 노이즈 비율 또한 통항 방향이 다방향으로 교차하는 복잡한 교통 환경을 뒷받침한다.
4.2 조우 관계 판단 방법론을 활용한 군집간 조우 분석
본 연구에서는 앞선 단계에서 식별된 격자별 통항 군집(COG Clusters)을 개별 선박의 대표 항로로 간주하고, 군집 간의 상호작용을 정량화하기 위해 Namgung(2022)이 제안한 조우 관계 판단 알고리즘을 적용하였다. 해당 방법론을 통해 군집 중심의 기하학적 배치와 방향성을 기반으로 잠재적 조우 위험도를 평가하는 데 목적이 있다.
4.2.1 조우 관계 판단 알고리즘 적용
Namgung(2022)의 연구에서는 자선의 대지침로를 기준으로 상대선이 위치하는 각도인 상대 방위각()을 통해 Sector를 구분하고, Sector 내에 자선의 대지침로()와 타선의 대지침로()가 마주치는 각도인 조우각()을 활용하여 조우 관계를 판단하였다. 조우각을 계산하는 방법은 식(2)와 같다.
위와 같은 기하학적 변수들을 기반으로, 자선 주변 공간을 6개의 Sector로 나누고, 조우각을 활용하여 Head On, Crossing, Overtaking 등 총 8가지의 조우 관계 유형을 정의하였다. 조우 관계의 유형과 각 유형별 각도 범위는 Fig. 8과 같다(Namgung, 2022).
Sector들은 각각 11.25°, 67.5°, 112.5°, 247.5°, 292.5°, 348.75°의 각도 경계로 정의된다. 각 구역 내의 원은 상대 선박을 나타내며, 조우각을 활용하여 상대 선박과의 구체적인 조우 관계를 판별한다.
4.2.2 격자별 군집 간 조우 관계 분석
각 격자 내 군집의 평균 침로와 중심점을 활용하여 조우 관계를 분석하였고, 그 결과는 Table 6 및 Table 7과 같다.
Table 6에서 나타난 바와 같이, 명량수도 상단(MN1) 및 시아해(SA1-SA4) 구간에서는 상대적으로 낮은 빈도의 횡단 관계가 나타났다. 이는 선박들이 일정한 통항 분리 체계를 따라 정해진 항로 내에서 병행하게 이동하고 있음을 의미한다.
Table 7에 해당하는 수역에서는 상대적으로 교차 조우 관계의 복잡성이 급격히 증가하였다. 이는 다수의 관습항로가 존재하여 지정항로에 합류하거나 변침이 일어나는 수역임을 나타낸다. 특히 목포구(MP1-MP3) 수역은 추월 및 횡단 상황이 빈번하게 교차하며 나타남을 확인할 수 있었다. 이는 관습항로 이용선박의 합류 뿐만 아니라 선박들이 변침점을 통과하며 각기 다른 목적지로 분산되는 과정에서 발생하는 동적 상호작용의 결과로 분석된다.
5. 위험도 평가 및 결과 분석
본 연구에서는 DBSCAN 알고리즘을 통해 식별된 실제 관습항로(Convention Route) 이용 선박과 지정항로 통항 선박 간의 비정형적 조우 시나리오를 분석 결과에 반영하였다. 특히 격자별로 실측된 다각도의 교차 조우 및 추월 상황을 데이터 기반으로 통합함으로써, 실제 운항 환경에서 교차 조우가 유발하는 상대적 충돌 위험 증가지수를 격자 단위별로 정교하게 도출하였다.
5.1 IWRAP 모델의 인과 확률을 적용한 상대적 충돌 위험 증가지수 산출
IWRAP 모델은 대상 해역의 통항량과 인과 확률을 결합하여 연간 충돌·좌초 사고 빈도를 추정하기 위한 기법으로 널리 활용되고 있다. 본 연구는 이 가운데 인과 확률() 개념을 차용하되, 통항량 대신 DBSCAN으로 식별된 대표 항로 군집 간의 조우 건수를 적용하였다. 이때 군집 간 조우 건수는 실제 통항량과 동일한 규모를 갖지 않으므로, 산출값을 절대적인 연간 사고 빈도로 환산하기보다, 동일한 산출 방식을 정면·추월만 고려한 경우와 교차 조우까지 포함한 경우에 각각 적용한 뒤 그 상대적 차이를 비교하기 위한 기준값으로만 사용하였다. 이를 통해 교차 조우 간섭이 기준 대비 위험 수준을 얼마나 증폭시키는지를 나타내는 상대적 충돌 위험 증가지수를 산출하였다. 적용한 인과 확률은 Table 8과 같다(IWRAP MK Ⅱ).
인과 확률과 조우 건수를 결합한 조우 기반 위험 기준값은 식(3)과 같다.
: 조우 기반 위험 기준값, : 인과 확률, : 조우 유형별 충돌 후보 수
여기서 Collision Case A()는 기존 항로 설계 기준이 주로 고려하는 정면(Head-on)과 추월(Overtaking) 조우만을 반영한 기준값으로, 두 조우 유형 각각의 인과 확률과 조우 건수를 곱한 뒤 합산하여 산출한다. Collision Case B()는 여기에 실측 통항 패턴에서 식별된 교차(Crossing) 조우 상황을 추가로 반영한 값으로, 에 교차 조우의 인과 확률과 조우 건수를 곱한 항을 더하여 산출한다. 이때 충돌 후보 수()는 Table 6과 Table 7의 조우 유형별 Count값을 사용하였으며, 두 기준값의 구체적인 산출 구성은 Table 9와 같다.
5.2 격자별 상대적 충돌 위험 증가지수 종합 분석
최종적으로 기본 설계 수치인 과 실해역 조우 관계를 반영한 를 비교 분석하였다. 상대적 충돌 위험 증가지수는 정면·추월만 반영한 기준값() 대비 교차 조우까지 반영한 값()이 위험 수준을 어느 정도 비율로 증폭시켰는지를 나타내는 지표이며, 식(4)와 같이 산출된다. 이때 Increase Rate는 본 연구의 상대적 충돌 위험 증가지수에 해당하며, 백분율(%)로 나타낸다.
총 9개의 연구영역 대상 격자(MN1, SA1-SA5, MP1-MP3)에 대한 상대적 충돌 위험 증가지수는 Table 10과 같다.
Table 10에 제시된 격자별 상대적 충돌 위험 증가지수를 분석한 결과, 교차 조우 간섭에 의한 상대적 위험 증가는 최대 232.9%에 이르렀다. 이를 수역 특성에 따라 Fig. 9와 같이 나타내고, 두 가지 유형으로 분류하여 분석하였다.
5.2.1 고위험 구역(Red Zone, 증가율 100% 이상)
가장 주목해야 할 지점은 상대적 위험 증가지수가 100% 이상으로 나타난 MP3(232.9%), MP1(132.2%), SA3(111.8%) 구간이다. 특히 MP3와 MP1은 항로가 급격히 변침되거나 관습항로를 포함한 여러 지선이 합류하는 지점으로 관습적 교차 통항류의 간섭이 상대적 위험 수준을 극단적으로 가중시킨 것으로 분석된다.
5.2.2 위험 구역(Yellow Zone, 증가율 50% 이상)
상대적 위험 증가지수가 약 50% 이상 100% 미만 상승한 구역들로, 지정항로 내에서 선박 간의 상호작용이 발생하는 수역이다. 이 구간들은 주로 주 항로와 인접한 관습항로가 병행하거나 완만하게 합류하는 특성을 가진다. 근접 조우에 의한 위험 누적이 주요 원인으로 파악된다.
6. 결 론
이 연구에서는 목포항 명량수도 이북 수역을 대상으로 AIS 기반의 실해역 항적 데이터를 분석하여, 지정항로와 관습항로 간 교차 조우가 충돌 위험에 미치는 영향을 격자 단위의 상대적 충돌 위험 증가지수로 정량화하고, 이를 바탕으로 고위험 간섭 구역을 식별하는 데 목적을 두었다. 이를 수행하기 위해 AIS 데이터의 정밀 전처리 과정을 거쳐 DBSCAN 알고리즘 기반의 실제 통항 패턴을 식별하였으며, IWRAP 모델의 인과 확률 기법을 적용하여 격자별 상대적 충돌 위험 증가지수를 산출하였다. 본 과정을 통해 도출된 핵심 분석 결과와 시사점은 다음과 같다.
첫째, 관습항로의 교차 통항 간섭이 충돌 위험을 격자별로 최대 232.9%까지 상대적으로 증폭시킴을 정량적으로 확인하였다. 이는 정면·추월 중심의 기존 폭 산정 기준이 교차 조우 간섭을 과소반영할 수 있음을 보여주며, 향후 설계 기준 검토 시 교차 조우 간섭을 반영한 보정 지표가 필요할 수 있음을 시사한다.
둘째, 위험 증가지수를 통해 고위험 간섭 구역(MP3·MP1·SA3)을 공간적으로 식별하였다. 이러한 구역은 지형 중심의 고정 관제를 보완하여, 통항 상황에 따라 관제 범위를 조정하는 가변적 해상교통관제 운영을 검토할 때 우선 대상 후보가 될 수 있다.
셋째, 교차 조우 빈도가 높게 식별된 수역(목포구 MP1-MP3 등)의 통항 특성은, 해당 구역 운항자를 위한 표준 피항 절차(예: 선미 통과 원칙 등) 정비의 기초 자료로 활용될 수 있다.
다만 본 연구는 분석 대상을 대지속력 4 kts 이상의 항행 선박으로 한정하여, 저속으로 이동하거나 정박 중인 어선 등 비정형 선박이 분석에서 제외되었다. 또한 데이터가 2024년 7월의 단일 기간에 국한되어 계절적 변동과 어선 통항의 특성을 포괄적으로 반영하지 못하였다. 목포항과 같이 어선 통항 비중이 높은 해역에서는 이러한 제약이 분석 결과의 일반화를 제한할 수 있다. 아울러 본 연구의 상대적 충돌 위험 증가지수는 군집 간 조우 유형별 건수와 인과 확률에 기반하므로, 선박의 제원·속력·조우 지속시간 및 절대 교통량을 산출 과정에 직접 반영하지 못한 한계가 있다.
따라서 향후 연구에서는 연간 단위의 데이터 확보와 어선을 포함한 전체 통항 선박의 분석을 통해 일반성을 제고하고, 선박 운동 모델·실측 교통량·조우 지속시간을 결합하여 절대 위험을 정량화하는 정밀 평가로 확장하고자 한다. 나아가 본 연구에서 식별된 격자별 표준 통항 패턴을 기계학습의 기준으로 정의하여, 항로 이탈이나 급격한 변침 등 이상 거동을 실시간으로 포착하는 지능형 관제 알고리즘 고도화 연구로 확장하고자 한다.
















