Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1229-3431(Print)
ISSN : 2287-3341(Online)
Journal of the Korean Society of Marine Environment and Safety Vol.32 No.4 pp.581-593
DOI : https://doi.org/10.7837/kosomes.2026.32.4.581

A Stepwise Prompt Design for LLM-based Real-Time Collision Avoidance Decision Support of Manned Ship Navigators in Multi-Ship Environments

Jae-Yong Lee*, Ho Namgung**†
*PhD Candidate, Department of Maritime Transportation System, Mokpo National Maritime University, Mokpo 58628, Korea
**Professor, Department of Maritime Industry Convergence, Mokpo National Maritime University, Mokpo 58628, Korea

* First Author : naraan42@gmail.com


† Corresponding Author : ngh2009@mmu.ac.kr, 061-240-7162
July 14, 2026 August 11, 2026 August 28, 2026

Abstract


In congested maritime traffic, navigators must monitor multiple vessels simultaneously and assess the encounter relationship and collision risk for each target; the resulting cognitive load is a major cause of human error leading to collisions. The International Regulations for Preventing Collisions at Sea (COLREGs) mostly assume two-vessel encounters; when three or more vessels interact, ambiguity in rule application, conflicts between rules, and the compatibility of a single maneuver become critical issues. This paper proposes a stepwise prompt design using a large language model (LLM) as a real-time decision-support tool for manned-ship navigators. Rather than introducing a new collision-risk algorithm, a standardized question-and-answer structure that allows navigators to interact with the LLM through natural language to make rapid, consistent, COLREGs-compliant decisions is proposed. The framework consists of four phases—detection, risk assessment, route planning, and execution—and specifies the information navigators provide and the judgments requested from the LLM at each phase: risk ranking using the collision risk index, distance at closest point of approach, time to closest point of approach, and variance of compass degree for risk assessment, as well as rule-conflict verification with integrated maneuver derivation for route planning. These indicators are outputs from LLM-linked tools, rather than values calculated in this study. The proposed design was applied to a dense-traffic scenario with one own ship and five targets, allowing the navigator to consistently receive risk-ranked information and verify in advance whether a maneuver for the highest-risk target would conflict with the rules applicable to other targets. These results suggest that prompt-based AI–navigator collaboration can enhance situational awareness and decision-making quality in multi-ship environments.



다중선박 환경에서 유인선 항해사의 LLM 기반 실시간 충돌회피 의사결정 지원을 위한 단계별 프롬프트 설계

이재용*, 남궁호**†
*국립목포해양대학교 해상운송시스템학과 박사과정
**국립목포해양대학교 해양산업융합학과 교수

초록


해상교통이 밀집된 환경에서 항해사는 다수의 선박을 동시에 감시하며 각 선박과의 조우관계 및 충돌위험을 판단해야 하며, 이로 인한 인지 부하 증가는 충돌사고의 주요 원인인 인적 오류로 이어질 수 있다. 국제해상충돌예방규칙(International Regulations for Preventing Collisions at Sea, COLREGs)은 대부분 두 선박 간 조우를 전제로 하여, 셋 이상이 얽히는 다중선박 환경에서는 규칙 적용의 모호성, 규칙 충돌, 단일 기동의 양립성 문제가 발생한다. 본 연구는 대형 언어 모델(Large Language Model, LLM)을 유인선 항해사의 실시간 충돌회피 의사결정 지원 도구로 활용하는 단계별 프롬프트 설계안을 제안한다. 본 연구의 기여는 새로운 알고리즘이 아니라, 항해사가 LLM과 자연어로 상호작용하며 COLREGs에 부합하는 판단을 신속·일관되게 내리도록 돕는 표준화된 질의-응답 구조에 있다. 탐지·위험평가·경로계획·조치실행의 4단계에서 항해사가 제공할 정보와 LLM에 요청할 판단 항목을 구조화하였으며, 위험평가 단계는 충돌위험지수, 최근접접근거리, 최근접접근시간, 나침방위변화량 기반 위험도 순위화를, 경로계획 단계는 규칙 충돌 검증과 통합 회피기동 도출을 핵심 질의로 포함한다. 이러한 정량지표는 LLM과 연동된 계산 도구를 통해 요청·수신되는 값으로 다룬다. 본선 외 5척이 혼재하는 시나리오 적용 결과, 항해사는 위험순위를 일관되게 보고받고 최위험 상대선의 회피 기동이 다른 상대선과 규칙 충돌을 유발하는지 사전 검증할 수 있었다. 이는 프롬프트 기반 AI와 항해사의 협업이 상황인식과 의사결정 품질 향상에 기여할 수 있음을 시사한다.



    1. 서 론

    해상운송은 국제 물류체계의 핵심 기반으로서 원유, 원자재, 컨테이너 화물, 여객 등 막대한 물동량을 담당하고 있다. 그러나 선박 운항이 대형화·고속화되고 항만 및 연안 해역의 교통밀도가 증가함에 따라, 선박 간 충돌사고는 여전히 해양 안전 분야에서 해결해야 할 중요한 문제로 남아 있다. 특히 항만 입출항 수역, 교통분리제도 적용 해역, 연안 항로, 어선 밀집 해역과 같이 다수의 선박이 제한된 공간에서 동시에 항행하는 환경에서는 항해사가 짧은 시간 안에 여러 상대선을 감시하고, 각 상대선과의 조우관계를 판단하며, 최종적으로 하나의 안전한 기동을 선택해야 한다. 이러한 과정은 높은 수준의 상황인식과 규칙 해석 능력을 요구하며, 항해사의 인지 부하를 급격히 증가시킨다(Endsley, 1995).

    선박 충돌사고의 상당 부분은 장비 고장이나 외부 환경 요인보다 인간의 판단 오류, 부적절한 경계, 상황인식 실패, 조치 지연 등 인적 요인과 밀접하게 관련되어 있다. Chauvin et al.(2013)은 해상 충돌사고 분석을 통해 인적·조직적 요인이 사고 발생에 중요한 영향을 미친다고 지적하였다. 또한 Baldauf et al.(2011)은 해상 및 항공 교통에서 충돌회피 지원 시스템의 필요성을 제기하며, 충돌경보 및 의사결정 보조 도구가 운항 안전성 향상에 기여할 수 있음을 논의하였다. 이러한 연구들은 항해사의 의사결정을 구조적으로 지원하는 체계가 해양사고 예방에 의미 있는 역할을 할 수 있음을 시사한다.

    항해사는 레이더, 선박자동식별장치(Automatic Identification System, AIS), 전자해도표시정보시스템(Electronic Chart Display and Information System, ECDIS), 육안 관측, 초단파(Very High Frequency, VHF) 통신 등 다양한 정보원을 동시에 해석해야 한다. 이 과정에서 중요한 상대선을 누락하거나, 상대선의 움직임을 잘못 예측하거나, 충돌위험을 과소평가할 가능성이 존재한다. 특히 다중선박 상황에서는 단순히 “어느 선박이 가장 가까운가”만으로 위험을 판단할 수 없다. 상대거리, 상대방위, 침로, 속력, 최근접접근거리(Distance at Closest Point of Approach, DCPA), 최근접접근시간(Time to Closest Point of Approach, TCPA), 상대선(Target Ship, TS)의 기동 가능성, 국제해상충돌예방규칙(International Regulations for Preventing Collisions at Sea, COLREGs)상 본선(Own Ship, OS)의 역할 등이 복합적으로 고려되어야 한다. 따라서 다중선박 환경에서 항해사의 의사결정을 지원할 수 있는 체계적이고 설명 가능한 보조 도구의 필요성이 점차 커지고 있다.

    국제해사기구(International Maritime Organization, IMO)가 제정한 COLREGs는 선박 간 충돌을 방지하기 위한 국제적 규범으로, 경계, 안전속력, 충돌위험 판단, 충돌회피 동작, 정면 조우, 횡단 조우, 추월 조우, 피항선과 유지선의 의무 등을 규정한다(IMO, 1972). 그러나 COLREGs는 기본적으로 인간 항해사가 해석하고 적용하는 것을 전제로 작성되었기 때문에, “충분히 큰 동작”, “안전한 거리”, “충돌의 위험이 있는 경우”, “선원의 상무”와 같이 정량적으로 명확히 정의되지 않은 표현을 포함한다. 이러한 규정은 실제 운항에서는 유연성을 제공하지만, 인공지능(Artificial Intelligence, AI) 시스템이나 자동화된 의사결정 도구가 이를 그대로 적용하기에는 해석상 모호성을 야기한다. Johansen et al.(2016)과 Chiang and Tapia(2018)는 COLREGs 기반 자동 충돌회피에서 규칙 해석의 모호성과 실제 운항상황에서의 적용 어려움을 지적한 바 있다.

    또한 COLREGs의 주요 조항은 대부분 두 선박 간 조우를 전제로 한다. 그러나 실제 해상교통에서는 셋 이상의 선박이 동시에 얽히는 상황이 빈번하게 발생한다. 다중선박 환경에서는 본선이 어떤 상대선에 대해서는 피항선이고, 다른 상대선에 대해서는 유지선일 수 있다. 예를 들어 본선의 정선수 방향에 정면 조우 선박이 있고, 우현 전방에는 횡단 선박, 좌현 전방에는 또 다른 횡단 선박, 후방에는 추월 선박이 존재하는 경우, 항해사는 각 상대선별로 서로 다른 COLREGs 역할을 동시에 판단해야 한다. 이러한 상황에서는 하나의 회피동작이 특정 상대선에 대해서는 적절하지만, 다른 상대선에 대해서는 오히려 위험을 증가시키거나 규칙 위반을 유발할 수 있다.

    다중선박 충돌회피의 핵심 어려움은 본선이 임의의 순간에 취할 수 있는 기동이 결국 하나의 침로·속력 조합이라는 점에 있다. 예를 들어 본선이 정면 조우 선박을 피하기 위해 우현 변침을 해야 하는 상황에서, 동시에 좌현측의 피항선과 접근하고 있다면 동일한 우현 변침이 다른 상대선에 대해서는 DCPA를 감소시키거나 유지선 의무 위반 논란을 야기할 수 있다. 또한 우현측 횡단 선박에 대해서는 본선이 피항선이지만, 좌현측 횡단 선박에 대해서는 본선이 유지선일 수 있다. 이처럼 상대선별로 본선의 역할이 달라지는 비동질적 상황에서는 각 상대선에 대한 최적 기동을 단순히 합산할 수 없으며, 전체 상대선과 양립 가능한 통합 기동을 도출해야 한다. Kim et al.(2017)은 다중선박 조우에서 분산 탐색 기반 방법을 통해 이러한 복잡성을 다루고자 하였으며, 이는 다중선박 충돌회피가 단일선박 조우의 단순 확장이 아님을 보여준다.

    최근 자율운항선박(Maritime Autonomous Surface Ships, MASS) 분야에서는 다중선박 충돌회피 문제를 해결하기 위해 위험도 순위화, 경로계획 알고리즘, 강화학습, 규칙기반 제어, 퍼지추론, 샘플링 기반 탐색, 그리고 이러한 기법들을 결합한 하이브리드 접근 등이 활발히 연구되고 있다(Statheros et al., 2008; Tam et al., 2009; Serigstad, 2017; Huang et al., 2020). 최근접접근점(Closest Point of Approach, CPA), DCPA, TCPA, 충돌위험지수(Collision Risk Index, CRI), 나침방위변화량(Variance of Compass Degree, VCD) 등 정량지표를 활용하여 주변 선박의 위험도를 산출하고, 위험도가 높은 상대선부터 우선적으로 처리하는 접근이 대표적이다. 특히 CRI는 여러 충돌위험 요소를 하나의 지표로 통합함으로써, 항해사나 AI 시스템이 다수의 상대선 중 우선적으로 주의해야 할 대상을 식별하는 데 도움을 준다. Namgung and Kim(2021)은 근접충돌 기반 퍼지추론시스템(Fuzzy Inference System based on Near-Collision, FIS-NC)을 통해 COLREGs 기반 충돌회피 상황에서 CRI를 추론하는 방법을 제시하였다.

    그러나 완전한 MASS 체계가 실제 상선 운항 현장에 전면적으로 적용되기까지는 기술적 신뢰성, 법적 책임, 규제, 인간-기계 인터페이스(Human-Machine Interface, HMI), 선원의 수용성 등 다양한 장벽이 존재한다. Kim et al.(2024)은 MASS 관련 기술 동향을 분석하면서 선박 전자장비, 운항지원 기술, 자율화 기술이 발전하고 있으나 실제 운항 환경에 적용되기 위해서는 안전성, 신뢰성, 규제 정합성 확보가 필수적임을 강조하였다. 따라서 현재 단계에서는 인간 항해사의 최종 판단권을 유지하면서 AI가 상황 정리, 위험도 해석, 규칙 검토, 기동 대안 제시를 보조하는 협업형 체계가 보다 현실적인 대안이 될 수 있다.

    최근 대형 언어 모델(Large Language Model, LLM)은 자연어 기반 질의응답, 규칙 해석, 문맥 추론, 설명 생성 능력을 바탕으로 다양한 전문 영역에서 의사결정 지원 도구로 활용될 가능성을 보이고 있다. 해사 분야에서도 LLM은 COLREGs와 같이 서술적이고 맥락 의존적인 규칙을 항해사에게 설명하거나, 복잡한 조우상황을 자연어로 요약하고, 후보 기동의 장단점을 비교하는 보조 도구로 활용될 수 있다. Miller et al.(2025)은 LLM이 해사 안전 분야에서 정보 요약, 규칙 해석, 의사결정 지원에 활용될 가능성을 제시하였고, Agyei et al.(2025)은 COLREGs 기반 자율수상선 의사결정에 LLM을 활용하는 접근을 제안하였다. 또한 Ma et al.(2026)은 Navigation-GPT를 통해 LLM과 프롬프트 엔지니어링을 항법 의사결정에 활용할 수 있음을 보였다.

    다만 LLM은 수치 계산에서 오류를 범하거나 존재하지 않는 정보를 생성하는 환각 문제가 있으므로(Ji et al., 2023), DCPA, TCPA, CRI와 같은 정량 계산을 LLM 자체에 맡기는 것은 적절하지 않다. 따라서 LLM은 계산 도구와 연동되어 산출된 값을 해석하고, 항해사가 이해할 수 있는 형태로 정리하며, COLREGs 관점에서 판단 구조를 제시하는 역할을 수행하는 것이 바람직하다. 즉, 본 연구에서 LLM은 자동제어 알고리즘이나 독립적인 항법 판단 주체가 아니라, 항해사의 판단을 지원하는 설명형·질의응답형 보조 도구로 정의된다.

    본 연구는 이러한 문제의식에 기반하여, 다중선박 환경에서 유인선 항해사가 LLM을 실시간 충돌회피 의사결정 지원 도구로 활용하기 위한 단계별 프롬프트 설계안을 제안한다. 본 연구의 목적은 새로운 CRI 산출 알고리즘이나 자동 회피제어 알고리즘을 개발하는 것이 아니다. 본 연구의 핵심 기여는 항해사가 LLM과 어떤 정보를 주고받아야 하며, 어떤 순서로 질의해야 하고, LLM이 어떤 형식으로 응답해야 항해사의 판단 부담을 줄일 수 있는지를 구조화하는 데 있다. 이를 위해 기존의 충돌회피 절차를 탐지, 위험평가, 경로계획, 조치실행의 네 단계로 구분하고, 각 단계에 적합한 질의 형식과 응답 구조를 설계한다. 또한 다중선박 상황의 특성을 반영하기 위해 위험도 순위화, 규칙 충돌 검증, 통합 기동 도출, 주기적 재평가 질의를 프롬프트 구조에 포함한다.

    Fig. 1은 본 연구의 전체 개념도이다. 레이더, AIS, 시각 관측, 본선 운항상태가 입력되고, LLM은 계산 도구 및 COLREGs 판단 모듈과 연계하여 위험순위, 조우유형, 규칙 충돌 여부, 통합 기동안을 항해사에게 제공하는 구조로 표현한다. 그림의 핵심은 본 연구가 자동제어 시스템이 아니라 항해사 주도형 의사결정 지원 구조라는 점을 강조하는 것이다.

    본 논문의 구성은 다음과 같다. 2장에서는 단계별 프롬프트 설계의 이론적 배경으로서 COLREGs 기반 충돌회피 절차, 정량지표의 활용, 다중선박 조우 유형, 규칙 충돌의 유형을 정리한다. 3장에서는 탐지, 위험평가, 경로계획, 조치실행 및 재평가 단계별 프롬프트를 구체적으로 제안한다. 4장에서는 본선 외 5척이 혼재하는 가상 시나리오를 통해 제안한 프롬프트의 작동 예시를 보여주고, 연구의 의의, 한계, 실무 적용 시 고려사항을 논의하며, 5장에서 결론을 제시한다.

    2. 이론적 배경

    2.1 COLREGs 기반 충돌회피 절차

    COLREGs 기반 충돌회피는 일반적으로 경계, 충돌위험 판단, 조우관계 식별, 회피동작 결정, 실행 및 복귀의 순서로 이루어진다. 제5조는 모든 선박이 시각, 청각 및 이용 가능한 모든 수단을 활용하여 적절한 경계를 유지해야 함을 규정한다. 이는 충돌회피 의사결정의 출발점으로, 상대선을 적시에 탐지하지 못하면 이후의 위험평가나 기동 판단은 의미를 갖기 어렵다. 제7조는 충돌위험의 판단을 다루며, 방위 변화가 거의 없는 상태에서 거리가 감소하는 경우 충돌위험이 존재할 수 있음을 제시한다. 제8조는 충돌회피 동작이 명확하고 충분히 커야 하며, 가능한 한 조기에 이루어져야 함을 강조한다.

    제13조부터 제17조는 구체적인 조우상황에 따른 선박의 역할과 의무를 규정한다. 추월상황에서는 추월선이 피항선이 되며, 피추월선은 원칙적으로 침로와 속력을 유지한다. 정면상황에서는 양 선박이 모두 우현으로 변침하여 좌현 대 좌현으로 통과해야 한다. 횡단상황에서는 상대선을 우현측에 두고 있는 선박이 피항선이 되며, 가능한 한 상대선의 선수를 횡단하지 않도록 조치해야 한다. 반대로 상대선을 좌현측에 두고 있는 선박은 유지선이 되며, 원칙적으로 침로와 속력을 유지해야 한다. 다만 피항선의 조치가 불충분하거나 충돌위험이 해소되지 않는 경우에는 유지선도 충돌을 피하기 위한 조치를 취할 수 있다(Cockcroft and Lameijer, 2012).

    Namgung(2022)은 COLREGs 기반 충돌회피를 탐지, 위험평가, 조우판단, 회피동작의 절차로 구조화하였으며, 이는 단일선박 또는 양자 조우상황에서 충돌회피 판단을 체계화하는 데 유용하다. 그러나 다중선박 상황에서는 본선과 각 상대선 사이의 관계가 서로 다르게 나타나므로, 기존의 절차를 그대로 적용하는 데 한계가 있다. 본 연구는 이러한 절차를 기본 골격으로 유지하되, 각 단계에서 복수 상대선의 위험도를 정렬하고, 규칙 충돌을 검증하며, 최종적으로 하나의 통합 기동으로 수렴하도록 프롬프트 구조를 확장한다.

    2.2 정량지표의 도구적 활용

    선박 간 충돌위험을 평가하기 위해 가장 널리 활용되는 개념은 CPA 기반 지표이다. DCPA가 작을수록 두 선박이 가까이 접근한다는 의미이고, TCPA가 짧을수록 충돌위험이 임박했다는 의미이다. 그러나 DCPA와 TCPA만으로 모든 충돌위험을 설명하기는 어렵다. 동일한 DCPA를 갖더라도 상대속력, 방위 변화, 현재 거리, 상대선의 조우방향에 따라 위험의 성격은 달라질 수 있다. 따라서 다중선박 환경에서는 여러 정량지표를 종합하여 상대선별 위험도를 평가하는 방식이 필요하다.

    DCPA와 TCPA는 OS와 TS의 위치, 침로, 속력으로부터 상대운동 기하를 이용하여 산출된다. Fig. 2와 같이 OS의 위치를 ( x o , y o ) , TS의 위치를 ( x t , y t ) 라 하고, 두 선박의 침로와 속력을 각각 ϕ o , V o 및 ϕ t , V t 라 하면, 상대거리 D r , 상대속력 V r , 상대운동 방향 ϕ r , 그리고 DCPA와 TCPA는 식 (1)∼(5)와 같이 표현된다. 여기서 α t 는 본선에서 본 TS의 진방위, α r 은 본선 선수를 기준으로 한 TS의 상대방위이다.

    D r = ( x t − x o ) 2 + ( y t − y o ) 2
    (1)
    V r = V o × 1 + ( V t V o ) 2 − 2 × V t V o × cos ( ϕ o − ϕ t )
    (2)
    ϕ r = cos − 1 ( V o − V t × cos ( ϕ o − ϕ t ) V r )
    (3)
    DCPA = D r × sin ( ϕ r − α t − π )
    (4)
    TCPA = D r × cos ( ϕ r − α t − π ) / V r
    (5)

    식(4)와 (5)에서 알 수 있듯이 DCPA와 TCPA는 D r , ϕ r , α t 의 함수로 결정되며, V r 이 클수록 TCPA는 짧아진다. 다만 본 연구에서 LLM은 식(1)∼(5)를 직접 계산하지 않으며, 연동된 계산 도구가 산출한 값을 전달받아 TS별 위험도를 정리하고 해석하는 역할만 수행한다.

    CRI는 이러한 복합적 위험요소를 하나의 수치로 통합하는 데 사용된다. 예를 들어 DCPA가 작고 TCPA가 짧으며, 상대방위 변화가 작고 현재 상대거리가 빠르게 감소하는 경우 CRI는 높게 산출된다. 반대로 상대거리가 충분히 크거나 상대방위 변화가 뚜렷하여 충돌 코스가 아닌 경우 CRI는 낮게 산출된다. 그동안 퍼지논리 기반 충돌위험 추론은 조우 상황에서의 의사결정 지원방법으로 널리 연구되어 왔다(Perera et al., 2011). FIS-NC는 DCPA, TCPA, VCD, 상대거리 등을 종합적으로 활용하여 충돌위험을 추론하는 방법으로 제안되었다(Namgung and Kim, 2021).

    다만 본 연구에서 중요한 점은 이러한 정량지표를 본 논문이 직접 새롭게 산출하거나 개선하는 것이 아니라는 점이다. 본 연구의 목적은 CRI 계산 알고리즘을 제안하는 것이 아니라, 항해사가 LLM과 상호작용하면서 기존 계산 도구를 효과적으로 호출하고 그 결과를 의사결정에 활용하도록 만드는 프롬프트 구조를 제안하는 데 있다. 즉, LLM은 수치 계산의 주체가 아니라, 계산 도구의 산출값을 바탕으로 상대선별 위험도를 정리하고, COLREGs상 조우유형과 역할을 설명하며, 항해사가 최종 판단을 내릴 수 있도록 의사결정 구조를 제공하는 역할을 한다.

    이러한 구조는 LLM의 환각 문제를 줄이는 데도 중요하다. LLM이 DCPA, TCPA, CRI를 직접 추정하도록 하면 잘못된 수치가 생성될 가능성이 있으므로, 수치 계산은 검증된 알고리즘이나 항법 장비, 시뮬레이터, 별도 계산 모듈에 위임해야 한다. LLM은 계산 결과를 받아 상대선별 위험순위를 구성하고, 그 의미를 항해사가 이해할 수 있도록 설명하는 방식으로 사용되어야 한다. Ma et al.(2026)이 제안한 Navigation-GPT 역시 LLM과 도구 사용을 결합하여 항법 의사결정의 신뢰성을 높이고자 하였으며, 본 연구도 이와 유사하게 도구 연동형 LLM 활용을 전제로 한다.

    2.3 다중선박 조우 유형

    다중선박 상황은 본선과 각 상대선 사이의 양자 조우유형이 동시에 존재하는 집합으로 볼 수 있다. 즉, 본선과 상대선 ①은 정면 조우일 수 있고, 본선과 상대선 ②는 횡단 조우일 수 있으며, 본선과 상대선 ③은 본선이 유지선인 횡단 조우, 본선과 상대선 ④는 본선이 피추월선인 추월 상황일 수 있다. 이처럼 다중선박 상황에서는 상대선별 조우유형과 본선의 역할이 서로 다르게 나타난다.

    Table 1은 COLREGs의 주요 조우유형과 본선의 역할 및 원칙적 동작을 정리한 것이다.

    다중선박 환경에서 본선의 역할은 상대선별로 비동질적이다. 본선이 상대선 ①에 대해서는 쌍방 피항 관계이고, 상대선 ②에 대해서는 피항선이며, 상대선 ③에 대해서는 유지선이고, 상대선 ④에 대해서는 피추월선일 수 있다. 이러한 비동질성은 다중선박 충돌회피가 단순히 여러 개의 양자 조우를 독립적으로 처리하는 문제로 환원될 수 없게 만든다. 본선의 실제 기동은 하나이므로, 상대선별 역할과 위험도를 종합하여 전체 상황에서 가장 안전하고 규칙에 부합하는 기동을 선택해야 한다.

    2.4 규칙 충돌의 유형

    다중선박 환경에서는 한 상대선에 대한 회피동작이 다른 상대선에 대해서는 위험을 증가시키거나 규칙 위반을 야기할 수 있다. 이를 본 연구에서는 규칙 충돌로 정의한다. 규칙 충돌은 다중선박 프롬프트 설계에서 반드시 명시적으로 다루어야 할 문제이다. LLM이 단순히 각 상대선별 조우유형을 분류하는 데 그친다면, 항해사는 여전히 상대선별 기동을 종합해야 하는 부담을 갖게 된다. 따라서 경로계획 단계의 프롬프트는 후보 기동이 각 상대선에 대해 어떤 영향을 미치는지, 그리고 규칙 충돌을 유발하는지를 검증하도록 설계되어야 한다. Table 2는 규칙 충돌의 유형과 해결 방안 프롬프트 예시를 정리한 것이다.

    C1은 방향 상충이다. 예를 들어 정면 조우 상대선에 대해서는 우현 변침이 요구되지만, 다른 상대선과의 관계에서는 우현 변침이 위험을 증가시키는 경우가 이에 해당한다. C2는 역할 상충이다. 본선이 어떤 상대선에 대해서는 피항선이므로 적극적 기동을 해야 하지만, 동시에 다른 상대선에 대해서는 유지선으로서 침로와 속력을 유지해야 하는 상황이다. C3는 시간 상충이다. 두 상대선의 TCPA가 비슷하여 단일 기동으로 동시에 안전거리를 확보하기 어려운 경우가 이에 해당한다. C4는 COLREGs가 명확히 규정하지 않거나 상대선이 규칙을 준수하지 않는 상황이다.

    3. 단계별 프롬프트 설계

    3.1 설계 원리

    본 연구에서 제시하는 프롬프트 예시와 응답 예시는 ChatGPT(GPT 계열 대화형 LLM)를 기준으로 작성되었다. 다만 본 연구의 기여는 특정 모델의 성능이 아니라 항해사와 LLM 사이의 질의-응답 구조에 있으므로, 제안한 프롬프트는 특정 모델에 종속되지 않으며 외부 계산 도구 연동과 자연어 질의응답이 가능한 범용 LLM에 동일하게 적용될 수 있다. 또한 항해사는 본 설계안을 기본 틀로 삼아 질의와 응답을 반복하면서 자신의 운항 환경과 사용 모델의 특성에 맞게 프롬프트를 점진적으로 고도화할 수 있다.

    본 연구의 프롬프트 설계는 세 가지 원리를 따른다. 첫째, 위험도 순위화를 프롬프트 구조에 내장한다. 다중선박 상황에서 항해사가 가장 먼저 판단해야 할 것은 “어떤 상대선을 우선적으로 고려해야 하는가”이다. 단순히 가장 가까운 상대선이 가장 위험한 것은 아니며, DCPA, TCPA, CRI, VCD, D r , 조우유형이 종합적으로 고려되어야 한다. 따라서 위험평가 단계의 프롬프트는 LLM에게 상대선별 정량지표를 계산 도구로 산출하도록 요청하고, CRI를 기준으로 위험순위를 정렬하도록 요구한다.

    둘째, 경로계획 단계에서 규칙 충돌 검증을 명시적으로 요청한다. 다중선박 환경에서 중요한 것은 최위험 상대선 하나를 피하는 것만이 아니다. 해당 기동이 나머지 상대선과의 관계에서 새로운 충돌위험을 만들지 않는지, 유지선 의무 위반을 야기하지 않는지, 다른 상대선의 DCPA를 악화시키지 않는지 검증해야 한다. 따라서 프롬프트는 후보 기동별로 각 상대선의 DCPA 변화, COLREGs 역할 변화, C1∼C4 발생 여부를 확인하도록 설계된다.

    셋째, 항해사의 최종 판단권을 유지한다. LLM은 조언자이며, 최종 명령권자는 항해사이다. 따라서 LLM의 응답은 “명령”이 아니라 “권고”, “검증 결과”, “주의 사항”, “재평가 조건”의 형태로 제공되어야 한다. 이는 실제 선박 운항의 책임 구조와도 부합한다(Parasuraman and Riley, 1997). LLM이 제안한 기동은 항해사의 전문적 판단, 현장 시계, 조타성능, 해역 조건, 교통상황 등을 고려하여 최종 결정되어야 한다.

    Fig. 3에는 탐지 → 위험평가 → 경로계획 → 조치실행 → 재평가로 이어지는 폐루프 질의-응답 구조를 제시한다. 각 단계의 입력정보, LLM 요청사항, 출력결과를 함께 표시한다.

    3.2 탐지 단계 프롬프트

    탐지 단계의 목적은 주변 해역의 모든 상대선을 빠짐없이 목록화하고, 충돌위험 후보를 1차적으로 선별하는 것이다. 다중선박 환경에서는 상대선의 누락이 곧 위험으로 이어질 수 있으므로, 프롬프트는 “전체 목록화”와 “위험 후보 표시”를 동시에 요구해야 한다. 항해사는 레이더, AIS, 시각 관측 정보를 바탕으로 본선 주변 일정 범위 내의 선박 정보를 LLM에 제공하고, LLM은 이를 표 형태로 정리하여 위험 후보를 표시한다.

    • 탐지 단계 프롬프트 예시

    (항해사 → LLM) : “현재 본선 주변 10해리(nm) 이내의 모든 선박을 목록화해 주세요. 각 선박의 상대방위, 거리, 침로, 속력, 상대적 접근 여부를 표로 정리하고, 충돌 코스에 들어올 가능성이 있는 선박을 우선 표시해 주세요. 본선 침로는 000°, 속력은 12노트(kn)입니다.”

    (LLM → 항해사) : “주변 10해리 이내에 총 5척이 탐지됩니다. 상대선 ①은 정선수 6.0해리에서 접근 중이며 정면 조우 가능성이 있습니다. 상대선 ②는 우현 045° 4.5해리에서 접근 중이며 횡단 조우 가능성이 있습니다. 상대선 ③은 좌현 315° 6.0해리에서 접근 중이며 유지선 관계의 횡단 조우 가능성이 있습니다. 상대선 ④는 우현 후방 175° 2.8해리에서 고속으로 접근 중이므로 추월 상황으로 판단됩니다. 상대선 ⑤는 좌현 후방 210° 9.0해리에 위치하며 현재 이격 중이므로 위험도는 낮습니다. 우선 검토 대상은 ①, ②, ③, ④입니다.”

    이 단계에서 LLM의 응답은 항해사의 상황인식을 보조한다. 항해사는 모든 상대선을 개별적으로 기억하는 대신, 위험 후보군을 좁혀 후속 위험평가 질의의 범위를 명확히 할 수 있다.

    3.3 위험평가 단계 프롬프트

    위험평가 단계는 본 연구의 핵심 단계이다. 이 단계에서 항해사는 탐지된 위험 후보 상대선에 대해 정량지표 산출과 위험도 순위화를 요청한다. LLM은 직접 계산하지 않고, 연동된 계산 도구를 통해 DCPA, TCPA, VCD, 상대거리, CRI 등을 산출한 뒤, CRI를 기준으로 상대선을 정렬한다. CRI가 유사한 경우에는 TCPA가 짧은 상대선을 우선하도록 한다. 이는 위험도가 높은 상대선과 임박한 상대선을 동시에 고려하기 위한 기준이다.

    • 위험평가 단계 프롬프트 예시

    (항해사 → LLM) : “탐지된 상대선 ①∼④에 대해 각각 DCPA, TCPA, VCD, 상대거리를 계산 도구로 산출하고, FIS-NC 기반 CRI를 구해 주세요. 본선 침로는 000°, 속력은 12노트입니다. CRI가 높은 순으로 위험순위를 매기되, CRI가 유사하면 TCPA가 짧은 상대선을 우선해 주세요. CRI 0.01 이상은 능동 검토 대상으로, 그 미만은 감시 목록으로 분류해 주세요.”

    (LLM → 항해사) : “상대선별 위험도는 다음과 같습니다. T(1)은 상대선 ①로, DCPA 0.10해리, TCPA 14분, CRI 0.77이며 정면 조우로 판단됩니다. T(2)는 상대선 ④로, DCPA 0.81해리, TCPA 26분, CRI 0.19이며 추월 상황입니다. T(3)는 상대선 ②로, DCPA 2.22해리, TCPA 18분, CRI 0.18이며 본선이 피항선인 횡단 조우입니다. T(4)는 상대선 ③으로, DCPA 1.30해리, TCPA 27분, CRI 0.12이며 본선이 유지선인 횡단 조우입니다. 위험순위는 T(1) ≫ T(2) ≳ T(3) > T(4)입니다. 상대선 ⑤는 이격 중으로 감시 목록에 둡니다.”

    이 단계의 의미는 항해사가 복수 상대선을 동시에 판단하는 부담을 줄이는 데 있다. LLM은 상대선별 수치를 단순 나열하는 것이 아니라, 위험순위를 정렬하고, 능동 검토 대상과 감시 대상을 구분하여 항해사에게 제공한다. 이때 능동 검토 기준을 CRI 0.01로 둔 것은 Namgung and Kim(2021)의 FIS-NC 판정기준(피항선 0.01, 유지선 0.33)을 따른 것이다. 다만 LLM이 제시한 수치와 판단은 최종적으로 항해사가 검증해야 하며, 센서 자료와 계산 도구의 신뢰성 확보가 전제되어야 한다.

    3.4 경로계획 단계 프롬프트

    경로계획 단계에서는 위험순위가 높은 상대선부터 조우유형과 본선의 역할을 확정하고, 후보 기동을 검토한다. 이때 핵심은 최위험 상대선에 대한 회피동작이 다른 상대선과의 관계에서 규칙 충돌을 일으키지 않는지 검증하는 것이다. 단일선박 조우에서는 정면 조우이면 우현 변침, 우현 횡단이면 피항, 좌현 횡단이면 유지와 같은 판단이 비교적 명확할 수 있다. 그러나 다중선박 상황에서는 이러한 원칙적 동작이 다른 상대선에 대한 의무와 상충할 수 있으므로, 후보 기동별 검증이 필수적이다.

    • 경로계획 단계 프롬프트 예시

    (항해사 → LLM) : “순위화된 상대선 T(1)∼T(4)의 조우유형과 본선의 역할을 확정해 주세요. 최우선 상대선 T(1)을 피하기 위한 후보 기동을 우현 변침 각도별로 제시하고, 각 후보가 T(2), T(3), T(4)와의 관계에서 C1∼C4 규칙 충돌을 일으키는지 검증해 주세요. 또한 각 후보 기동이 상대선별 DCPA를 어떻게 변화시키는지 함께 제시해 주세요. 모든 상대선과 양립 가능한 단일 기동이 없으면 2단계 기동으로 제안해 주세요.”

    (LLM → 항해사) : “조우관계는 다음과 같습니다. T(1)은 정면 조우로 제14조에 따라 쌍방 우현 변침이 요구됩니다. T(2)는 추월 상황이며 상대선이 추월선이므로 본선은 원칙적으로 유지선입니다. T(3)는 우현측 횡단 조우로 본선이 피항선입니다. T(4)는 좌현측 횡단 조우로 본선이 유지선입니다. 우현 25° 변침 후보를 검토한 결과, T(1)의 DCPA는 0.10해리에서 1.34해리로 증가하여 위험이 해소됩니다. T(3)의 DCPA는 2.22해리에서 2.74해리로 증가하여 양립 가능합니다. T(2)의 DCPA는 0.81해리에서 1.11해리로 증가하여 추월을 방해하지 않습니다. 그러나 T(4)의 DCPA는 1.30해리에서 0.00해리로 악화되어 C1 및 C2 규칙 충돌 가능성이 있습니다. 다만 T(4)의 TCPA가 27분으로 충분히 길기 때문에, 우선 T(1)과 T(3)을 해소한 뒤 T(4)를 재평가하는 2단계 기동이 적절합니다. 권고안은 1단계로 즉시 우현 25° 변침, 2단계로 T(1) 및 T(3) 통과 후 T(4)의 DCPA와 TCPA를 재평가하여 추가 우현 변침 또는 감속을 검토하는 것입니다.”

    이 프롬프트의 핵심은 LLM이 단순히 조우유형을 설명하는 것이 아니라, 후보 기동의 결과를 상대선별로 검증하도록 만든다는 점이다. 이를 통해 항해사는 “어느 방향으로 피해야 하는가”뿐만 아니라, “그 기동이 다른 선박에 어떤 영향을 주는가”를 함께 판단할 수 있다.

    3.5 조치실행 단계 프롬프트

    조치실행 단계는 항해사가 결정한 기동을 수행하면서, 기동 중 감시해야 할 상대선과 추가 조치 발동 기준, 원침로 복귀 조건을 확인하는 단계이다. 다중선박 상황에서는 하나의 상대선이 통과하였다고 해서 전체 위험이 해소되는 것은 아니다. 따라서 복귀 조건은 특정 상대선 하나가 아니라 모든 능동 검토 대상의 위험이 해소되었는지를 기준으로 설정되어야 한다.

    • 조치실행 단계 프롬프트 예시

    (항해사 → LLM) : “우현 25° 변침을 1단계 기동으로 실행합니다. 변침 중 우선 감시해야 할 상대선, 2단계 발동 기준, 원침로 000° 복귀 조건을 상대선별로 알려 주세요.”

    (LLM → 항해사): “우현 25° 변침 중에는 T(1)과 T(3)의 통과 여부를 우선 확인하십시오. 동시에 T(2)의 추월 진행과 T(4)의 접근 변화를 병행 감시해야 합니다. T(4)의 DCPA가 1.0해리 미만으로 감소하고 TCPA가 10분 이내로 짧아질 경우 2단계 기동을 발동해야 합니다. 2단계 기동은 추가 우현 변침 또는 감속을 우선 검토합니다. 원침로 복귀 조건은 다음과 같습니다. 첫째, T(1)과 T(3)이 우현 후방으로 통과하고 각 DCPA가 1.0해리 이상 확보될 것. 둘째, T(2)의 추월이 안전하게 진행되어 본선의 기동이 추월을 방해하지 않을 것. 셋째, T(4)의 거리가 증가하거나 상대선이 피항선 의무를 이행하여 위험이 감소할 것. 이 세 조건이 충족되면 원침로 000°로 서서히 복귀할 수 있습니다.”

    이 단계에서 LLM은 조타 명령을 직접 수행하는 것이 아니라, 항해사가 실행 중 확인해야 할 조건을 명확히 정리한다. 이는 조치 후 상황감시와 복귀 판단을 지원하는 역할을 한다.

    3.6 재평가 질의

    다중선박 환경에서 상대선별 위험도는 시간에 따라 계속 변화한다. 후방에서 접근하는 추월선은 초기에는 위험순위가 낮을 수 있으나, 시간이 지나면서 상대거리가 급격히 감소하여 위험순위가 상승할 수 있다. 반대로 초기에는 위험했던 상대선이 본선의 기동 또는 해당 상대선의 기동으로 안전하게 통과할 수도 있다. 따라서 단계별 프롬프트는 일회성 질의가 아니라 주기적 재평가를 포함하는 폐루프 구조여야 한다.

    • 재평가 단계 프롬프트 예시

    (항해사 → LLM) : “직전 보고 대비 현재 상대선들의 위험순위가 바뀌었나요? 새로 주의해야 할 상대선이 있나요? 현재 상태에서 원침로로 복귀해도 되는지 판단해 주세요.”

    (LLM → 항해사) : “현재 T(1)의 위험은 감소하고 있으나, T(2)의 상대거리가 줄어 위험순위가 상승했습니다. T(4)는 TCPA가 충분하지만, DCPA 변화 추이를 계속 감시해야 합니다. 원침로 복귀는 아직 이릅니다. T(1)과 T(3)의 통과가 명확히 확인되고, T(2)의 추월이 안전하게 진행되며, T(4)의 거리 증가가 확인된 이후 복귀하는 것이 적절합니다.”

    재평가 질의는 프롬프트 기반 협업을 정적 절차가 아니라 동적 의사결정 과정으로 만든다. 이는 실제 운항환경에서 매우 중요하다. 항해사는 일정 주기마다 동일한 구조의 질의를 반복함으로써 위험순위 변화, 새로운 위험 상대선 등장, 복귀 가능 여부를 일관된 방식으로 확인할 수 있다.

    4. 가상 시나리오 적용

    4.1 시나리오 설정

    제안한 단계별 프롬프트가 실제 운항상황에서 어떻게 작동하는지를 보이기 위해, 본선 외 5척이 혼재하는 밀집 교통 가상 시나리오를 설정하였다. 본 시나리오는 실제 해역 실험 결과가 아니라, 제안한 프롬프트 설계의 작동 구조를 설명하기 위한 예시이다. 따라서 본 장에 제시되는 DCPA, TCPA, CRI 등의 수치는 본 논문이 새롭게 산출한 결과가 아니라, LLM과 연동 계산 도구가 제공하는 응답 예시로 간주한다.

    본선 A호는 맑고 시야가 양호한 오후 시간대에 연안 교통분리 해역을 정북 000°, 속력 12노트로 항행 중이다. 주변에는 정면 조우 선박, 우현 횡단 선박, 좌현 횡단 선박, 추월 선박, 이격 선박이 혼재한다(Table 3).

    4.2 탐지 단계 적용

    항해사는 먼저 주변 10해리 이내의 모든 선박을 목록화하고, 충돌 코스 가능성이 있는 선박을 표시하도록 LLM에 요청한다. LLM은 상대선 ①∼⑤를 탐지하고, 그중 ①, ②, ③, ④를 우선 검토 대상으로 분류한다. 상대선 ⑤는 상대적으로 거리가 멀고 이격 중이므로 감시 목록으로 분류한다.

    이 단계에서 항해사는 여러 상대선을 개별적으로 추적해야 하는 부담을 줄이고, 위험평가 단계에서 다룰 상대선의 범위를 명확히 할 수 있다. 특히 실제 운항에서는 레이더 화면이나 AIS 목록에서 다수의 선박이 동시에 표시되기 때문에, LLM이 전체 상대선을 목록화하고 위험 후보를 구분해 주는 것은 초기 상황인식에 도움이 될 수 있다.

    4.3 위험평가 단계 적용

    위험평가 단계에서 항해사는 상대선 ①∼④에 대해 DCPA, TCPA, VCD, 상대거리, CRI 산출을 요청한다. LLM은 연동된 계산 도구의 결과를 바탕으로 상대선별 위험도를 정리하고, CRI 내림차순으로 위험순위를 제시한다(Table 4).

    위험평가 결과, 상대선 ①은 CRI 0.77로 압도적으로 높은 위험도를 보이며 최우선 검토 대상으로 식별된다. 상대선 ④와 상대선 ②는 CRI가 유사하지만, 상대선 ④는 추월 상황이며 상대적으로 DCPA가 작기 때문에 지속 감시가 필요하다. 상대선 ③은 본선이 유지선인 상황이지만, 이후 기동에 따라 DCPA가 악화될 가능성이 있으므로 경로계획 단계에서 반드시 검토해야 한다.

    4.4 경로계획 단계

    경로계획 단계에서는 최위험 상대선 T(1)에 대한 회피동작을 우선 검토한다. T(1)은 정면 조우이므로 COLREGs 제14조에 따라 본선과 상대선 모두 우현 변침을 통해 좌현 대 좌현으로 통과하는 것이 원칙이다. 이에 따라 LLM은 우현 25° 변침을 후보 기동으로 설정하고, 해당 기동이 나머지 상대선과의 관계에서 어떤 영향을 미치는지 검증한다(Table 5).

    검증 결과, 우현 25° 변침은 T(1)에 대한 충돌위험을 효과적으로 해소하고, T(2) 및 T(3)과도 양립 가능하다. 그러나 T(4)에 대해서는 DCPA가 0.00해리로 악화되어 방향 상충과 역할 상충이 발생할 가능성이 있다. 다만 T(4)의 TCPA가 27분으로 상대적으로 길기 때문에, LLM은 즉시 T(4)를 회피하기보다 T(1)과 T(3)을 먼저 해소한 후 T(4)를 재평가하는 2단계 기동을 권고한다.

    이 결과는 다중선박 프롬프트의 핵심 기능을 잘 보여준다. 단일선박 조우라면 정면 조우에 대해 우현 변침을 권고하는 것으로 충분할 수 있다. 그러나 다중선박 환경에서는 동일한 우현 변침이 좌현측 피항선과의 관계에서 위험을 증가시킬 수 있다. 따라서 LLM이 후보 기동의 전체 상대선 영향과 규칙 충돌 여부를 사전에 검증하도록 하는 것이 중요하다.

    4.5 조치실행 단계

    항해사는 LLM의 권고를 검토한 뒤 1단계 기동으로 우현 25° 변침을 실행한다. 실행 중에는 T(1)과 T(3)의 통과 여부를 우선 확인하고, T(2)의 추월 진행과 T(4)의 접근 변화를 병행 감시한다. LLM은 T(4)의 DCPA가 1해리 미만으로 감소하고 TCPA가 10분 이내로 짧아질 경우 2단계 기동을 발동해야 한다고 제시한다.

    수 분 후 T(1)은 본선 우현 후방으로 안전하게 통과하고, T(3) 역시 안전거리 확보가 확인된다. T(2)는 추월선으로서 본선을 안전하게 추월하고 있으며, 본선의 우현 변침이 추월을 방해하지 않는 것으로 판단된다. T(4)는 일시적으로 접근하였으나 이후 상대선의 기동 또는 상대운동 변화로 인해 위험이 감소하기 시작한다. 이에 따라 항해사는 추가 기동 없이 현재 상태를 유지하며, 모든 능동 검토 대상의 위험 해소가 확인된 후 원침로 000°로 서서히 복귀한다. Table 6는 시간 단계별 LLM 지원사항 및 본선의 조종상황을 정리한 것이다.

    4.6 시간 단계별 상호작용

    다중선박 환경에서 위험순위는 시간에 따라 변화한다. 특히 본 시나리오에서는 초기 위험순위가 낮았던 추월선 T(2)가 시간이 지나면서 상대거리가 감소하여 위험순위가 상승한다. 이는 재평가 질의가 없으면 항해사가 놓칠 수 있는 변화이다.

    4.7 시나리오 결과 요약

    본 시나리오를 통해 제안한 프롬프트 설계안은 세 가지 측면에서 효과를 보인다. 첫째, 탐지 단계에서 주변 상대선을 목록화하고 위험 후보를 선별함으로써 항해사의 초기 상황인식을 지원한다. 둘째, 위험평가 단계에서 CRI 기반 위험순위를 제시함으로써 항해사가 복수 상대선 중 우선적으로 검토해야 할 대상을 명확히 파악할 수 있도록 한다. 셋째, 경로계획 단계에서 후보 기동의 상대선별 영향과 규칙 충돌 여부를 검증함으로써, 단순한 개별 회피가 아니라 전체 상대선과 양립 가능한 통합 기동으로 판단이 수렴되도록 한다.

    4.8 논의

    본 연구는 다중선박 환경에서 LLM을 활용한 항해사 의사결정 지원 가능성을 프롬프트 설계 관점에서 제시하였다. 기존의 충돌회피 연구는 주로 CRI 산출, 경로계획 알고리즘, 강화학습 기반 회피제어, COLREGs 준수 알고리즘에 초점을 두어 왔다(Chun et al., 2021; Zhao and Roh, 2019). 이에 비해 본 연구는 새로운 알고리즘을 제안하기보다, 항해사가 기존 계산 도구와 LLM을 어떻게 연계하여 활용할 수 있는지에 초점을 둔다. 즉, 기술적 기여의 위치가 “계산 알고리즘”이 아니라 “질의 구조와 의사결정 지원 절차”에 있다.

    본 연구의 첫 번째 의의는 다중선박 상황에서 항해사의 인지 부하를 줄일 수 있는 구조화된 상호작용 방식을 제안했다는 점이다. 다중선박 환경에서 항해사는 여러 상대선을 동시에 관찰하고, 각 상대선의 조우유형과 위험도를 병렬적으로 판단해야 한다. 이는 높은 인지 부하를 유발하며, 특히 야간, 제한시계, 고밀도 교통상황에서는 판단 오류로 이어질 가능성이 크다. 제안한 프롬프트는 위험도 순위화를 통해 항해사가 “무엇부터 판단해야 하는가”를 명확히 알 수 있도록 한다. 이는 단순 정보 제공을 넘어 항해사의 주의 배분을 구조화한다는 점에서 의미가 있다.

    두 번째 의의는 규칙 충돌을 프롬프트의 핵심 검증 항목으로 포함했다는 점이다. 기존의 단일선박 중심 프롬프트나 규칙 설명 방식은 특정 상대선에 대한 조우유형과 원칙적 동작을 제시하는 데 그칠 수 있다. 그러나 다중선박 환경에서는 하나의 기동이 여러 상대선에 동시에 영향을 미치므로, 후보 기동의 전체 효과를 검증해야 한다. 본 연구는 C1∼C4 유형을 제시하고, 경로계획 단계에서 LLM이 후보 기동별 규칙 충돌 여부를 확인하도록 설계하였다. 이는 다중선박 환경에서 프롬프트 설계가 단순 질의응답을 넘어 검증 기반 의사결정 지원 구조로 확장되어야 함을 보여준다.

    세 번째 의의는 항해사 주도형 AI 협업 구조를 제안했다는 점이다. 본 연구에서 LLM은 항해사의 판단을 대체하지 않는다. LLM은 상대선 정보를 정리하고, 계산 도구의 산출값을 해석하며, COLREGs상 조우관계를 설명하고, 후보 기동의 규칙 충돌 여부를 검토하는 보조자 역할을 한다. 최종 판단과 조치 명령은 항해사가 수행한다. 이는 현재의 법적·제도적 운항 책임 구조와도 부합하며, 완전 자율운항 체계로 바로 이행하기 어려운 현실적 상황에서 적용 가능성이 높은 접근이다.

    그러나 본 연구에는 몇 가지 한계도 존재한다. 첫째, 본 연구는 가상 시나리오를 기반으로 프롬프트 설계의 작동 가능성을 보인 것이며, 실제 선박 운항 데이터나 시뮬레이터 실험을 통해 정량적으로 검증한 것은 아니다. 따라서 향후 연구에서는 선박조종시뮬레이터를 활용하여 항해사가 제안한 프롬프트를 사용했을 때 상황인식 시간, 충돌위험 판단 정확도, 조치 결정 시간, 인지 부하가 어떻게 변화하는지 실험적으로 분석할 필요가 있다.

    둘째, 본 연구에서 제시한 LLM 응답은 계산 도구와 센서 정보가 정확하다는 전제하에 구성되었다. 실제 운항환경에서는 AIS 정보 오류, 레이더 탐지 한계, 상대선 추적 불안정, 통신 지연, 상대선의 예측 불가능한 기동이 발생할 수 있다. 따라서 실제 적용을 위해서는 LLM 응답의 신뢰도뿐만 아니라 입력 데이터의 신뢰도와 불확실성을 함께 표시하는 기능이 필요하다.

    셋째, LLM의 환각 문제는 여전히 중요한 위험요소이다. 본 연구는 이를 줄이기 위해 수치 계산을 LLM 자체가 아니라 외부 계산 도구에 위임하는 구조를 전제로 하였다. 그러나 LLM이 계산 결과를 해석하는 과정에서도 부정확한 설명이나 부적절한 권고를 생성할 가능성은 남아 있다. 따라서 실제 적용에서는 LLM 응답을 룰 엔진, 검증 모듈, 항해사 확인 절차와 결합하여 이중 검증하는 구조가 필요하다.

    넷째, 상대선 수가 증가할수록 후보 기동의 조합과 규칙 충돌 검증 항목이 급격히 증가한다. 본 연구에서는 본선 외 5척의 시나리오를 다루었으나, 실제 항만 입출항 수역이나 어선 밀집 해역에서는 더 많은 상대선이 동시에 존재할 수 있다. 따라서 향후에는 CRI 임계값을 활용하여 능동 검토 대상을 제한하거나, 위험도에 따라 상대선을 그룹화하는 방법, 또는 우선순위 기반 계층적 프롬프트 구조를 설계할 필요가 있다.

    다섯째, HMI 측면의 연구가 필요하다. 실제 선교 환경에서 항해사가 긴 자연어 응답을 계속 읽고 판단하는 것은 부담이 될 수 있다. 따라서 LLM 응답은 상황에 따라 표, 짧은 경고문, 음성 안내, 그래픽 표시, 위험순위 카드 등 다양한 형태로 제공되어야 한다. 특히 긴급상황에서는 설명보다 즉각적인 핵심 정보가 중요하며, 평시에는 상세한 근거 설명이 유용할 수 있다. 따라서 운항상황의 긴급도에 따라 응답 길이와 형식을 조절하는 적응형 프롬프트 설계가 필요하다.

    5. 결 론

    본 연구는 다중선박 환경에서 유인선 항해사가 LLM을 보조 도구로 활용하여 COLREGs에 부합하는 실시간 충돌회피 판단을 수행할 수 있도록 단계별 프롬프트 설계안을 제안하였다. 본 연구의 핵심 기여는 새로운 충돌위험 산출 알고리즘이나 자동 회피제어 알고리즘이 아니라, 항해사가 LLM과 어떤 정보를 주고받고, 어떤 순서로 질의하며, 어떤 형식의 응답을 받아야 하는지를 구조화한 표준화된 질의-응답 절차에 있다.

    제안한 프롬프트 설계는 탐지, 위험평가, 경로계획, 조치실행의 네 단계로 구성된다. 탐지 단계에서는 주변 상대선을 목록화하고 위험 후보를 선별한다. 위험평가 단계에서는 DCPA, TCPA, VCD, CRI 등을 계산 도구로 산출하고, 상대선별 위험순위를 정렬한다. 경로계획 단계에서는 조우유형과 본선의 역할을 확정한 뒤, 후보 기동이 다른 상대선과의 관계에서 C1∼C4 규칙 충돌을 일으키는지 검증한다. 조치실행 단계에서는 실행 중 감시 대상, 2단계 발동 기준, 원침로 복귀 조건을 제시한다. 또한 전 과정에 재평가 질의를 포함하여 시간에 따른 위험순위 변화와 새로운 위험 등장을 반영하도록 하였다.

    본선 외 5척이 혼재하는 가상 시나리오에 적용한 결과, 제안한 프롬프트는 항해사가 최위험 상대선을 우선적으로 식별하고, 정면 조우 상대선에 대한 우현 변침 기동이 다른 상대선과의 관계에서 어떤 영향을 미치는지 검증하며, 좌현 피항선과의 규칙 충돌 가능성을 사전에 파악하도록 지원하였다. 또한 추월선의 지속적 접근과 같은 시간적 변화도 재평가 질의를 통해 확인할 수 있었다. 이는 다중선박 환경에서 프롬프트 기반 AI-항해사 협업이 상황인식 향상, 의사결정 구조화, 규칙 충돌 검증에 기여할 수 있음을 보여준다.

    향후 연구에서는 제안한 프롬프트를 선박조종시뮬레이터 및 실해역 운항 데이터에 적용하여 정량적 효과를 검증할 필요가 있다. 특히 항해사의 의사결정 시간, 충돌위험 판단 정확도, 인지 부하, 신뢰도, HMI 수용성을 평가해야 한다. 또한 실제 적용을 위해서는 센서 데이터 신뢰도 표시, 룰 엔진 기반 검증, LLM 응답 오류 방지, 상대선 수 증가에 따른 질의 효율화, 규제 및 책임 구조 검토가 병행되어야 한다. 그럼에도 본 연구는 항해사의 주도권을 유지하면서 LLM의 자연어 이해 및 설명 능력을 실시간 충돌회피 의사결정 지원에 활용할 수 있는 실질적 방안을 제시하였다는 점에서 의의가 있다.

    Figure

    KOSOMES-32-4-581_F1.jpg

    Conceptual diagram of the overall research framework.

    KOSOMES-32-4-581_F2.jpg

    Geometry of collision of moving ships.

    KOSOMES-32-4-581_F3.jpg

    Stepwise query-response process for LLM-based multi-ship collision avoidance.

    Table

    COLREGs encounter situations and own ship role

    Rule conflict types and corresponding prompt resolution

    Initial state of the scenario

    Risk assessment results by TS

    Verification of the effect of a 25° starboard alteration on each TS

    LLM reporting and own ship maneuvering by time step

    Reference

    1. Agyei, K., P.Sarhadi, and W.Naeem ( 2025), Large Language Model-based Decision-making for COLREGs and the Control of Autonomous Surface Vehicles, 2025 European Control Conference (ECC), pp. 1761-1766.
    2. Baldauf, M., K.Benedict, S.Fischer, F.Motz, and J. U.Schröder-Hinrichs ( 2011), Collision Avoidance Systems in Air and Maritime Traffic, Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, Vol. 225, No. 3, pp. 333-343.
    3. Chauvin, C., S.Lardjane, G.Morel, J. P.Clostermann, and B.Langard ( 2013), Human and Organisational Factors in Maritime Accidents: Analysis of Collisions at Sea using the HFACS, Accident Analysis & Prevention, Vol. 59, pp. 26-37.
    4. Chiang, H. T. L. and L.Tapia ( 2018), COLREG-RRT: An RRT-based COLREGs Compliant Motion Planner for Surface Vehicle Navigation, IEEE Robotics and Automation Letters, Vol. 3, No. 3, pp. 2024-2031.
    5. Chun, D. H., M. I.Roh, H. W.Lee, J.Ha, and D.Yu ( 2021), Deep Reinforcement Learning-based Collision Avoidance for an Autonomous Ship, Ocean Engineering, Vol. 234, 109216.
    6. Cockcroft, A. N. and J. N. F.Lameijer ( 2012), A Guide to the Collision Avoidance Rules, 7th ed., Butterworth-Heinemann, London.
    7. Endsley, M. R. ( 1995), Toward a Theory of Situation Awareness in Dynamic Systems, Human Factors, Vol. 37, No. 1, pp. 32-64.
    8. Huang, Y., L.Chen, P.Chen, R. R.Negenborn, and P. H. A. J. M.van Gelder ( 2020), Ship Collision Avoidance Methods: State-of-the-art, Safety Science, Vol. 121, pp. 451-473.
    9. International Maritime Organization (IMO) ( 1972), Convention on the International Regulations for Preventing Collisions at Sea, 1972 (COLREGs), IMO, London.
    10. Ji, Z., N.Lee, R.Frieske, T.Yu, D.Su, Y.Xu, E.Ishii, Y. J.Bang, A.Madotto, and P.Fung ( 2023), Survey of Hallucination in Natural Language Generation, ACM Computing Surveys, Vol. 55, No. 12, pp. 1-38.
    11. Johansen, T. A., T.Perez, and A.Cristofaro ( 2016), Ship Collision Avoidance and COLREGs Compliance using Simulation-Based Control Behavior Selection with Predictive Hazard Assessment, IEEE Transactions on Intelligent Transportation Systems, Vol. 17, No. 12, pp. 3407-3422.
    12. Kim, D., K.Hirayama, and T.Okimoto ( 2017), Distributed Stochastic Search Algorithm for Multi-ship Encounter Situations, The Journal of Navigation, Vol. 70, No. 4, pp. 699-718.
    13. Kim, J., S.Han, H.Lee, B.Koo, M.Nam, K.Jang, J.Lee, and M.Chung ( 2024), Trend Research on Maritime Autonomous Surface Ships (MASSs) based on Shipboard Electronics: Focusing on Text Mining and Network Analysis, Electronics, Vol. 13, No. 10, 1902.
    14. Ma, F., X.Wang, C.Chen, X.Xu, and X.Yan ( 2026), Navigation-GPT: A Robust and Adaptive Framework Utilizing Large Language Models for Navigation Applications, IET Intelligent Transport Systems, Vol. 20, No. 1, e70233.
    15. Miller, T., I.Durlik, E.Kostecka, A.Lobodzińska, K.Lazuga, and P.Kozlovska ( 2025), Leveraging Large Language Models for Enhancing Safety in Maritime Operations, Applied Sciences, Vol. 15, No. 3, 1666.
    16. Namgung, H. ( 2022), Local Route Planning for Collision Avoidance of Maritime Autonomous Surface Ships in Compliance with COLREGs Rules, Sustainability, Vol. 14, No. 1, 198.
    17. Namgung, H. and J. S.Kim ( 2021), Collision Risk Inference System for Maritime Autonomous Surface Ships using COLREGs Rules Compliant Collision Avoidance, IEEE Access, Vol. 9, pp. 7823-7835.
    18. Parasuraman, R. and V.Riley ( 1997), Humans and Automation: Use, Misuse, Disuse, Abuse, Human Factors, Vol. 39, No. 2, pp. 230-253.
    19. Perera, L. P., J. P.Carvalho, and C.Guedes Soares ( 2011), Fuzzy Logic Based Decision Making System for Collision Avoidance of Ocean Navigation under Critical Collision Conditions, Journal of Marine Science and Technology, Vol. 16, No. 1, pp. 84-99.
    20. Serigstad, E. ( 2017), Hybrid Collision Avoidance for Autonomous Surface Vessels, MSc Thesis, Norwegian University of Science and Technology.
    21. Statheros, T., G.Howells, and K. M.Maier ( 2008), Autonomous Ship Collision Avoidance Navigation Concepts, Technologies and Techniques, The Journal of Navigation, Vol. 61, No. 1, pp. 129-142.
    22. Tam, C., R.Bucknall, and A.Greig ( 2009), Review of Collision Avoidance and Path Planning Methods for Ships in Close Range Encounters, The Journal of Navigation, Vol. 62, No. 3, pp. 455-476.
    23. Zhao, L. and M. I.Roh ( 2019), COLREGs-compliant Multi-ship Collision Avoidance based on Deep Reinforcement Learning, Ocean Engineering, Vol. 191, 106436.