1. 서 론

우리나라는 경제에서 차지하는 무역의존도가 매우 높은 나라로 국가통계포털에 따르면, 2017년도 무역의존도는 경 제 선진 주요 20개국을 회원으로 하는 국제기구 G20 국가 중 멕시코 72.2 %, 독일 71.1 %에 이어 한국 68.8 %로서 3위로 나타났다(KOSIS, 2017). 이처럼 무역의존도가 높은 우리나라 에서의 해상운송은 대량수송이 가능하고 경제성이 있으며 원거리 국제운송이 가능하기 때문에 매우 중요하다.

그러나 이러한 해상에서 대형 선박사고가 발생할 경우, 막대한 인명·환경 피해를 초래하게 되고, 이에 따른 사고 책 임과 피해 보상을 둘러싼 논란 또한 쉽게 종식되지 않을뿐 더러 국제사회문제까지 야기될 수 있다. 이는 선박사고가 발생될 경우, 그만큼 사고수습에 대한 파장과 후유증이 심 각하다는 것을 보여준다(Jang, 2009).

이처럼 해양사고를 방지하고, 사전에 위험요소를 식별 또는 평가하기 위해 국제해사기구(International Maritime Organization, 이하 IMO)에서는 공식 안전성 평가 모델인 FSA(Formal Safety Assessment)를 따르고 있으며, 국제항로표지협회(International Association of Marine Aids to Navigation and Lighthouse Authorities, 이하 IALA)는 항만 및 제한된 수로에서의 위해도 관리를 위한 정량적인 평가모델인 IWRAP(IALA Waterway Risk Assessment Program) 및 정성적인 평가모델인 PAWSA(Port and Waterways Safety assessment)를 사용하고 있다.

우리나라에서는 2009년 5월 27일 해상교통안전법(현 해사 안전법) 개정을 통해 해양개발사업(항만건설, 개발, 교량, 해 상공사 등)이 선박통항에 미치는 영향을 사전에 조사·측정 및 평가하여 설계에 반영토록 함으로써 보다 미래지향적이 고 안전 친화적인 개발이 되도록 하는 일련의 과정을 마련 하였으며, 같은 해 11월 28일 해상교통안전진단제도를 본격 시행하였다.

해상교통안전진단제도 평가 항목 중 항로용량 대비 해상 교통량을 수치화한 ‘해상교통혼잡도 평가’의 경우 그 결과 값이 운항자의 입장에서 혼잡도 여부를 판별하기 어렵고, 많은 사람들이 해상의 특수성을 이해하지 못해 혼잡도의 높 고 낮음이 항로에서의 위험도를 대변한다고 인식하고 있다.

이 연구의 목적은 충돌·좌초의 위험확률을 산출하는 정량 적 평가모델인 IWRAP Mk2를 기반으로 항로 위험도를 평가 하고, 이를 해상교통혼잡도 결과와 비교하여 항로 위험도와 혼잡도의 상호 연관성을 정량적으로 검토하고자 하였다. 또 한 고도화된 위험도 평가모델 개발을 위한 기초 응용 자료 로 활용하고자 한다.

2. 해상교통안전성 평가모델 현황

2.1 항로 위험도 평가모델(IWRAP Mk2)

IWRAP은 ‘IALA Waterway Risk assessment Program’으로 항 만수로의 위험도(선박의 충돌 및 좌초빈도)를 분석하는 정 량적인 평가모델이다(Kim, 2012).

IWRAP Mk2의 입력 요소는 크게 선박 인자(선박 종류, 선 속, 선박 길이 및 폭), 환경 인자(항로 폭, 수심, 장애물, 기타 장애요인), 동적 요인(선박 통항량 등)으로 나뉘며, 이러한 입력요소들을 IWRAP Mk2의 위험도 분석 모델을 통하여 수 학적으로 계산하고 충돌 및 좌초가 발생할 빈도를 산출한다 (Friis, 2008;Friis and Pedersen 1998).

IWRAP Mk2에서 계산하는 기본적인 선박의 사고빈도는 식(1)과 같이 2개의 독립된 사건인 기하학적 충돌확률과 인 과확률(충돌회피를 실패할 확률)이 동시에 일어나는 것으로 설정한다.

2.2 해상교통혼잡도 평가모델(Marine Traffic Congestion)

해상교통혼잡도 모델은 해당 항로를 이용하는 해상교통 량을 수용능력 대비 실제 해상교통량을 백분율로 표시한 지 표로, 일정기간 동안 측정된 해상교통조사 자료를 바탕으로 항로의 교통용량을 측정하고 환산교통량을 산정하여 과거, 현재 및 장래에 해당 항로의 혼잡상황을 평균적으로 나타낼 수 있다.

국내 해상교통안전진단 시행지침에서는 해상교통현황측 정에 해상교통혼잡도의 측정 및 평가 항목을 적용하여 과거 및 현재의 해상교통량을 측정하고, 대상 통항로가 수용 가 능한 교통 용량을 분석하여 분석 결과에 따른 개선점을 제 시하도록 하고 있다(Cho, 2011).

2.3 IWRAP Mk2 및 해상교통혼잡도 모델 비교

IWRAP Mk2는 충돌 및 좌초 등 사고의 발생빈도를 확률 을 기반으로 위험성을 평가하는 모델로 AIS 자료를 이용할 경우, 실제 통항선박의 제원과 선속의 입력이 가능하고, 선 박의 조종성능을 고려한 기하학적 충돌확률(Geometrical Probability)을 산출할 수 있다. 또한 항로 폭, 수심, 기타 환경 적인 요인을 실제 해역과 동일하게 설정할 수 있다. 이처럼 실제 통항 선박의 자료를 이용할 수 있고 환경 및 공간적인 측면을 다양하게 고려하기 때문에 IWRAP Mk2는 다변화, 다 양성, 탄력성이 있는 Dynamic한 모델로 판단되지만, 해당 프 로그램을 이용하기 위해서는 라이선스를 구매하여야 하며 초기 입력이 다소 복잡하다는 특징이 있다.

해상교통혼잡도(Marine Traffic Congestion)는 선박 규모를 표준화하여 항로의 수용능력 대비 실제 해상교통량을 백분 율로 간단히 나타내는 모델로 실제 통항선박을 하나의 표준 선박으로 표준화시키고, 선박의 점유영역(Ship’s Domain) 개 념을 사용하여 특정시간의 혼잡도 또는 평균혼잡도를 측정 한다. 해상교통혼잡도 모델은 교통량 자료를 표준화하여 평 균값으로 변환하기 때문에 표준화, 획일성, 단일성이 있는 Static한 모델로 판단되며, 비교적 계산이 용이하고 간편한 특징이 있다.

Table 1과 같이 두 개의 모델 모두 공통적으로 입력되는 변수는 존재하지만 각 변수의 처리과정 또는 계산방법의 차 이가 존재한다.

3. IWRAP Mk2 기반 항로 위험도 평가

3.1 대상 항로 및 기본사항 설정

국내 주요 무역항인 인천, 울산, 부산 등 총 6개 항만을 선 정하고, 대상 항만에 진입하기 위한 항로 중 가장 통항량이 많고 항로 폭이 협소한 곳을 대상 항로로 설정하였으며, 인 천항 6개 항로, 울산항 6개 항로, 평택·당진항 2개 항로, 부산 항 5개 항로, 부산항 신항 3개 항로, 대산항 4개 항로 등 총 26개의 항로를 분석하였다.

본 연구에서는 평가 대상 항로의 실제 선박통항량 및 통항 특성 등을 반영하기 위하여, 2014~2016년에 수집된 GICOMS (General Information Center on Maritime Safety & Security) 자 료 및 각 항만을 관할하는 지방해양수산청의 Port-MIS(Port Management Information System, 선박입출항신고)를 활용하였 다. 또한 결과의 신뢰성 향상을 위해 각 항만당 최대 3개월 이상의 통항량을 검토하였으며, 교통량이 많고, 일 교통량 편차가 적은 연속된 5일의 교통량을 설정하여 입력하였다.

Table 2는 인천항 대상 항로의 특성(항로 폭, 평균 선속, 편도, 왕복 통항등)을 보여주고 있으며, Fig. 1은 대상 항로 위치 및 교통 흐름을 보여주고 있다.

IWRAP Mk2에서는 인과확률(Causation probability)을 위한 인과요소(Causation factor)를 설정하는 것이 가능하며, 본 연 구에서는 Table 3과 같이 IWRAP Mk2에서 채택하고 있는 Global value(Default) 값을 적용하였다(Fujii and Mizuki, 1998).

3.2 평가결과

IWRAP Mk2에 의한 항로 위험도(λ_Col) 분석 결과는 Table 4 및 Fig. 2와 같다. 대상 항로에서 연간 발생할 충돌빈도 평균 은 약 0.01415로 분석되었으며, 이중 Head-on 상황에서의 충 돌빈도 평균은 약 0.01255, Overtaking 상황에서의 충돌빈도 평균은 약 0.0016으로 검토되었다. 평균값 대비 울산항 제1,2 항로(0.05995)와 부산항 신항 동방파제(0.05861)의 충돌빈도가 가장 높은 것으로 분석되었다.

3.3 항로 위험도 민감도 변수

이러한 결과를 토대로 항로 위험도(λ_Col)에 영향을 주는 변수의 민감도를 검토하기 위해 다중회귀분석을 수행하였 다. 본 연구에서는 주 입력요소로 고려되는 항로폭(W_min), 일평균교통량(P_aυ ), 통항선속(S_aυ )을 독립변수로 설정하고, 항로 위험도(λ_Col) 영향을 미치는 독립변수에 대하여 검토하 였으며, 평가 기준표상 각 독립변수의 유의확률(P-Value) 및 표준화계수 베타(β)값만 고려하였다(Lee, 2012).

다중회귀분석 결과는 Table 5와 같으며, 유의확률의 경우, 일평균교통량(P_aυ ), 항로폭(W_min), 통항선속(S_aυ ) 순으로 유 의도가 높은 것으로 분석되었다. 표준화계수 베타 값(β) 비 교 결과, 일평균교통량(P_aυ ), 항로폭(W_min)(음수), 통항선속 (S_aυ ) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되 었다. 독립변수 간 다중공선성 검정에서는 모든 변수의 공 차한계가 0.1보다 큰 것으로 분석되어 독립변수간 과도한 상 관으로 인한 추정오류는 큰 문제가 없는 것으로 판단된다.

4. 해상교통혼잡도 평가

4.1 대상 항로 및 기본사항 설정

대상 항만, 항로, 항로 폭과 같은 환경 인자는 3절의 IWRAP Mk2 기반 항로 위험도 평가와 동일하게 설정하였으 며, 선속의 경우, 평균 통항선속을 적용하였다.

4.2 평가 결과

해상교통혼잡도에 의한 해상교통혼잡도(C_A) 및 최대 해 상교통혼잡도(C_P) 분석 결과는 Table 6 및 Fig. 3과 같으며, 해상교통혼잡도(C_A ) 평균은 약 18.4 %, 최대 해상교통혼잡도 (C_P) 평균은 약 113.3 %로 검토되었다. 평균값 대비 부산항 조도방파제의 해상교통혼잡도(C_A ) 및 최대 해상교통혼잡도 (C_P)가 가장 높은 것으로 분석되었으며, 이는 부산항 조도방 파제 항로는 혼잡한 상황이 자주 발생하고, 이로 인하여 사 고발생 개연성이 타 항로보다 높다는 의미로 해상교통안전 진단에서 해석하고 있다.

또한 국내 주요 항로에서의 해상교통혼잡도(C_A ) 및 최대 해상교통혼잡도(C_P)는 Fig. 3과 같이 해상교통혼잡도(C_A ) 값 이 높을수록 최대 해상교통혼잡도(C_P) 값도 높아지는 특성 을 보이는 것으로 분석되었으며, 항만별 해상교통혼잡도 (C_A )와 해상교통혼잡도(C_P)는 평균적으로 약 7배의 차이를 보이는 것으로 분석되었다.

4.3 해상교통혼잡도 민감도 변수

이러한 결과를 토대로 해상교통혼잡도(C_A )에 영향을 주 는 변수의 민감도를 검토하기 다중회귀분석을 수행하였다. 다중회귀분석 결과는 Table 7과 같으며, 유의확률의 경우, 일 평균교통량(P_aυ ), 통항선속(S_aυ), 항로폭(W_min) 순으로 유의 도가 높은 것으로 분석되었다. 표준화계수 베타 값(β) 비교 결과, 일평균교통량(P_aυ ), 통항선속(S_aυ ), 항로폭(W_min)(음수) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.

독립변수 간 다중공선성 검정에서는 모든 변수의 공차한 계가 0.1보다 큰 것으로 분석되어 독립변수간 과도한 상관으 로 인한 추정오류는 큰 문제가 없는 것으로 판단된다.

5. 항로 위험도 및 해상교통혼잡도와의 연관성 분석

5.1 그룹 설정

항로 위험도(λ_Col) 및 해상교통혼잡도(C_A )에 영향을 주는 변수의 민감도 분석결과(다중회귀분석)에서 보듯이 일평균 교통량이(P_aυ ) 가장 유의도가 높은 것으로 분석되었으며, 통 항선속(S_aυ )과 항로폭(W_min)의 경우, 변수에 미치는 영향력 이 크지 않아 유효성이 상대적으로 부족하다.

그러나 해양사고는 항로를 이용하는 전체 통항척수 외에 도 환경적인 요소(항로폭 등)와 인적과실(선박간의 통항선속 등)에 따른 인과관계가 성립하는 경우도 존재한다(Kim et al., 2011). 이에 각 항만은 항로에서의 적정 속도 규정을 제시하 고 있으며, 통항안전성 확보를 위한 항로폭 결정에 관한 연 구도 활발하게 진행 중이다(Kim and Lee, 2012).

따라서 본 연구에서는 일평균 통항척수 외에 항로폭과 통 항선속에 따른 요인도 고려하고자 변수 민감도 검토 결과를 토대로 각 변수가 서로에게 영향을 주지 않도록 최대한 묶 어내기 위해 변수분리(Separation of variable)법을 사용하였다 (Polyanin, 2002). 그룹의 구분 및 특성은 Table 8과 같다.

5.2 분석결과

각 그룹별 평균값(Mean)을 이용하여 항로 위험도(λ_Col)와 해상교통혼잡도(C_A )의 연관성을 알아보고자 회귀분석을 수 행하였다. 그룹별 평균값(Mean)은 Table 9와 같으며, 연관성 분석 결과 Table 10 및 Fig. 4와 같이 R2이 0.943인 높은 설명 력을 가진 선형함수가 도출되었다. 유의확률(P-Value)의 경 우, 유의수준(p<0.01)보다 작게 나타나 유의성이 있는 것으로 분석되었으며, 이는 항로 위험도(λ_Col)와 해상교통혼잡도(C_A ) 의 연관성이 상당히 큰 것으로 판단할 수 있다.

항로 위험도(λ_Col)와 해상교통혼잡도(C_A )의 연관성 분석을 통하여 식(2)을 도출할 수 있었으며, 식(2)을 이용하여 혼잡 도 대비 충돌확률의 예측이 가능하고, 유사한 환경을 가진 타 항로와의 위험도 비교가 가능할 것으로 판단된다.

또한 항로 위험도(λ_Col)와 해상교통혼잡도(C_A ) 각 변인 간 에 상관관계를 알아보고자 Pearson 이변량 상관분석을 실시 하였으며, 분석 결과, Table 11과 같이 Pearson 상관계수가 0.971로 높게 나타나 강한 정적 상관관계를 보였다.

5.3 종합결과

항로 위험도(λ_Col) 및 해상교통혼잡도(C_A )와의 연관성을 분석하기 위하여 IWRAP Mk2 기반 항로 위험도(λ_Col) 및 해 상교통혼잡도(C_A ) 기반 항로 혼잡도 평가 결과를 이용하였 다. 분석 방법으로는 각 변수가 서로에게 영향을 주지 않도 록 최대한 묶어내기 위해 변수분리(Separation of variable)법을 사용하였으며, 변수별 그룹을 설정하고, 그룹별 평균값을 제 시하여 연관성을 파악하고자 하였다. IWRAP Mk2 및 해상교 통혼잡도 두 모델은 공통적으로 입력되는 변수가 분명히 존 재하지만, 변수의 처리과정 또는 계산방법의 차이 등으로 인하여 각기 다른 결과 값이 도출된다.

IWRAP Mk2 모델은 위험도를 사고가 발생할 확률로 평가 하고 있으며, AIS 자료를 기반으로 환경 및 공간적인 측면을 다양하게 고려할 수 있다. 그러나 초기 설정이 다소 복잡하 며, 입력 요소가 다양하여 많은 자료를 필요로 한다. 또한 라이선스를 직접 구매하여 사용해야 하는 등 접근하기 다소 어려운 점이 존재한다.

해상교통혼잡도 모델의 경우, 항로의 위험도를 교통량적 인 측면에서 평가하고 있으며, 대부분의 자료를 표준화 또 는 평균치로 계산하기 때문에 비교적 계산이 간단하여 쉽게 이용이 가능하지만, 특정지점의 해상교통혼잡도가 항로의 위험도를 대변할 수 있는지 면밀한 검토가 필요하다.

연관성 분석결과, 항로 위험도(λ_Col)와 해상교통혼잡도 (C_A )는 강한 연관성을 가지고 있는 것으로 분석되었으며, 이를 이용하여 혼잡도로 항로 위험도(λ_Col)를 예측할 수 있는 선형회귀식을 이끌어 낼 수 있었다.

따라서 본 연구 결과를 활용한다면, 우리는 현재 국내에 서 적용하고 있는 해상교통혼잡도를 이용하여 항로 위험도 를 예측할 수 있으며, 이러한 항로 위험도를 이용하여 항로 위험도를 정량적으로 평가하기 위한 보조지표로 활용 할 수 있을 것으로 판단된다.

6. 결 론

국내에서는 해상교통혼잡도 모델을 이용하여 항로 위험 도를 교통량 측면에서 평가하고 있으나, 운항자의 입장에서 혼잡도 여부를 판별하기 어렵고, 많은 사람들이 해상의 특 수성을 이해하지 못해 혼잡도의 높고 낮음이 항로에서의 위 험도를 대변한다고 인식하고 있어 단순히 위험도를 교통량 으로만 평가하기엔 여러 가지 한계가 존재한다.

본 연구는 해상교통혼잡도 모델 이외에 항로 위험도를 확 률적 기법으로 평가할 수 있는 IWRAP Mk2 모델을 이용하여 국내 주요 26개의 항로 위험도(λ_Col)를 평가하고, 두 모델의 연관성을 검토하였으며, 항로 혼잡도를 이용한 위험도 산출 방안을 제시하여 새로운 평가 모델의 필요성을 알리고자 하 였다.

첫째, IWRAP Mk2 모델은 항로 위험도를 충돌확률 측면에 서 평가하고 있으며, AIS 자료를 기반으로 환경 및 공간적인 측면을 다양하게 고려할 수 있다. 해상교통혼잡도 모델의 경 우, 항로 위험도를 교통량 측면에서 평가하고 있으며, 평가 대부분의 자료를 표준화 또는 평균치로 계산하기 때문에 비 교적 계산이 간단하여 쉽게 이용이 가능하다는 특징이 있다.

둘째, IWRAP Mk2 모델을 이용하여 항로 위험도(λ_Col)를 평가하고, 충돌빈도에 영향을 주는 변수의 민감도 검토를 위한 유의확률을 분석하였다. 검토결과, 일평균교통량(P_aυ), 항로폭(W_min), 통항선속(S_aυ ) 순으로 유의도가 높은 것으로 분석되었으며, 표준화계수 베타 값 비교 결과, 일평균교통량 (P_aυ ), 항로폭(W_min)(음수), 통항선속(S_aυ ) 순으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.

셋째, 해상교통혼잡도 모델을 이용하여 해상교통혼잡도 (C_A )를 평가하고, 해상교통혼잡도(C_A )에 영향을 주는 변수 의 민감도 검토를 위한 유의확률을 분석하였다. 검토결과, 일평균교통량(P_aυ ), 통항선속(S_aυ ), 항로폭(W_min) 순으로 유 의도가 높은 것으로 분석되었으며, 표준화계수 베타 값 비 교 결과, 일평균교통량(P_aυ ), 통항선속(S_aυ ), 항로폭(W_min) 순 으로 종속변수에 미치는 영향력이 큰 것으로 분석되었다.

넷째, 항로 위험도(λ_Col)와 해상교통혼잡도(C_A )의 연관성 을 분석하였다. 검토 결과, 항로 위험도(λ_Col)와 해상교통혼잡 도(C_A )는 강한 연관성을 가지고 있으며, 이를 이용하여 해 상교통혼잡도(C_A )를 이용하여 항로 위험도(λ_Col)를 예측할 수 있는 회귀식을 이끌어 낼 수 있었다.

본 연구 결과를 이용한다면 해상교통혼잡도(C_A )를 이용 하여 항로 위험도(λ_Col)를 예측할 수 있고, 위험도 보조지표 로 활용 할 수 있을 것이다. 또한 새로운 항로 위험도(λ_Col) 평가모델은 해상교통혼잡도 모델과 같이 간단히 사용이 가 능하고, 실시간 위험도까지 파악할 수 있는 동적 요인이 가 미되어야 한다. 모델식 수립을 위한 변수는 본 연구에서 검 토된 변수 외에 환경적인 요소 및 선박길이, 톤수, 선종 등 의 변수들이 다각적으로 고려되어야 할 것으로 판단된다.