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.28 No.4 pp.488-498
DOI : https://doi.org/10.7837/kosomes.2022.28.4.488

A Study on Trainees’ Awareness of Collision Risks

So-Ra Kim*, Sang-Won Park**, Hyo-Sang Sim***, Jong-Sung Kim****, Young-Soo Park****, Dae-Won Kim****
*Master Candidate, Graduate school of Korea Maritime and Ocean University, Busan, 49112, Korea
**Senior Researcher, Korea Maritime Institute, Busan, 49111, Korea
***Ph.D Candidate, Graduate school of Korea Maritime and Ocean University, Busan, 49112, Korea
****Professor, Division of Navigation Convergence Studies, Korea Maritime and Ocean University, Busan, 49112, Korea

* First Author : kimsoraa_@naver.com


Corresponding Author : dwkim@kmou.ac.kr, 051-410-4641
November 10, 2021 December 21, 2021 June 27, 2022

Abstract


Collision prevention education, which takes up the longest time among officer training courses, is one of the most important training and practice courses for trainees. The purpose of this study is to investigate the trainees' perception of collision risk in order to develop a systematic and quantified collision prevention training course. For this, factors for judging collision risk were derived from previous studies, and each trainee’s perspective on collision risk was derived for each scenario through a questionnaire survey for trainees. Using the PARK Model, the same was compared with the collision risk perceived by the officer. Resultingly, it was found that trainees and officers consider the distance to other ships the most important among collision risk factors. Additionally, although the risk trends of two groups for each scenario were similar, the average risk of trainees (5.39) was higher than that of officers (5.20). However, the trainees perceived a lower level of risk than the officers in certain scenarios, and this is judged to be the result of the trainees' lack of navigational experience. This study is expected to be used as basic data for the development of collision prevention practice education by quantitatively suggesting the difference between the collision risk of trainees and officers respectively.



실습생의 충돌위험도 인식에 관한 조사 연구

김 소라*, 박 상원**, 심 효상***, 김 종성****, 박 영수****, 김 대원****
*한국해양대학교 대학원 석사과정
**한국해양수산개발원 전문연구원
***한국해양대학교 대학원 박사과정
****한국해양대학교 항해융합학부 교수

초록


항해사 교육과정 중에서 가장 많은 시간을 차지하는 충돌 예방에 관한 교육은 실습생에게 중요한 교육 및 실습 과정 중 하나이 다. 본 연구의 목적은 실습생의 체계적이고 정량화된 충돌 예방 실습 교육과정 개발을 위해 실습생의 충돌위험도 인식을 조사하는 것이 다. 이를 위해 선행연구에서 충돌위험을 판단하는 요소를 도출하고 실습생 대상 설문조사로 실습생 관점의 충돌위험도를 시나리오별로 도출하였다. 그리고 PARK Model을 이용하여 현직 항해사가 느끼는 충돌위험도와 비교하였다. 분석 결과 실습생 및 현직 항해사는 충돌위 험요소 중 타선과의 거리를 가장 중요하게 생각하는 것으로 나타났다. 또한 시나리오별 위험도 경향은 유사했으나 실습생의 평균 위험도 (5.39)가 현직 항해사의 평균 위험도(5.20)보다 더 높은 것으로 나타났다. 그러나 특정 상황에서는 현직 항해사보다 실습생이 더 낮은 위험 도를 체감하였고 이는 실습생의 항해 경험 부족으로 인한 결과로 판단된다. 해당 연구는 실습생의 충돌 위험도 및 현직 항해사의 위험도 차이를 정량적으로 제시하여 충돌 예방 실습 교육 개발의 기초자료로 사용될 수 있을 것으로 기대한다.



    1. 서 론

    해기사가 되기 위해서는 STCW 협약에 따른 교육과 훈련 을 이수하고 1년간 승선하는 실습 과정을 거쳐야 한다. 1년 의 실습 기간 동안에는 이론을 실무에 적용하며 해기사가 되기 위한 준비를 하는데 항해계열 실습생의 경우 항해 및 정박 당직을 서면서 선박과 항해의 전반적인 사항을 경험하 게 된다. 그 중 항해 당직을 수행하는 사관의 교육과정에 관 한 내용을 담은 IMO Model Course 7.03에서는 국제해상충돌 예방규칙에 대한 교육이 가장 많은 시간(100hours)을 차지한 다(IMO, 2014).

    한편 중앙해양안전심판원에서 제공하는 해양사고 통계에 따르면, 최근 5년(2016년~2020년)간 기관손상(4,215건)이 가장 많이 발생하였으며 부유물 감김(1,572건)과 충돌(1,238건)이 그 뒤를 이었다. 그러나 재결 현황을 살펴보면 충돌이 전체 의 약 31.7 %를 차지하는 것으로 나타나 충돌 사고는 빈도수 도 많으며 피해가 큰 사고임을 알 수 있다(KMST, 2021). 그러 므로 충돌예방교육 및 실습은 경험과 운항 기술이 부족한 초 급 항해사에게 현장 투입 전 필수적이고 중요한 과정이라 할 수 있다. 하지만 해양수산부 지정 해기교육기관 내 모든 실 습선의 교육 시간표상 충돌 예방에 대한 실습 교육은 부족한 편이며, 이로 인해 실습생들이 초급 항해사로 승선하였을 때 항해 당직에 상당한 부담을 느끼게 될 것으로 사료된다.

    승선 실습 교육에 관한 선행연구 중에는 실습 항해사의 시뮬레이션 기반의 효과적인 교육을 위해 적절한 요소를 추 출하고 교육 계획에 대한 지침을 제시한 바 있다(Lee et al., 2019). 또한 해사 핵심 역량을 기반으로 실습 기간별 향상 정도를 조사하여 실습 교육 개선 필요성을 제시(Park et al., 2018)하거나 승선 학기에 따른 해기 능력의 이해도 차이 분 석을 통해 각 학기별 승선 실습의 교육 방향을 제시한 연구 도 있었다(Kim et al., 2020). 한편 위탁 실습생의 근로와 휴식 에 초점을 맞춰 선박의 종류 크기, 선령별 위탁 실습 실태를 조사한 연구도 있다(Kim et al., 2018).

    이처럼 기존에 진행되었던 실습생에 대한 연구는 교육 기 간에 따른 교육효과 검증, 설문을 통한 해기 능력 파악, 교 육과정의 개선 요구(Kim et al., 2020;Park et al., 2018;Park et al., 2006), 실습 실태 조사를 통한 실습 환경 개선 촉구(Im and Sin, 2013;Kim et al., 2018;Kim and Yim, 2017;Youn et al., 1998;Moon and Choi, 2006) 등에 집중되어있고 충돌 예방 실 습 교육에 관한 연구는 찾아보기 어렵다.

    따라서 본 논문은 실습생의 체계적이고 정량화된 충돌 예 방 실습 교육 개발을 위한 기초 연구로 실습생의 충돌위험 도에 대한 인식을 확인하기 위해 실습생 입장에서의 충돌요 인을 분석하는 데에 그 목적이 있다. 이를 위해 실습생을 대 상으로 설문조사를 시행하여 타선과의 조우 상황에서 느끼 는 충돌위험에 대한 부담감과 주요 충돌위험요소를 도출하 고 현직 항해사와의 비교를 통해 실습생과 현장의 인식 차 이를 확인하고자 한다.

    2. 연구 방법

    2.1 연구 대상 및 기간

    본 연구에서는 충돌위험도에 관한 실습생의 인식을 조사 하기 위해 2021년도 1학기 한국해양대학교 실습선 한바다호 에 승선했던 3학년 항해계열 실습생, 총 51명을 선정하여 설 문조사를 실시하였다. 설문조사는 실습생들이 한바다호에 승선한 기간 중 마지막 연안 항해가 종료된 후인 2021년 4월 15일에 실시하였다.

    2.2 설문지 구성 내용

    충돌위험에 관한 설문지 작성을 위해 충돌위험 관련 국내 외 선행연구를 조사하였다.

    국내 선행연구 중 Son et al.(2009)는 퍼지알고리즘과 환경 스트레스 모델을 통해 충돌위험도를 평가하였고 이후 퍼지 알고리즘을 이용하여 다중선박의 충돌위험도 추정 알고리 즘을 설계하여 실 해역에서 성능을 검증하는 연구도 진행하 였다(Son and Kim, 2010;Son et al., 2012).

    한편 Kim and Yim(2016)Kim and Yim(2017)에서는 해양 경찰 경비함으로 각 조우 상황에 대한 당직자의 충돌위기 체감지수를 획득하였는데 Kim(2020a)은 시뮬레이터와 HRV 측정기기를 활용하였다. Park et al.(2015)은 PARK Model을 이 용하여 충돌위험도를 측정하였고 Lee(2017)는 해상교통관제 사 관점에서의 충돌위험도 예측 및 평가모델을 개발했다. Lee and Kim(2019)에서는 소형선박의 관제 대상 포함 여부가 해상교통관제사에게 미치는 영향을 연구하기도 하였다.

    그 외에도 Lee et al.(2021)는 정박지 통항 선박의 충돌위험 모델을 개발하고 You(2013)는 충돌비율을 이용한 선박 충돌 회피 알고리즘을 개발하였다. Jeon and Jung(2017)은 한국형 이내비게이션의 최적항로서비스에 필요한 충돌위험도 평가 모델을 개발하고 Woo and Kim(2015)는 무인선의 충돌위험도 를 평가하였으며 Park et al.(2008)은 실습선으로 선박 조우형 태별 위험도를 분석하였다.

    총 14개의 국내 충돌 관련 연구를 조사한 결과 충돌위험 도 평가 및 측정에 가장 많이 사용된 충돌위험요소가 Table 1과 같음을 알 수 있었다.

    해외에서는 국내에서 발간된 연구와 동일하게 인체 지각 충돌위험도를 측정한 연구가 있다(Kim, 2020b;Yim et al., 2018). 또한 Time Discrete Non-linear Velocity Obstacle(TD-NLVO)을 이용하여 충돌 후보를 감지한 연구들도 있다(Chen et al., 2020;Du et al., 2020;Chen et al., 2018).

    Yoo and Lee(2019)은 CoRi 모델을 이용하여 충돌위험을 조 사하였고, Zhao and Roh(2019)는 Deep Reinforcement Learning (DRL) 알고리즘으로 다중선박 충돌 회피 문제를 연구하였 다. Fang et al.(2019)은 근접충돌위험도를 평가하였고 Wang et al.(2021)은 다중 무인선박의 충돌 회피를 연구하였다.

    그 밖에도 충돌 반경을 계산한 Altan(2019)과 선박 충돌 가 능성을 평가한 Goerlandt and Kujala(2011)의 연구도 있다. Kujala et al.(2009)는 핀란드만의 해상교통안전을 분석하였으며 Pedersen (2010)은 충돌 및 좌초의 예측, 분석 도구들을 논평하였다. Wu et al.(2019)는 퍼지이론 기반 선박·교량 간 충돌 경보 방 식을 제안하였고 Silveira et al.(2013)은 포르투갈 연안에서의 충돌위험을 조사하였다. Rawson and Brito(2021)은 선박의 충 돌 가능성을 예측하는 연구를 진행하였고 Huang et al.(2020)은 무인선의 자동 충돌 회피에 Human - Machine Interaction oriented Collision Avoidance System(HMI-CAS)를 적용하였다. Zhang and Meng(2019)은 점용면적으로 충돌위험을 평가하였고 Tian et al.(2020)은 Event Sequence Diagram(ESD) Model로 충돌 회피 의사결정 절차를 설명하였다.

    상기 총 19개의 해외 연구에서는 Table 2의 충돌위험요소 순으로 충돌위험도 평가 및 측정에 사용된 것을 확인하였다.

    2.2.1 설문조사지 항목 설정

    최종적으로 국내외 선행연구에서 가장 많이 사용된 충돌 위험요소는 선박제원, 이격거리, 속력, 조우상황, 선수각, 시 간임을 파악하였다. 이에 따라 ‘조우상황’, ‘이격거리’, ‘속 력’ 요소를 추출하여 설문지 항목을 구성하였다.

    각 충돌위험요소별 수준은 COLREG 72(IMO, 1972)에서 권 고하는 기준에 따라 Table 3과 같이 설정하였는데, 이격거리 의 경우 Yoon(2016)이 대양 상에서 대형선 간 조우 시 접근 거리 2마일 이내일 때 위험하다고 기술한 것을 참조하여 최 대 이격거리를 2.0NM로 적용하였다.

    2.2.2 설문조사지 개발

    선행연구 및 COLREG 72에 따라 설정한 충돌위험요소로 조합된 약 30개의 충돌위험 시나리오는 RADAR 화면 그림 과 함께 Fig. 1과 같이 설문조사지로 제시되었다. 실습생들 은 1점(매우 안전)부터 7점(매우 위험)까지의 척도 중 본인이 체감하는 충돌위험도를 시나리오마다 평가하였다.

    2.3 분석 방법

    설문조사 분석에는 설문에 참여한 실습생 51명의 답변 중 유효한 50명의 답변이 이용되었다.

    설문조사를 통해 수집한 실습생의 충돌위험도 및 충돌위 험요소 분석을 위해 평균 위험도를 계산하고 R 프로그램 (ver. 4.0.5)을 이용하여 컨조인트 분석을 수행하였다. 그리고 현직 항해사의 체감 충돌 위험도는 PARK Model을 이용하여 계산하고 실습생의 충돌 위험도와 비교 분석하였다.

    컨조인트 분석이란 마케팅 분야에서 신제품 개발과 관련 하여 활용되는 기법으로 상품에 대한 소비자들의 종합적인 선호도를 조사한 후 그 구성 속성들의 중요 수준 측정을 통 하여 해당 상품에 대한 평균 선호도를 추정하는 방법이다 (Lim et al., 2015). 또한 상품 속성에 대한 중요도 측정 비교 를 통해 소비자가 원하는 최적의 속성들로 조합할 수 있는 방법이라 할 수 있다(Min et al., 2000).

    본 연구에서는 구성 속성을 주요 충돌위험요소로, 속성들 의 조합을 충돌위험 시나리오로, 선호도를 위험도로 해석하 였다. 분석 시 시나리오의 평균 위험도는 T검정(쌍체 비교) 을 통해 유의성을 확인하였으며 분석에 사용된 컨조인트 모 형은 R 프로그램을 통해 적합함을 확인하였다.

    PARK(The Potential Assessment of Risk) Model은 한국 연안 지역 특성 및 선박 운항자의 의식을 기반으로 한 해상 교통 위험도 평가 모델로 해기사 대상 설문조사를 통하여 해상 교통안전에 영향을 줄 수 있는 요소를 고려하여 구축되었다 (Nguyen, 2014;Lee, 2018). Park Model이 한국의 현직 항해사 를 대상으로 한 설문조사를 기반으로 특정한 교통 상황의 위험도를 계산하였기 때문에 두 집단 간 비교가 용이하다고 판단, 적용하였다(MLTM, 2011).

    3. 결과 및 분석

    3.1 실습생의 충돌위험 시나리오 분석

    Table 4는 실습생을 대상으로 시행한 설문조사의 시나리 오별 평균 위험도를 계산한 것이다. Table 4를 통해 평균적 으로 가장 높은 위험도가 나온 상황은 타선과 0.5NM 떨어져 서 본선이 빠르게 진행하는 Head-On Situation이며, 타선과 2.0NM 떨어진 곳에서의 Overtaken Situation은 가장 낮은 위험 도가 나타난 것을 확인하였다.

    3.2 실습생의 충돌위험요소 분석

    Table 5는 실습생을 대상으로 시행한 설문조사를 컨조인 트 분석으로 계산한 결과이다.

    표에 따라 실습생들은 충돌위험요소에 대해 이격거리-조 우상황-속력 순으로 중요하게 생각하는 것을 알 수 있었다. 조우상황별 중요도에서는 실습생들은 Head-on Situation이 가 장 위험하다고 판단하였으며 가장 위험도가 낮은 항목은 Overtaken Situation이었다. Crossing Situation의 경우 좌현보다 는 우현의 효용이 높게 분석되어 실습생들은 타선이 우현에 서 횡단할 시 좌현에서 횡단하는 것보다 더 위험하다고 느 끼는 것을 확인하였고 이는 선박 점용면적을 연구한 선행연 구와도 일치하는 것으로 나타났다(Goodwin, 1975;Coldwell, 1983;Zhao et al., 1993). 이격거리에 대해서는 0.5NM이 가장 위험하고 2.0NM이 가장 덜 위험하다고 분석되었으며, 속력 차이에서는 본선의 속력이 빠를 때에 가장 위험한 것으로, 타선의 속력이 빠를 때에 가장 덜 위험하다고 느낀 것으로 분석되었다.

    컨조인트 분석에서 가장 부분가치 효용이 높은 속성들로 만 조합한 상황은 본선이 더 빠르게 진행할 때 타선과 0.5NM 떨어져 정면으로 마주치는 상황이었으며 반대로 가 장 부분가치 효용이 낮은 항목들로 조합한 상황은 2.0NM 떨 어져 타선이 본선을 추월하는 경우였는데 이는 충돌위험 시 나리오별 평균 위험도를 계산한 결과와 동일하였다.

    Fig. 2는 실습생을 대상으로 시행한 설문조사에 컨조인트 분석을 적용한 결과를 도식화한 것이다.

    3.3 실습생과 현직 항해사 간 비교

    실습생과 현직 항해사 간의 비교를 위해 PARK Model을 이용하였다. 충돌위험요인 및 위험도 계산은 실습생과 동일 한 조건을 맞추기 위하여 한국해양대학교 실습선 한바다호 (길이, 톤수, 폭)를 기준으로 하였다.

    Table 6Lee et al.(2019)의 연구에서 실습 항해사 교육을 위한 요소를 추출하고자 PARK Model을 분석한 것으로, 각 요소가 충돌위험도에 영향을 미치는 정도를 나타낸 것이다. 해당 연구에 따르면 가장 높은 영향을 주는 요소는 이격거 리였으며 타선 길이, 속력, 조우상황, 속력 차이, 좌/우현, 항 내/외 요소가 차례대로 위험도에 영향을 주는 것으로 조사 되었다. 이를 통해 현직 항해사들은 충돌위험요소에 있어 이격거리-타선길이-속력-조우상황 순으로 중요하게 생각하 는 것을 확인할 수 있다.

    Fig. 3은 충돌위험요소에 관한 실습생과 현직 항해사의 중 요도를 비교한 것이다.

    두 그룹 모두 충돌위험요인에서 타선과의 이격거리가 가 장 중요하다고 생각했다. 그러나 실습생의 설문조사에 충돌 위험요인으로 포함되지 않았던 타선의 길이를 제외하면 조 우상황과 속력이 서로 다른 순위를 기록한 것을 볼 수 있다. 이는 실습생의 항해 경험 부족으로 인해 선박 속력을 체감 할 기회가 부족했던 것이 큰 영향을 미친 것으로 판단된다.

    Fig. 4는 실습생과 현직 항해사의 충돌위험 시나리오에 대 한 체감 위험도를 방사형 그래프로 나타낸 것으로 시나리오 는 1번부터 30번까지 시계 방향으로 배치되었다. 체감 위험 도에 관한 두 그룹의 성향은 비슷하였는데, 타선과 0.5NM 떨어져 정면으로 마주치는 경우에 가장 큰 위험도를 느낀다 거나 타선에 의해 추월되는 경우에 가장 낮은 위험도를 느 낀다는 부분이 동일하였다. 전반적으로 실습생의 평균 체감 위험도(5.39)가 PARK Model을 통한 현직 항해사의 평균 위 험도(5.20)보다 더 높게 분석되었다. 그러나 타선이 2.0NM에 서 우현 및 좌현 횡단(시나리오 7, 8, 9, 16, 17, 18)하거나 정 면에서 마주치는 상황(시나리오 25, 26, 27)에서는 현직 항해 사가 실습생보다 더 큰 위험도를 느끼는 것으로 분석되었 다. 이는 실습생이 타선과의 조우 상황 전반에 대해 부담을 체감하지만 부족한 항해 경험으로 인해 타선과의 이격거리 에 대한 판단은 현직 항해사와 큰 차이가 있는 것으로 확인 된다.

    4. 결 론

    본 연구에서는 실습생이 타선과의 조우 상황에서 느끼는 충돌위험에 대한 부담감과 충돌위험도의 주요 요인을 설문 조사를 통해 살펴보고 현직 항해사와 비교하였다.

    충돌위험도 관련 선행연구 분석을 통해 주요 충돌위험 요 소를 도출하고, 이를 토대로 시나리오를 개발하여 2021년도 1학기 한국해양대학교 실습선 한바다호에 승선했던 3학년 항해계열 실습생을 대상으로 설문조사를 실시하였다. 이후 컨조인트 분석 및 시나리오별 평균 위험도 계산을 시행하고 PARK Model을 이용하여 현직 항해사와 충돌위험 요소 및 체감 위험도와 비교, 분석하였다. 본 연구에서 도출된 결과 는 다음과 같다.

    • (1) 충돌위험요소에 대해 실습생들은 이격거리-조우상황- 속력 순으로 중요하게 생각하였다. 특히 타선이 횡단하여 조우하는 경우 좌현보다는 우현에서의 위험도가 높은 것으 로 분석되어 선행연구의 현직 항해사가 횡단 조우 시 느끼 는 위험감과 유사한 경향임을 확인하였다.

    • (2) PARK Model을 통해 알아본 현직 항해사의 관점에서는 충돌위험요소 중 이격거리가 가장 중요하였으며 이는 실습 생이 충돌위험요소 중 가장 중요하게 생각하는 것과 일치하 였다.

    • (3) 실습생과 현직 항해사의 충돌위험요소 및 체감 위험 도의 전체적인 경향은 비슷하였으나 실습생이 평균적으로 더 큰 충돌 위험도를 느끼는 것으로 분석되었다. 그러나 이 격거리가 2.0NM일 때 횡단하는 상황과 정면으로 마주치는 상황에서는 실습생의 위험도가 현직 항해사보다 낮았다. 이 는 실습생의 부족한 항해 경험으로 인해 타선과의 이격거리 에 대한 감각이 현장과 차이나는 것으로 판단된다.

    본 연구는 실습생의 충돌위험도에 대한 인식을 조사한 기 초연구로 다양한 시나리오를 통해 실습생의 체감 충돌위험 요소를 도출한 것에 의의가 있다. 또한 실습생이 중요한 충 돌위험요소로 판단하는 이격거리에 대한 감각이 부족한 것 을 확인하였다. 이 연구의 결과는 추후 충돌 예방 실습을 위 한 정량화된 교육을 개발하는 데에 활용되어 초임 항해사의 역량을 높일 수 있을 것으로 기대된다. 그러나 타 선박의 길 이 등 더 다양한 요소를 적용하지 못한 것은 본 연구의 한계 점이며 이후의 연구로 남겨둔다.

    추후에는 설문조사 대상을 위탁 실습생까지 확대하여 교 내실습과 위탁 실습 간 인식변화를 살펴보고 이를 활용한 시범 교육을 운영하는 등의 연구를 수행할 계획이다.

    후 기

    본 논문은 2020학년도 한국해양대학교 신진교수정착연구 사업 신진교수정착연구비의 지원을 받아 수행된 연구임을 밝힙니다.

    Figure

    KOSOMES-28-4-488_F1.gif

    Sample of Survey Paper.

    KOSOMES-28-4-488_F2.gif

    Result of Conjoint Analysis.

    KOSOMES-28-4-488_F3.gif

    Comparison between Trainee and Officer about Collision Risk Factors.

    KOSOMES-28-4-488_F4.gif

    Comparison between Trainee and Officer about Collision Risk.

    Table

    Number of Uses of Collision Risk Factors in Internal Study

    Number of Uses of Collision Risk Factors in External Study

    Levels of Collision Risk Factors for Survey

    Average risk of Collision Risk Scenario from Survey

    Result of Conjoint Analysis

    Value of Risk factors in PARK model

    Reference

    1. Altan, Y. (2019), Collision diameter for maritime accidents considering the drifting of vessels, Ocean Engineering, Vol. 187, pp. 106158.
    2. Chen, P. , Y. Huang, J. Mou, and P. H. A. J. M. van Gelder (2018), Ship collision candidate detection method : A velocity obstacle approach, Ocean Engineering, Vol. 170, pp. 186-198.
    3. Chen, P. , Y. Huang, E. Papadimitriou, J. Mou, and P. H. A. J. M. van Gelder (2020), An improved time discretized nonlinear velocity obstacle method for multi-ship encounter detection, Ocean Engineering, Vol. 196, pp. 106718.
    4. Coldwell, T. G. (1983), Marine traffic behaviour in restricted waters, The Journal of Navigation, Vol. 36, No. 3, pp. 431-444.
    5. Du, L. , O. A. Valdez Banda, F. Goerlandt, Y. Huang, and P. Kujala (2020), A COLREG-compliant ship collision alert system for stand-on vessels, Ocean Engineering, Vol. 218, pp. 107866.
    6. Fang, Z. , H. Yu, R. Ke, S. L. Shaw, and G. Peng (2019), Automatic Identification System-Based Approach for Assessing the Near-Miss Collision Risk Dynamics of Ships in Ports, IEEE Transactions on Intelligent Transportation Systems, Vol. 20, No. 2. pp. 534-543.
    7. Goerlandt, F. and P. Kujala (2011), Traffic simulation based ship collision probability modeling, Reliability Engineering and System Safety, Vol. 96, pp. 91-107.
    8. Goodwin, E. M. (1975), A Statistical Study of Ship Domains, The Journal of Navigation, Vol. 28, No. 3, pp. 328-344.
    9. Huang, Y. , L. Chen, R. Negenborn, and P. H. A. J. M. van Gelder (2020), A ship collision avoidance system for human-machine cooperation during collision avoidance, Ocean Engineering, Vol. 217, pp. 107913.
    10. Im, M. H. and H. S. Sin (2013), A Study on the Shipboard Training of Maritime University Cadets –The case of Mokpo Maritime University-, The Korean Society of Mechanical Engineers, pp. 164-167.
    11. IMO (1972), Convention on the International Regulations for Preventing Collision at Sea (COLREG).
    12. IMO (2014), Model Course 7.03 Officer In Charge of a Navigational Watch, 2014 Edition, Electronic Edition.
    13. Jeon, H. K. and Y. C. Jung (2017), A study on collision risk assessment model for optimal safe route service of Korean e-navigation system, Proceedings of Journal of Navigation and Port Research, pp. 13-15.
    14. Kim, D. B. , C. H. Lee, and H. H. Lee (2018), A Study on the Working Status and Onboard Training Satisfaction Level of Merchant Ship’s Cadets, Journal of the Korean Society of Marine Environment & Safety, Vol. 24, No. 6, pp. 709-716.
    15. Kim, D. H. (2020a), A Study on the Influence of the Navigator's Personal Characteristics on the Perceived Collision Risk in Close-quarter Situations, Journal of Korean Navigation and Port Research, Vol. 26, No. 6, pp. 644-655.
    16. Kim, D. H. (2020b), Identification of collision risk factors perceived by ship operators in a vessel encounter situation, Ocean Engineering, Vol. 200, pp. 107060.
    17. Kim, D. S. and J. B. Yim (2016), A Study on the Collision Risk Perception Index to OOW's According to Vessel Encountering Situations, Journal of the Korean Society of Marine Environment & Safety, Vol. 22, No. 1, pp. 098-107.
    18. Kim, D. S. and J. B. Yim (2017), Distance Identification for Maximum Change in Ship Collision Risk through a Coast Guard Patrol Ship Experiment, Journal of the Korean Society of Marine Environment & Safety, Vol. 23, No. 5, pp. 447-454.
    19. Kim, S. Y. , M. J. Kim, Y. J. Park, and Y. S. Lee (2020), A Study on Changes of Maritime Ability according to the Training Period and Boarding Semester, Journal of the Korean Society of Marine Environment & Safety, Vol. 26, No. 6, pp. 656-664.
    20. KMST (2021), Statistics of marine accidents, https://www.kmst.go.kr/kmst/statistics/annualReport/selectAnnualReportList.do (Accessed : November, 2021)
    21. Kujala, P. , M. Hänninen, T. Arola, and J. Ylitalo (2009), Analysis of the marine traffic safety in the Gulf of Finland, Reliability Engineering and System Safety, Vol. 94, pp. 1349-1357.
    22. Lee, J. S. (2017), The Development of the Ship Collision Risk Model from the VTSO’s Viewpoint, Korea Maritime and Ocean University, PhD. Dissertation.
    23. Lee, J. S. and J. S. Kim (2019), Risk Analysis of VTS operators for Small Vessels Using Collision Risk Assessment Model, Journal of Korean Navigation and Port Research, Vol. 43, No. 4, pp. 250-255.
    24. Lee, J. S. , Y. M. Kwon, and J. S. Choi (2021), Basic Research for the Development of Collision Risk Model of Passing Vessels at an Anchorage (Safety Domain), Journal of the Korean Society of Marine Environment & Safety, Vol. 27, No. 1, pp. 067-073.
    25. Lee, M. K. (2018), A Study on the Evaluation of RADAR/ARPA Simulation Training Results, Korea Maritime and Ocean University, Master’s Thesis.
    26. Lee, M. K. , S. W. Park, Y. S. Park, M. J. Park, and E. K. Lee (2019), Analyzing the Factors Affecting the Safe Maritime Navigation for Training Apprentice Officers, the International Journal on Marine Navigation and Safety of Sea Transportation(TRANSNAV), Vol. 13, No. 2, pp. 393-399.
    27. Lim, Y. B. , J. H. Chung, and J. H. Kim (2015), Practical Designs, Analysis and Concepts Optimization in Conjoint Analysis, The Korean Journal of Applied Statistics, Vol. 28, No. 5, pp. 951-963.
    28. Min, W. K. , J. S. Choi, and S. J. Jang (2000), A study of the methodology for market analysis in e-commerce: With reference to conjoint method. Journal of Statistic Analysis Research, Vol. 5, No. 1, pp. 1-29.
    29. Ministry of Land, Transport and Maritime Affairs(MLTM) (2011), Marine traffic safety evaluation model technology development final report.
    30. Moon, S. B. and H. K. Choi (2006), A Questionnaire Survey and Analysis Results for the Education System of Maritime College in K.M.U, The Korean Society of Mechanical Engineers, Journal of Korean Navigation and Port Research, Vol. 30, No. 5, pp. 381-387.
    31. Nguyen, X. T. (2014), A Study on the Development of Real Time Supporting System (RTSS) for VTS Officers, Korea Maritime and Ocean University, PhD. Dissertation.
    32. Park, Y. S. , J. S. Kim, B. D. Bae, H. K. Lee, Y. S. Lee, and G. H. Yun (2006), A Study on Training Education Effect of Training Terms for Trainees in Training Ship-Ⅰ, Journal of Korean Navigation and Port Research, Vol. 30, No. 1, pp. 23-27.
    33. Park, Y. S. and Y. S. Lee (2008), Development of Efficient Training Material through Danger Analysis to Various Encounter Types using Training Ship, Journal of Navigation and Port Research, Vol. 2, No. 1, pp. 103-108.
    34. Park, Y. S. , S. W. Park, and I. S. Cho (2015), A Basic Study on Prediction Module Development of Collision Risk based on Ship's Operator's Consciousness, Journal of the Korean Society of Marine Environment & Safety, Vol. 39, No. 3, pp. 199-207.
    35. Park, Y. S. , S. W. Park, and J. S. Kim (2018), A Study on the Effectiveness of Training Education during the Period of Student Training on Board–2-Based on the Result of Trainees' Self–Checks, Journal of Korean Navigation and Port Research, Vol. 42, No. 3, pp. 151-158.
    36. Pedersen, P. (2010), Review and application of ship collision and grounding analysis procedures, Marine Structures, Vol. 23, No. 3, pp. 241-262.
    37. Rawson, A. and M. Brito (2021), A critique of the use of domain analysis for spatial collision risk assessment, Ocean Engineering, Vol. 219, pp. 108259.
    38. Silveira, P. A. M. , A. P. Teixeira, and C. Guedes Soares (2013), Use of AIS Data to Characterise Marine Traffic Patterns and Ship Collision Risk off the Coast of Portugal, The Journal of Navigation, Vol. 66, pp. 879-898.
    39. Son, N. S. , S. Y. Kim, and I. Y. Gong (2009), Study on the Estimation of Collision Risk of Ship in Ship Handling Simulator using Fuzzy Algorithm and Environmental Stress Model, Journal of Korean Navigation and Port Research, Vol. 33, No. 1, pp. 43-50.
    40. Son, N. S. and S. Y. Kim (2010), Validation on the Algorithm of Estimation of Collision Risk among Ships based on AIS Data of Actual Ships' Collision Accident, Journal of Navigation and Port Research, Vol. 34, No. 10, pp. 727-733.
    41. Son, N. S. , C. S. Pyo, C. S. Lee, and C. H. Oh (2012), Performance test of ship collision risk identification system, Proceedings of Journal of Navigation and Port Research, pp. 496-498.
    42. Tian, W. , Q. Ma, J. Zhang, B. Meng, Z. Gan, H. Wan, and Y. He (2020), Ship Collision Risk Assessment Model for Qinzhou Port based on Event Sequence Diagram, Brodogradnja, Vol. 71, No. 2, pp. 1-14.
    43. Wang, H. , Z. Fu, J. Zhou, M. Fu, and L. Ruan (2021), Cooperative collision avoidance for unmanned surface vehicles based on improved genetic algorithm, Ocean Engineering, Vol. 222, pp. 108612.
    44. Woo, J. H. and N. W. Kim (2015), Vision-Based Obstacle Collision Risk Estimation of an Unmanned Surface Vehicle, Journal of Institute of Control, Robotics and Systems, Vol. 21, No. 12, pp. 1089-1099.
    45. Wu, B. , T. L. Yip, X. Yan, and C. Guedes Soares (2019), Fuzzy logic based approach for ship-bridge collision alert system, Ocean Engineering, Vol. 187, pp. 106152.
    46. Yim, J. B. , D. S. Kim, and D. J. Park (2018), Modeling perceived collision risk in vessel encounter situations, Ocean Engineering, Vol. 166, pp. 064-075.
    47. Yoo, Y. J. and J. S. Lee (2019), Evaluation of ship collision risk assessments using environmental stress and collision risk models, Ocean Engineering, Vol. 191, pp. 106527.
    48. Yoon, J. D. (2016), COLREGs, 1972 and Related Domestic Rules in Korea, Sejong, pp. 143-186.
    49. You, Y. J. (2013), Development of a ship collision avoidance algorithm using the collision ratio, Seoul National University, PhD. Dissertation.
    50. Youn, M. O. , J. S. Keum, and C. H. Lee (1998), A Study on the Present Shipboard Training System and Improvement for Merchant Marine Officer, Journal of Korean Navigation and Port Research, Vol. 22, No. 1.
    51. Zhao, J. , Z. Wu, and F. Wang (1993), Comments of ship domains, The Journal of Navigation, Vol. 46, No. 3, pp. 422-436.
    52. Zhang, L. and Q. Meng (2019), Probabilistic ship domain with applications to ship collision risk assessment, Ocean Engineering, Vol. 186, pp. 106130.
    53. Zhao, L. and M. I. Roh (2019), COLREGs-compliant multiship collision avoidance based on deep reinforcement learning, Ocean Engineering, Vol. 191, pp. 106436.