1. 서 론
오늘날 해상교통량은 해상운송, 어로활동 등의 인간의 활 동영역 확장에 맞추어 지속적 증가해왔다(Kim et al., 2020). 해상교통량의 증가는 해양사고 뿐만 아니라 환경오염, 해상 교통관리에 영향을 미쳐왔다(Oh and Kim, 2020).
해상교통분석은 이러한 해상교통량의 증가로 인한 문제 를 파악하고 개선안을 제시하기 위해 그 목적에 따라 다양 한 관점에서 활용되어 왔다. 하지만 4차 산업혁명으로부터 도래된 Shipping 4.0과 같은 해사분야의 동향은 해상교통분석 연구 분야 또한 변화가 필요함을 암시한다. 특히 지금까지 없었던 새로운 선박 형태인 자율운항선박은 해상교통분석 의 개선필요성을 시사한다. 자율운항선박은 기존의 유인운 항선박과 비교했을 때 운항주체가 다르기 때문에 해상교통 분석의 관점 변화가 요구되며, 이러한 관점 변화는 현재 특 정 해역을 대상으로 하는 국지적인 해상교통분석에서 자율 운항선박의 운항해역을 포괄하는 광범위한 분석으로의 변 화를 의미한다.
이에 현행 해상교통분석의 개선점을 식별하고자 지난 10년 간 해상교통분석에 관련하여 수행된 연구를 조사 하였다. 구 글 학술검색엔진을 활용하였으며 ‘Traffic analysis’와 ‘Waterway analysis’의 키워드를 중심으로 조사한 결과 60여건의 관련 연구가 식별되었다. Table 1은 조사된 해상교통분석관련 연 구를 그 목적에 따라 정리한 것으로 ‘선박의 충돌방지’, ‘해 상교통류 파악’, ‘해상교통관리’, ‘이상운항선박 추출’ 등의 다양한 목적으로 시행되었음을 알 수 있다.
활용된 데이터는 Fig. 1에서 볼 수 있듯, 빈도 순서대로 선 박의 ‘Automatic Identification System(AIS) 데이터’, ‘통계 데이 터’, ‘관측 데이터’, ‘GIS 데이터’ 등이 사용되었다. AIS데이 터는 실시간으로 300G/T 이상의 선박의 AIS에서 송신되는 동적정보(Dynamic information), 정적정보(Static information), 항 차관련정보(Voyage related information)의 수집이 가능하기 때 문에 그 활용 빈도가 높다(Robards et al., 2016). 반면에 GIS 데이터는 선박의 운항에서 전반적으로 활용되는 요소임에 도 불구하고 그 활용도가 가장 낮음을 알 수 있다. 선박의 운항에서 해도 정보는 항해계획부터 피항, 입출항을 포함하 며 전반적으로 활용 된다(Gasper and Leitão, 2018). 선박 운항 자는 해도정보를 바탕으로 피항 수역, 안전 수역 등을 결정 하므로 선박의 해상교통평가에 필수 고려 요소라고 할 수 있다(Acomi, 2020).
기존의 자율운항선박 관련 연구에서 해도정보를 자율운 항선박 알고리즘에 적용한 사례도 있었듯(Reed and Schemidt, 2016), 해당해역의 해도정보를 해상교통분석에 추가로 활용 하면 얻을 수 있는 분석 결과는 더욱 다각화 될 것이다.
해상교통분석에 활용 기대가 높은 해도데이터로는 수치 해도 데이터가 있다. 기존의 GIS데이터를 활용한 연구사례 는 육지정보만을 활용 하였기에 실제 선박의 항해에 영향을 미치는 수심, 항로표지, 인공구조물 등의 영향이 고려되지 않았지만, 수치해도는 해도정보를 수치화한 데이터세트이기 때문에 해도 정보를 직접적으로 분석에 활용 가능한 장점이 있다.
이에 본 연구는 자율운항선박의 상용화에 대비한 해상교 통분석의 개선방안으로서 수치해도 데이터와 선박운항데이 터인 AIS데이터의 복합적인 활용방법을 제시하고자 한다. 본 연구의 분석과정은 데이터의 수집과 데이터의 전처리, 해상교통특징추출로 구성된다. 데이터의 수집은 해역의 선 정과 수집된 데이터의 상세를 포함하며, 데이터의 전처리는 AIS와 수치해도 데이터의 데이터 변환과 데이터 정제과정을 설명한다. 마지막으로 해상교통특징의 추출에서는 AIS와 수 치해도 데이터를 통합했을 때 기대되는 해상교통특징의 분 석결과와 활용방안을 제시한다.
2. 해도 정보를 활용한 해상교통 특성의 추출
수치해도 데이터를 활용한 해상교통 특성의 추출방법은 Fig. 2와 같은 순서를 따른다. 데이터 수집 단계에서는 대상 해역을 선정하고 AIS와 수치해도 데이터를 수집하는 과정을 기술하였다. 전처리 단계에서는 수집된 AIS와 수치해도 데 이터를 특성에 따라 형식 변환하는 과정과 정제하는 과정을 기술하였으며, 마지막으로 해상교통특성 추출 단계에서는 전처리된 AIS와 수치해도 데이터를 활용하여 몇 가지 해상 교통특성을 추출하는 과정을 기술하였다.
2.1 데이터 수집
본 연구에 활용된 데이터는 AIS데이터와 수치해도 데이 터이다. 데이터의 수집 해역의 선정은 해상교통분석이 필요 한 구간을 우선적으로 파악하였고, 그 중 Fig. 3와 같이 거제 도 동쪽의 저도와 중죽도 사이 교량 구간으로 선정하였다. 해당 구간은 도선사 승선 해역과 인접해 있고 어로활동, 교 차항행을 포함한 복잡한 해양환경이 존재하는 구간으로, ‘선 박 충돌방지, ‘해상 교통류 파악’ 등의 목적에 적합할 것으 로 판단되어 대상해역으로 선정하였다.
활용된 AIS데이터는 2019년 9월 1일부터 9월 10일까지 10 일 간 수집된 데이터이며, 수치해도 데이터는 해당구간의 접근도인 해도번호 ‘KR4G3A40’를 활용하였다. 수치해도 데 이터는 해당 해역의 수심, 육지, 등부표 등의 다양한 객체를 포함하며, 이 중 선택된 해역의 객체 데이터만 추출하여 데 이터 분석에 활용하였다. AIS데이터와 수치해도데이터의 상 세는 Table 2와 같다.
2.2 데이터 전처리
수집된 AIS데이터는 시계열 테이블로써 수신되는 시간 순으로 다양한 선박의 AIS 정보가 혼재하므로 선박을 구분 하여 분석하기 위해 테이블을 셀 형 배열로 변환 하였다. 셀 형 배열로 구분된 AIS 데이터의 Time-stamp는 선박의 항해 상태에 따라 그 간격이 상이하기에 1분 간격으로 정규화 하 였다. 이 과정에서 경도와 위도, 침로, 그리고 대지속력을 선 형 보간 하였다(Hwang and Youn, 2021). Fig. 4는 Time stamp정 규화를 통한 선형 보간의 예시를 보여준다. Fig. 4(a)는 Raw data의 선박 위치를 활용한 항적이며 그 간격이 일정하지 않 은 반면에, Fig. 4(b)는 Time-stamp가 정규화 되어 일정한 간 격으로 위치가 보간 되었음을 알 수 있다. 또한 보간 된 선 박의 위치가 기존의 항적과 다르지 않고 시간 간격만 일정 하게 바뀐 점을 알 수 있다.
수치해도 데이터는 물리적인 위험이 있는 객체를 선별하 고 각 객체별 셀형 배열로 변환하였다. Table 3는 추출된 수 치해도 데이터의 객체와 그 상세이다.
2.3 해상교통특성의 추출
기존 AIS데이터만 활용한 경우 추출 가능한 해상교통 특 성은 선박 통항 분포, 선박 통항 경로대, 그리고 선박 통항 밀도 등의 선박 고유의 해상교통특성이 추출이 가능하다. 반면에 수치해도 데이터와 AIS데이터 복합적으로 활용하면 AIS데이터만을 활용하였을 때보다 실제 해상교통 환경을 고 려한 해상교통특성이 추출 가능하기 때문에 다각적인 해상 교통의 분석이 가능하다. 수치해도 데이터를 활용하였을 때 도출되는 특성의 예시 중, 해당 해역의 AIS data의 분포와 수 치해도 객체를 검토 하여 추출한 3가지의 교통 특성은 다음 과 같다.
1) 등심선과 통항 선박과의 거리 분포
등심선은 다수의 점이 연결된 다각형의 형태를 가진다. 따라서 통항선박의 등심선으로부터 거리는 선박의 항적 행 렬과 등심선의 위치 행렬간의 거리계산을 필요로 하며, 이 는 수치해도 데이터를 활용하였을 때 얻을 수 있는 가장 큰 장점이라고 할 수 있다. 설정된 범위가 0.5해리의 가까운 거 리이기 때문에 각 점간의 쌍별 거리 계산은 유클리드 거리 를 활용하였다. 이 해상교통특성의 추출과정은 Fig. 5와 같은 순서를 거쳐 추출 되었다. 먼저 셀형 배열로 변환 되어있는 대상 등심선의 위치행렬을 선택하고, 다음으로 위치행렬 에 서부터 0.5이내의 선박을 추출하였다. 위치등심선은 Fig. 5의 초록선 으로 표시된 섬 주변 2미터 등심선으로 설정 되었으 며, 추출 된 선박 항적은 파란점으로 표시 되었다.
해당 등심선을 기준으로 선박의 통항이 나뉘어 선박으로 부터 섬을 정횡으로 변침하려는 경향과 선박들의 통항분포 경향을 그룹화 하여 해석할 수 있다. 예시의 경우만 보아도 섬의 서남쪽선박 그룹, 섬 부근의 선박 그룹, 섬의 동북쪽 통항선의 분포를 나누어 분석하거나, 이격 거리의 분포를 도출할 수 있다. Fig. 6의 선박 항적의 이격거리분포는 최빈 값 0.38마일, 평균값 0.37마일로 나타나 등심선 주변을 항해 하는 선박들이 주로 확보하는 이격 거리를 알 수 있다.
2) 등심선내부 선박통항 특성
등심선 바깥으로 항해한 선박들의 이격 거리뿐만 아니라 등심선 안쪽으로 항해했던 선박에 대한 분석 또한 수치해도 의 등심선 데이터를 통해 분석이 가능하다. 등심선 데이터 를 연결한 다각형 내부의 AIS데이터를 추출하였으며 이를 선박별 항적으로 변환시킨 결과 그 항적은 불규칙함을 Fig. 7과 같이 불규칙함을 알 수 있다. 해당 선박들의 MMSI 식별 번호를 AIS 정적정보를 활용하여 선종을 확인할 수 있으며 등심선 안쪽으로 진입한 선박은 총 6척의 선박이고 5척은 어선, 1척은 플레져 보트로 확인 되었다.
3) 교량 통과 선박의 분포
해당 수역의 두 섬 사이 교량 하부를 통과하는 선박의 통 항 분포 또한 추출 하였다. 일반적으로 교각과의 충돌확률 을 추산하기 위한 목적으로 수행되는 해상교통특성이지만 수치해도 데이터를 활용했을 때는 육지와의 거리, 교각과의 거리와 같은 주변 장애물을 다양하게 고려하여 그 분포를 확인할 수 있는 장점이 있다. 추출된 특징은 Fig. 8과 같이 교량을 통과한 선박들의 분포를 서쪽에 위치한 섬을 기준으 로 도출한 거리 분포이다.
빨간색으로 표시된 게이트라인을 통과한 선박들의 거리 분포를 Fig. 9와 같이 나타내었다. 그 분포는 정규분포의 종 형태를 가지며 노란색 그래프로 표시된 부분은 평균 ±1표준 편차 구간을 나타내며 보라색은 ±2표준편차 구간 녹색은 ±3 표준편차 구간의 선박 분포를 나타낸다. ±3표준편차 규칙에 따라 68 %의 선박은 두 섬 사이의 중앙을 따라 0.3에서 0.6해 리 거리를 두고 통과를 한다고 볼 수 있고 95 %의 선박은 약 0.2에서 0.7마일 거리를 두고 통과함을 알 수 있다. 마지막으 로 그 외의 5 % 미만의 선박은 섬으로부터 0.2해리 이내의 거리를 두고 통과함을 알 수 있다.
위와 같이 교량을 통과한 선박의 섬으로부터 거리분포를 3개 표준편차 구간으로 구분하였으며 구간별 선박의 크기를 Fig. 10과 같이 분석할 수 있다. 해당 수역이 주 항로에서 벗 어난 구역이기 때문에 통항 선박의 크기는 대체로 소형선임 을 알 수 있고 선박의 크기가 커질수록 두 섬의 중앙을, 작 아질수록 섬에 가깝게 통과하였음을 알 수 있다.
3. 해상교통특성 추출 결과 고찰
현행 해상교통분석에 가장 높은 빈도로 활용되는 AIS데 이터와 빈도가 낮은 수치해도 데이터를 통합하여 새로운 해 상교통분석 방법을 제시하였다. 기존의 AIS데이터 기반의 연구는 Fig. 11과 같이 AIS를 활용하여 선박만의 항적 분포, 밀도, 교통류 등을 활용하였지만 이러한 접근은 해상자연환 경과 긴밀한 연관이 있는 선박의 교통 분석에는 적절하다고 보기 힘들다.
따라서 이 연구에서는 수치해도 데이터를 활용하여 새로 운 형태의 해상교통특성을 제시함으로써 해상교통분석을 다른 관점에서 접근해보았다. 추출된 해상교통특성은 아래 와 같이 3가지 특성이 제시되었으며 수치해도 데이터를 활 용했을 때 추출 가능한 해상교통특징들이다.
선박의 이격 거리 분포는 AIS만을 활용한 선박의 항적 분 포에 비해 내제된 위험요소인 저수심 구역과의 거리분포를 확인 할 수 있었다. 이는 여러 점이 연결된 다각형 형태의 저수심으로부터의 거리 계산이 필요하기에 수치해도 데이 터를 활용했을 때에 추출 가능한 장점이라고 할 수 있다. 등 심선 내부 선박의 특성 또한 수치해도 데이터를 활용했을 때만 추출 가능한 특징이며, 특정 수심이하의 해역을 통과 하는 선박의 선종, 항적 분포를 확인할 수 있는 특성이었다.
교량 통과 선박의 분포는 이미 기존 연구에서 활용되고 있는 특성이라고 볼 수 있으나, 이격 거리의 기준을 육지, 교각, 저수심등 다양하게 변경이 가능하다는 점이 수치해도 데이터의 장점이라고 할 수 있다. 이 연구에서 교량을 통과 한 선박 분포의 기준점은 왼편의 섬 끝단으로 설정하였으며 정규분포의 형태를 보인 선박 이격거리 분포를 표준편차를 기준으로 3개 구간으로 나누었고 그 구간별 선박의 크기 차 이를 확인 하였다.
제시된 교통특성은 해상교통분석에 수치해도 데이터를 활용하였을 때 추출 가능한 다양한 해상교통특성 중 일부이 며, 위의 특성과 더불어 ‘제한 해역 내 통항 밀집도’, ‘해상구 조물 인근의 해상교통분석’ 등 수치해도 데이터를 활용한 다양한 접근이 가능할 것으로 보인다.
4. 결론 및 향후 연구과제
본 연구에서는 해상교통분석에 해도정보의 활용빈도가 낮음을 확인하고 해도정보의 활용의 장점을 확인하기 위해 AIS데이터와 수치해도 데이터를 복합적으로 활용하여 새로 운 해상교통특성 추출 방법을 제시하였다.
기존 해상교통분석에서 주로 선박위주의 정보를 AIS데이 터, 관측 데이터, 통계 데이터를 통해 수집, 활용했던 것에 비하여, 본 연구에서는 수치해도 데이터를 활용하여 육지, 저수심, 교량과 관련된 해상교통특성을 제시하였다. 그 결과 AIS데이터만을 활용했을 경우보다 더욱 다양한 관점에서 해 상교통분석이 가능하며 데이터 기반 해상교통특성 추출 방 법이기 때문에 향후 자율운항선박의 상용화에 대비한 넓은 수역의 해상교통분석에도 용이할 것으로 기대된다.
한편, 본 연구는 AIS 데이터와 수치해도 데이터의 복합적 인 접근으로써의 기초 연구이기 때문에 해상교통특성으로 추출 가능한 다양한 특성 중 일부만 추출하였다. 따라서 후 속연구를 통해 해상교통분석의 개별 목적에 따라 고도화 된 해상교통특성의 추출이 필요할 것으로 보인다. 또한 자 율운항선박의 상용화에 앞서 다양한 해역에서 자율운항선 박의 검증을 위해 해역별 해상교통분석이 필요할 것이기에 국내 주요항만을 포함하여 대상 해역의 확장해야 할 것이 다. AIS 데이터 또한 단기간의 통항정보의 수집으로는 그 해역의 교통특징을 대표할 수 없기 때문에 최소 1년의 AIS 데이터를 활용하여 계절변화에 따른 해상교통분석을 진행 할 계획이다.
