Journal Search Engine

ISSN : 1229-3431(Print)
ISSN : 2287-3341(Online)

Journal of the Korean Society of Marine Environment and Safety Vol.31 No.3 pp.365-373
DOI : https://doi.org/10.7837/kosomes.2025.31.3.365

Study on Interpolation Techniques for Lost Vessel Track Data in AIS Receivers

Heejong Choi^*, Daun Jang^**, Joo-sung Kim^***, Chang-hyun Lee^***†

^*PhD Candidate, Graduate School of Mokpo National Maritime University, Mokpo 58628, Republic of Korea
^**Professor, Division of Cadet Training, Navigation Science, Mokpo National Maritime University, Mokpo 58628, Republic of Korea
^***Professor, Division of Navigation Science, Mokpo National Maritime University, Mokpo 58628, Republic of Korea

* First Author : xenoengel10@mmu.ac.kr

※ 이 논문은 “AIS 기반 선박 항해 데이터 DB 구축 및 동적 보간법 개발” 이라는 제목으로, 2023년 (사)해양환경안전학회 추계학술발표회에서 발표한 자료를 수정·보완한 것임.

^† Corresponding Author : chlee@mmu.ac.kr, 061-240-7185

Received March 31, 2025 Review June 10, 2025 Accepted June 27, 2025

Abstract

AIS is an essential element in establishing effective maritime traffic management and accident prevention systems. AIS supports navigational decision-making by transmitting and receiving dynamic, static, and voyage-related information from vessels, thus facilitating effective vessel traffic control. However, AIS data can experience losses owing to environmental and mechanical factors, causing confusion in decision-making processes for ship operators and controllers. Therefore, this study focuses on receiving ship trajectory data through AIS and restoring any lost trajectory information. Hardware consisting of a cost-effective single-board computer, Raspberry Pi, and an AIS receiver board, dAISy HAT, is used to receive AIS data. Software configuration includes the Raspberry Pi Linux operating system and OpenCPN, an open chart plotter software. This system interpolates missing segments within the received AIS data using available latitude, longitude, and timestamp information. The interpolated data, marked with an “INTERP” tag, are then stored alongside original data on an AWS S3 web server. Through this study, receiving ship trajectory data using an AIS receiver and interpolating missing segments is expected to enhance the usability of trajectory data. Future research employing diverse methods to recover vessel trajectory data from lost AIS information is necessary.

Key Words : Vessel Traffic , Trajectory Interpolation , Raspberry Pi , AIS Receiver , OPENCPN

AIS 수신장치의 선박 항적 데이터 손실 보간 기법에 관한 연구

최희종^*, 장다운^**, 김주성^***, 이창현^***†

^*국립목포해양대학교 해상운송시스템학과 박사과정
^**국립목포해양대학교 승선실습과정부 교수
^***국립목포해양대학교 항해학부 교수

초록

효과적인 해양 교통관리 및 사고 예방 체계 구축에 있어서 AIS는 매우 중요한 요소이다. AIS는 선박의 동적, 정적, 항해 정보를 송수신하여 항해 의사결정을 지원하고 효과적인 선박 교통관제에 도움을 준다. 이러한 AIS는 환경적 요인, 기계적 요인 등에 의해서 손실이 발생하며, 손실이 생긴 AIS 데이터는 선박 운항자 및 관제의 측면에서 의사결정에 혼동을 야기한다. 때문에, 본 연구에서는 AIS 데이터를 통해 선박 항적 데이터를 수신하고, 해당 항적 데이터의 손실을 복원한다. AIS 데이터 수신 시 저비용의 싱글보드 컴퓨터인 Raspberry Pi와 AIS 수신 보드인 dAISy HAT을 활용하여 하드웨어를, Raspberry Pi의 운영체제인 LINUX환경과Open chart plotter인 OPENCPN을 통해 소프트웨어를 구성하였다. 해당 시스템을 활용하여 수신한 AIS 데이터의 손실이 발생하는 데이터 중 활용이 가능한 위도, 경도, 시간 데이터를 통해 손실이 발생한 구간의 데이터를 보간하고, 보간된 데이터는 “INTERP”라는 태그를 통해 기존의 데이터와 함께 인터넷 웹 서버인 AWS S3에 저장한다. 본 연구를 통하여, AIS 수신기를 통하여 선박 항적 데이터를 수신하고, 손실이 발생한 부분을 보간함으로써 항적 데이터의 활용도를 높일 수 있을 것으로 보인다. 향후 손실된 AIS 데이터로 인한 선박 항적 데이터의 복원을 위한 다양한 기법을 활용한 연구가 필요하다.

키워드 : 선박 교통 , 항적 보간 , Raspberry Pi , AIS 수신 장치 , OPENCPN

This article has been cited by 0 article in crossref

Cited-By

Funding:

1. 서 론

최근 선박 장비는 성능 향상과 기술적 고도화가 지속되고 있지만, 해양 사고 발생 건수는 오히려 증가하는 추세이다. 특히 연안 해역에서 사고가 빈번하게 발생하며, 상선보다는 어선에서 사고 발생 빈도가 더 높게 나타난다. 사고 원인의 대부분은 선박 운항자의 피로, 부적절한 판단, 의사소통 오류, 경계 소홀 등 인적 과실이며, 전체 사고 원인의 약 75%를 차지하는 것으로 분석된다(Allianz: Human error behind 75 percent of marine casualties, 2017;Shipping safety - Human error comes in many forms, 2019;Dominguez et al., 2021). 국제해사 기구(IMO)는 SOLAS 1974 제5장 규칙19에 따라 국제 항해를 수행하는 300톤 이상의 선박, 연안 항해를 수행하는 500톤 이상의 화물선, 그리고 모든 여객선에 AIS(Automatic Identification System) 설치를 의무화하여 해양 사고 예방에 기여하고자 하였다.

AIS는 선박의 동적, 정적, 항해 정보를 실시간으로 해상 또는 육상 기지국과 송·수신하는 핵심 장비이다. 이를 통해 주변 선박으로부터 제공받은 데이터를 활용하여 항해 의사 결정을 지원하며, 육상기지국을 통하여 VTS(Vessel Traffic Service)에서 선박 교통을 효과적으로 관제할 수 있도록 돕는다(Kim et al., 2001). 또한, AIS는 실시간으로 선박 위치를 추적할 수 있어 해안 당국과 항만 운영자가 국내외 선박 운항 현황을 모니터링하고, 효율적인 교통관리 및 신속한 사고 대응 체계를 구축할 수 있는 중요한 기반 기술로 자리 잡았다. 이 시스템은 매일 수천만 건의 방대한 데이터를 생성하며, 이러한 데이터는 해양 환경과 기상, 조류 등의 다양한 요소와 결합하여 항행 경보 시스템, 물류 및 항만 운영 효율화, 과거 사고 분석 등 여러 분야에서 부가가치를 창출할 수 있다. 그러나 기술적 발전에도 불구하고, AIS 데이터는 해상에서의 날씨, 다리, 섬 등과 같은 환경적 요인과 선박의 통항이 많은 곳의 경우 AIS 기기가 데이터를 송신하는 방법으 로 인해 생기는 데이터의 손실, 사용자가 임의적으로 AIS 장비를 끄는 스푸핑(Spoofing) 등 여러 요인으로 인해 손실과 오류가 발생할 가능성이 높다(Torkild et al., 2006; Chen et al., 2020;Guo et al., 2021). 이러한 데이터 손실 문제는 AIS 데이터의 활용성과 신뢰성에 부정적 영향을 미치므로, 이를 보완하기 위한 연구가 필요하다.

이와 관련된 연구로는 다양한 AIS 수신 방법들이 제안되었다. 먼저, 저궤도 위성에서 SDR(Software Defined Radio) 기반 AIS 수신기를 사용하여 AIS 메시지를 수신하는 연구가 있었으며(Larsen et al., 2011), 항공 플랫폼에서 AIS 신호를 수신하고 수신된 신호를 이용하여 선박의 위치를 추적하는 방법에 대해 연구가 진행되었으며(Hassanin et al., 2015), 저궤도 (LEO) 위성에서 AIS 메시지를 수신하는 방법(Clazzer et al., 2016)을 고안하기도 하였다. AIS 정보를 바탕으로 데이터 베이스를 만든 방법론으로 AIS 수신기로 수신한 정보를 SQL(Structured Query Language) Server 2005 데이터베이스 서버로 옮겨 응용하는 연구(Tsou, 2010)와 수신한 AIS 정보를 Hadoop database라는 분산형 NoSQL(Not only SQL)데이터베이스를 사용한 구조에 저장하는 연구도 진행되었으며(Liu et al., 2017), AIS 정보를 저장하기 위해 분산 저장 시스템 을 구축하고 데이터 처리를 하는 연구도 진행되었다(Lv, 2020).

AIS 정보 중 항적을 복원하기 위한 연구로는 다양한 접근이 있는데, 대표적으로 기하학 측면, 운동학 측면, 인공지능적 측면이 있다. 먼저 기하학적 측면으로는, 선형 보간과 3차 Hermite보간을 포함한 방법이 고안되었으며(Nguyen et al., 2015), 선박 궤적 복원을 선, 호, 곡선 구간으로 나누어 복원하기도 하고(Sang et al., 2015), 3차 함수 대신 고차 함수로 다항식 보간하는 방법과(Du et al., 2017), 직선 구간에 선형 보 간을, 곡선 구간에 3차 스플라인 보간 방법을 사용한 방법을 제안한 연구도 있었다(Zhang et al., 2018). 인공지능을 활용한 선박 항적 복원 방법들도 다양하게 연구되었다. Long short-term memory(LSTM) 기반 지도 학습 방법을 제안하여 Random forest로 부족한 데이터를 식별한 후 선박 항적을 복원하는 방법(Liang et al., 2019), 이상치를 제거한 후 정규화하여 인공 신경망에 입력 및 선박 항적을 예측하는 방법(Chen et al., 2020)이 있었다. 운동학 측면을 고려한 방법들은 항적 측면뿐만 아니라 선박의 운동성을 고려한 방법으로, 물리 법칙을 기반으로 물체의 운동 특성을 포함하여 위치, 속도 를 추정하는 접근법을 바탕으로 한 kinematic interpolation(KI)이 제안(Long, 2016)되었으며, 선박의 속도를 고려한 개선된 선형 보간 방법(Jie et al., 2017), 선박의 항적을 복원하기 위해 선박의 속력, 가속력을 바탕으로 운동 정보를 감안한 improved kinematic interpolation(IKI)를 제안하였다(Guo et al., 2021).

이 연구들 외에도 AIS를 활용한 연구들이 있었고 각 연구에서 활용된 데이터들은 여러 방법을 통해 얻어졌다. 본 연구는 저비용의 Single Board PC를 바탕으로 하드웨어를 구성한 AIS 수신 장치와 오픈소스 프로그램인 OpenCPN(Open Chart Plotter Navigator) 기반의 운영 환경을 구축하였다. 이를 통해 수신된 AIS 데이터를 웹 서버에 저장하여 사용자가 손쉽게 데이터에 접근할 수 있도록 하였다. 또한, 저장된 AIS 데이터를 전처리한 후 손실된 구간을 보간한 뒤, 해당 데이터는 별도의 태그를 부여하여 원본 데이터와 구분하여 웹 서버에 다시 저장하였다. AIS 데이터를 실시간으로 수신하여 항적을 복원 및 웹 서버에 저장함으로써 인터넷이 가능한 환경에서 언제든지 이용이 가능한 환경을 구축할 수 있을 것으로 기대가 된다.

2. AIS 송수신 체계

AIS는 선박 간 및 선박과 육상 간에 실시간으로 항해 정보를 교환함으로써 해상 교통 안전과 효율성을 향상시키는 핵심적인 해상 통신 시스템이다. AIS는 Table 1과 같이 크게 4가지의 역할을 수행한다.

선박 식별 및 정보 제공: 선박의 MMSI, 선박명, 항로, 속도, 위치, 항해 정보 및 기타 안전 관련 정보를 자동으로 전송하여 육상 기지국, 다른 선박, 항공기 등에 제공한다.
정보 수신 및 교환: 유사하게 장비된 선박으로부터 정보를 수신하여, 선박의 모니터링과 추적에 활용된다.
데이터 교환 및 통합: AIS는 VHF 대역을 활용해 자선(자신의 선박) 정보와 주변 선박, 육상 관제 시스템 간에 데이터를 실시간으로 송수신하며, RADAR, ECDIS, 자이로컴파스, Speed Log 등과 연계되어 항해 결정을 지원한다.
해상 안전 지원: 이러한 정보들은 선박 간 충돌 예방, 선박 추적 및 해양 보안, 수색 및 구조 등 다양한 응용 분야에서 핵심적인 역할을 한다.

AIS는 GPS를 통해 위치 정보를 획득하고 VHF 송·수신기 를 이용해 다른 선박 및 해안 기지국과 통신한다. 또한, RADAR로 주변 물체나 선박을 탐지하고, ECDIS를 통해 전자해도로 위치 및 항해 정보를 시각화하며, 자이로컴파스와 Speed Log를 활용해 선박의 방향과 속도를 파악하고, GMDSS와 연동하여 비상 상황 시 구조 신호를 주고받는다(Yu and Hwang, 2011).

AIS는 VHF(Very High Frequency) 대역을 활용하여 전파가 도달하는 범위 내에서 자선 정보를 주변 선박에 전송하고, 동시에 다른 선박 및 육상 관제 시스템의 정보를 수신·송신한다. AIS에서 주고받는 데이터는 크게 세 가지로 구분된다.

- 동적 정보(Dynamic Information): 실시간 위치, 속도, 방위 정보를 포함한다.
- 정적 정보(Static Information): 선박명, MMSI 번호 등 변하지 않는 정보를 포함한다.
- 항해 정보(Voyage Information): ETA, 목적지 등 항해 계획 관련 정보를 포함한다.

이러한 정보들은 해상 교통의 안전과 효율, 해양 환경 보호에 크게 기여하며, AIS는 일반적으로 40~60km 정도의 양방향 통신 범위를 가지지만, 수신기 위치나 안테나 성능에 따라 수백 km 거리에서도 데이터를 수신할 수 있다.

AIS는 TDMA(Time Division Multiple Access) 방식을 활용하여, 채널을 프레임으로 구분한 후 각 프레임을 여러 타임 슬롯으로 세분화해 사용자가 정해진 슬롯에서 데이터를 전송하도록 한다. AIS 기지국은 60초 동안 2,250개의 슬롯 중 하나를 선택해 메시지를 전송하며, 두 개의 VHF 채널을 활용해 분당 최대 4,500개 메시지 슬롯 운용이 가능하다(Eriksen et al., 2006;Kim et al., 2022). 이와 같이 AIS는 다양한 TDMA 방식(SOTDMA, FATDMA, RATDMA, CSTDMA 등)을 통해, 특히 Class A 송수신기는 중앙 기지국 없이 독립적으로 슬롯을 할당하고 UTC를 기준으로 동기화를 수행하는 SOTDMA(Self Organized TDMA) 방식을 사용한다. 그러나 선박 밀집 해역에서는 슬롯 부족과 전송 지연이 발생할 수 있으며, 이에 따라 동적·정적·항해 정보의 손실이 발생할 경우 해상교통관제(VTS) 및 선박 운항 안전에 심각한 영향을 미칠 수 있다.

AIS 송신기는 선박의 상태에 따라 송신 주기를 달리하도록 설계되었다. 예를 들어, 정박 시에는 3분 간격, 약 14노트 (knots)의 속력으로 항해 중인 경우에는 10초 간격으로 정보를 송출한다. 과도한 트래픽 환경에서는 모든 AIS 데이터를 완벽하게 보존하기 어려워, AIS 정보를 체계적으로 수집·저장하고 활용할 수 있는 데이터베이스 체계가 필수적이다.

3. AIS 수신기 구성

3.1 AIS 수신기 하드웨어

AIS 트랜스폰더를 통해 송신하는 AIS 신호를 수신하기 위해 AIS 수신 시스템을 개발하여 직접 수신을 하였다. 수신 시스템은 하드웨어와 소프트웨어로 구성된다. 다음의 Fig. 1 은 AIS 데이터를 수신 및 활용하기 위한 과정이다.

하드웨어 구성은 Fig. 2와 같이 Raspberry Pi4, dAISy HAT, AIS수신을 위한 안테나, 전원 공급장, 인터넷 연결을 위한 공유기로 이뤄져있다. 이러한 구성은 저비용이면서도 효율적인 데이터 수신을 위해 여러 부품을 유기적으로 결합한 구조이다(AIS RESEARCH USING A RASPBERRY PI, 2022).

먼저, 시스템의 중심 제어장치인 Raspberry Pi 4 (a)는 강력한 멀티코어 프로세서와 충분한 메모리, 그리고 리눅스 기반 운영체제를 갖추고 있어 실시간 데이터 처리와 다양한 소프트웨어 지원이 가능하다. 이 Raspberry Pi 4는 dAISy HAT과 결합되어, AIS 신호의 아날로그-디지털 변환과 초기 신호 처리를 담당하는 역할을 수행한다. dAISy HAT(b)은 Raspberry Pi에 맞춘 확장 보드로, SPI, I2C, GPIO 등 다양한 인터페이스를 통해 두 장치 간 원활한 통신을 보장하며, AIS 수신 안테나와 직접 연결되어 신호 손실 없이 고감도 신호 수신이 가능하도록 설계되었다. AIS 수신 안테나는 약 162 MHz 대역의 주파수에 최적화되어 있으며, 낮은 노이즈와 고감도 특성을 통해 안정적인 신호 수신을 지원한다. 시스템의 안정 적인 작동을 위해 전원 공급 장치는 Raspberry Pi 4와 dAISy HAT에 필요한 최소 5V/3A의 전력을 안정적으로 제공하며, 전원 관리 회로와 필터링 기능을 포함해 전압 강하나 불안정한 전력 공급으로 인한 문제를 예방한다. 또한, 원격 모니터링과 실시간 데이터 전송을 위해 인터넷 공유기를 사용하여 네트워크 연결을 제공하며, 보안 기능과 QoS(Quality of Service) 관리 덕분에 데이터 손실과 지연을 최소화할 수 있다.

3.2 AIS 수신기 소프트웨어

수신 시스템의 소프트웨어는 Raspberry Pi 4 기반의 리눅스 환경에서 운영된다. 먼저, OPENCPN을 이용하여 AIS 신호를 실시간으로 수신하며, 수신된 AIS 데이터는 해상 교통 안전과 관련된 정보를 포함한다. 해당 데이터는 SUDO 명령어를 통해 텍스트 파일 형식으로 저장되며, 이 과정은 관리자 권한 하에서 수행되어 데이터의 무결성과 보안이 보장된다. 동시에 저장된 텍스트 파일은 Amazon S3 서버로 전송되어 클라우드 기반의 데이터 서버에 보관되며, 결과는 Fig. 3 과 같다. 이를 통해 사용자는 AIS 데이터 백업과 원격 접근이 가능하며, 대량의 데이터 저장 및 관리가 효율적으로 이루어진다. 전체적으로 이 시스템은 Raspberry Pi 4의 소형 컴퓨팅 능력, OPENCPN의 해상 데이터 시각화 및 수신 기능, 그리고 Amazon S3의 안정적인 클라우드 저장소 기능이 결합되어 실시간 데이터 수집부터 저장, 전송까지 자동화된 환경을 제공한다.

AIS 정보는 해양 전자 장비 간의 데이터 통신을 위해 국제 해양 전자 협회가 제정한 NMEA 0183 표준을 따른다. 원래 이 표준은 해양 전자 장비들이 ASCII 문자 형식을 이용해 데이터를 송수신하도록 설계되었으나, AIS의 경우 전송 효율 성을 극대화하기 위해 데이터를 6비트 인코딩 방식으로 부호화한다. Table 2는 6비트 단위의 이진 코드로 데이터를 압축하여 가능한 64개의 기호 조합을 나타내며, 이는 international electrotechnical commision(IEC)에서 정의한 출력 가능한 6비트 유효문자의 일부를 사용하여 필요한 항해 정보를 효과적으로 전달할 수 있도록 한다.

Fig. 4는 AIS 데이터의 구조를 나타내는데, AIS 데이터는 주로 두 가지 메시지 형식으로 전송된다. 먼저, !AIVDM은 타선에서 전송된 정보를, !AIVDO는 자선의 정보를 담고 있다. 각 메시지는 선박의 속도, 위치, 진행 방향 등 다양한 항해 정보를 나타내는 여러 비트 필드로 구성되며, 예를 들어 Class A 선박이 전송하는 메시지 타입 1은 MMSI, 항해 상태, 속도, 위도와 경도, 진행 방향 등의 정보를 순차적으로 해석할 수 있도록 설계된다. 전송 중 데이터 오류를 방지하기 위해 AIS 메시지 말미에는 체크섬이 포함되며, 이 체크섬은 수신 측에서 데이터의 무결성을 검증하는 데 중요한 역할을 한다. 또한, 긴 메시지는 한 번에 전송하기 어려운 경우 여러 문장으로 분할되어 전송되며, 각 문장은 전체 메시지 중 몇 번째 문장인지와 전체 문장 수를 포함하여 수신 측에서 올바르게 조합될 수 있도록 한다.

때문에, 선박의 AIS 정보를 사람이 사용가능한 정보로 변환하기 위해서 Decoding과정이 필요하며 이 과정은 Matlab 환경에서 진행하였다.

4. AIS 데이터 수신 결과 및 보간 적용

4.1 AIS 수신 결과

본 연구에서 해당 수신기로 AIS 정보를 수신하기 위한 장소로 선택한 대상은 목포항 항로를 입항하는 선박이다. 해당 해역은 목포구를 이용하기 위해 컨테이너, 시멘트, 잡화, 유류선, 자동차선 등 많은 종류의 선박들이 이동한다. 때문에 여러 선박의 AIS 정보에 접근이 가능하며, 주변 환경에 섬과 어망과 같은 장해물, 다리와 같은 구조물로 인해서 AIS 수신이 어려운 상황에서 AIS 수신을 함으로써 극단적인 상황에서 어떻게 수신이 되는가 확인 및 비교가 가능하다. AIS 수신기는 국립목포해양대학교 인근 3~5m 높이에 안테나를 설치하여 AIS 정보를 수신하였다. 직접 수신한 AIS 정보들을 사람이 볼 수 있는 데이터로 변환을 해보면 Fig. 5와 같은 결과를 볼 수 있다.

변환된 데이터들을 선박의 MMSI에 따라 선박 별로 구분을 하여 확인한 결과, 수신한 정보들이 오류와 손실이 발생하였을 뿐만 아니라 선박의 항해 상태에 따른 AIS 송신 주기를 초과하여 수신된 경우도 발생하였다. 또한, 선박의 SOG, COG, HDG의 값이 위도, 경도 데이터와 맞지 않는 경우 또한 발생했으며, 결과적으로 데이터를 연구에 활용하기 어려운 상황이 발생하였다.

4.2 AIS 데이터 보간 적용 및 결과

본 연구에서는 AIS 데이터의 손실로 인한 활용성 저하 문제를 해결하기 위해 Cubic Spline Interpolation(CSI)을 활용하여 데이터를 복원하였다.

CSI는 주어진 데이터 점들을 각 구간마다 3차 다항식으로 연결해 자연스러운 곡선을 만드는 보간 기법이다. 이 방법은 단순히 직선 또는 낮은 차수의 다항식 보간보다 더 부드럽고 자연스러운 결과를 제공한다.

또한, 항해 중인 선박은 물리법칙에 따라 움직이는 물체로서, 그 운동상태를 운동방정식으로 표현할 수 있으며, 선박이 이동하면서 가속력, 속력, 위치가 시간에 따라 변하므로, 이를 설명하기 위해 운동학적 모델이 필요하다.

선박의 운동을 설명하기 위한, 시간(t)에 따른 가속력 a(t) 는 식(1)과 같다.

a (t) = a_{0} + b t + c t^{2}

(1)

a₀는 초기 가속력, b는 가속력의 변화율을 의미한다. 가속력 공식을 적분하여 속도, 거리를 나타내면 식(2)와 (3)과 같다.

υ (t) = υ_{0} + \int_{0}^{t} (a_{0} + b t) d t = υ_{0} + a_{0} t + \frac{1}{2} b t^{2}

(2)

\begin{matrix} d (t) = d_{0} + \int_{0}^{t} (υ_{0} + a_{o} t + \frac{1}{2} b t^{2}) d t \\ = d_{0} + υ_{0} t + \frac{1}{2} a_{0} t^{2} + \frac{1}{6} b t^{3} \end{matrix}

(3)

υ₀은 초기 속력, d₀은 초기 위치이다. 선박의 위치를 삼차 방정식으로 표현할 수 있으며, 선박의 위, 경도, 시간 정보를 활용하여 CSI를 적용한다면, 선박의 운동성을 고려하여 항적을 복원할 수 있게 된다. 본 연구에서는 랜덤으로 선정한 선박 1척의 데이터를 Fig. 6과 같이 추출하고, 이 데이터를 대상으로 오류 및 중복을 제거하는 전처리 과정을 거친 후 CSI를 수행하였다.

항적을 복원하기 위해 앞서, 항적의 분해가 필요하다. 선박의 항적은 벡터값으로 힘(선박의 속력)과 방향(선박의 진행 방향)이 결합된 데이터이다. 이는 시간에 따른 위도, 경도의 변화를 의미하는 것으로 선박의 항적을 적절하게 복원하기 위해선 항적 데이터를 시간-위도, 시간-경도의 형태로 분해하여 CSI로 복원한다.

Figs. 7과 8은 시간에 따른 위도, 경도를 CSI로 데이터를 복원한 결과이다. 복원한 데이터들은 활용하기 쉽도록 1초 간격으로 복원하였다. 이 두 데이터를 융합하여 선박의 항적 데이터를 다시 복원하면 Figs. 9와 10과 같은 결과를 확인할 수 있다.

이후, 보간법을 통해 복원한 데이터는 “INTERP” 태그를 달아 구분을 할 수 있도록 한 후 AIS 데이터 서버에 저장하였다.

4.3 기존의 보간법들과의 비교

기존의 여러 연구들이 선박의 항적을 복원하기 위해 많은 접근 방법들을 기용하였으나, 본 연구의 AIS 데이터의 경우 위도, 경도, 시간 데이터만을 활용하는 상황에서 CSI와 비교를 하면 Figs. 11, 12, 13과 같다.

이외에 많은 복원 방법이 있으나, 본 연구에서 활용 가능한 데이터가 위도, 경도, 시간 데이터인 상황에서 속력을 계산할 때 오차가 발생하게 되며, 이는 복원 결과에 큰 영향을 미치게 된다는 것을 확인할 수 있었다.

5. 결 론

선박 운항에 있어서 AIS 데이터는 안전하고 효율적인 항해를 지원하는 필수적인 정보이다. 그러나 실제 운항 환경에서는 전파 간섭, 장비 오작동, 주변 환경 요인 등으로 인해 AIS 데이터의 오류와 손실이 빈번하게 발생한다. 이러한 AIS 데이터의 결함은 이를 기반으로 수행되는 연구나 실시간 모니터링 시스템의 신뢰성을 크게 저하시킬 수 있다. 따라서 데이터의 정확성을 유지하고 손실을 복원하는 방안이 매우 중요하다.

본 논문에서는 저비용의 소형 PC와 OpenCPN을 활용하여 AIS 데이터를 실시간으로 수신하고, 수신된 데이터를 로컬에 저장함과 동시에 Amazon S3 웹 서버에 업로드하는 시스템을 구축하였다. 또한, 데이터 수신 과정에서 발생한 손실 및 오류로 인해 생긴 항적 데이터의 공백을 보간 기법을 이용해 복원하였다. 보간된 데이터는 별도의 태깅을 통해 원본 데이터와 구분하여 데이터베이스에 추가적으로 저장함으로써, AIS 데이터의 활용성을 한층 높였다.

따라서 본 연구에서 제시한 방법은 선박 운항에 필수적인 AIS 데이터를 얻고, 인터넷 환경에서 손쉽게 접근함으로써 여러 연구에서 AIS 데이터에 대한 활용성을 올릴 수 있는 대안 중 하나가 될 것으로 보이며, 이러한 접근 방식은 향후 AIS 데이터를 활용한 다양한 연구와 실시간 모니터링 시스템의 안정성과 신뢰성을 제고하는 데 기여할 것으로 기대된다.

본 논문에서 활용한 Raspberry pi 4 이외에도 여러 AIS 데이터를 수신할 수 있는 장비들이 있으며, AIS 데이터의 신뢰도 향상을 위해 각 장비들을 비교하고, 데이터의 오류 및 손실에 대한 부분을 개선에 대한 부분을 향후 연구로 진행하려고 한다.

또한, 손실된 데이터를 복원하기 위해 CSI를 적용하였으나, 해당 보간법의 한계로 인해 일부 데이터가 적절하게 복원되지 않을 수 있다. 이에 따라 향후 선박의 손실된 항적 데이터를 보다 정확하게 복원할 수 있는 보간 기법 대해 추 가적으로 연구할 예정이다.

사 사

본 논문은 2024년도 목포해양대학교 교내연구비의 지원을 받아 수행한 연구임.

Figure

Fig. 1.

AIS receive procedure.

Fig. 2.

Hardware of AIS receiver.

Fig. 3.

AIS database (AWS S3).

Fig. 4.

AIS data structure.

Fig. 5.

Decoded AIS data.

Fig. 6.

Plotted vessel’s position.

Fig. 7.

Interpolated data (time-latitude).

Fig. 8.

Interpolated data (time-longitude).

Fig. 9.

Interpolated vessel position (longitude - latitude).

Fig. 10.

Interpolated vessel position on map.

Fig. 11.

Interpolated vessel position (Cubic Spline Interpolation).

Fig. 12.

Interpolated vessel position (PCHIP).

Fig. 13.

Interpolated vessel position (Linear Interpolation).

Table

Table 1.

AIS’s Role

Role	Details
Vessel Identification and Information Provision	Automatically send vessel details such as MMSI (Maritime Mobile Service Identity), vessel name, route, speed, position, navigation information, and other safety-related data to provide it to onshore base stations, other vessels, aircraft, etc.
Information Reception and Exchange	Similarly receives information from vessels equipped with the same system to utilize it for vessel monitoring and tracking.
Information Reception and Exchange	Using the VHF band, AIS (Automatic Identification System) transmits and receives data in real-time between self-propelled vessels (own vessel), surrounding vessels, and shore-based control systems. It is also integrated with devices such as RADAR, ECDIS (Electronic Chart Display and Information System), gyrocompasses, speed loggers, etc., to support navigation decisions.
Marine Safety Support	This information plays a crucial role in various application areas, such as collision prevention between vessels, vessel tracking, maritime security, search and rescue operations.

Table 2.

ASCII’s 6-bit field

ASCII HEX = binary	Valid Character	Binary field represented
30=00110000	0	000000
31=00110001	1	000001
32=00110010	2	000010
33=00110011	3	000011
34=00110100	4	000100
35=00110101	5	000101
⋮	⋮	⋮
70=01110000	p	111000
71=01110001	q	111001
72=01110010	r	111010
73=01110011	s	111011
74=01110100	t	111100
75=01110101	u	111101
76=01110110	v	111110
77=01110111	w	111111

Reference

AIS RESEARCH USING A RASPBERRY PI ( 2022), https://www.garykessler.net/library/ais_pi.html (Accessed March 2025).
Allianz: Human error behind 75 percent of marine casualties ( 2017), https://safety4sea.com/allianz-human-error-behind-75-percent-of-marine-casualties/
Chen, X., J. Ling, Y. Yang, H. Zheng, P. Xiong, O. Postolache and Y. Xiong ( 2020), Ship trajectory reconstruction from AIS sensory data via data quality control and prediction. Mathematical Problems in Engineering, 2020(1), pp. 1-9.
Clazzer, F., F. Lázaro and S. Plass ( 2016), Enhanced AIS receiver design for satellite reception. CEAS Space J., Vol. 8, pp. 257-268.
Dominguez-Péry, C., L. N. R. Vuddaraju, I. Corbett-Etchevers and R. Tassabehji ( 2021), Reducing maritime accidents in ships by tackling human error: a bibliometric review and research agenda, J. Shipp. Trd., 6(20).
Du, H., Y. Xiao, L. Duan and S. Gao ( 2017), An algorithm for vessel's missing trajectory restoration based on polynomial interpolation, In 2017 4th International Conference on Transportation Information and Safety (ICTIS), IEEE, pp. 825-830.
Eriksen, T., G. Høye, B. Narheim and B. J. Meland ( 2006), Maritime traffic monitoring using a space-based AIS receiver, Acta Astronautica, 58(10), pp. 537-549.
Guo, S., J. Mou, L. Chen and P. Chen ( 2021), Improved kinematic interpolation for AIS trajectory reconstruction. Ocean Engineering, 234, 109256.
Hassanin, A., F. Lázaro and S. Plass ( 2015), An advanced AIS receiver using a priori information, OCEANS 2015 - Genova, Genova, Italy, pp. 1-7.
Jie, X., W. Chaozhong, C. Zhijun and C. Xiaoxuan ( 2017), A novel estimation algorithm for interpolating ship motion. In 2017 4th International Conference on Transportation Information and Safety (ICTIS), IEEE, pp. 557-562.
Kim, B. K., S. H. Hong and J. Lee ( 2022), The Efficient Extraction Strategy for ship displays in AIS Monitoring System. In Proceedings of the Korean Institute of Information and Commucation Sciences Conference, The Korea Institute of Information and Commucation Engineering, pp. 588-590.
Kim, M. J. and S. B. Hong ( 2001), The Future Prospect of the Vessel Traffic Safety Management in View of Developing AIS Network in Korea, Journal of the Korean Society of Marine Engineers, Vol. 25, No. 4, pp. 735-746.
Larsen, J. A., H. P. Mortensen and J. D. Nielsen ( 2011), An SDR based AIS receiver for satellites, Proceedings of 5th International Conference on Recent Advances in Space Technologies - RAST2011, Istanbul, Turkey, pp. 526-531.
Liang, M., R. W. Liu, Q. Zhong, J. Liu and J. Zhang ( 2019), Neural network-based automatic reconstruction of missing vessel trajectory data. In 2019 IEEE 4th International Conference on Big Data Analytics (ICBDA), IEEE, pp. 426-430.
Liu, T., S. Gao, X. Chu and C. Lu ( 2017), Storing and querying AIS data in HBase, 2017 2nd Asia-Pacific Conference on Intelligent Robot Systems (ACIRS), Wuhan, China, pp. 88-92.
Long, J. A. ( 2016), Kinematic interpolation of movement data. International Journal of Geographical Information Science, 30(5), pp. 854-868.
Lv, S. ( 2020), Construction of Marine Ship Automatic Identification System Data Mining Platform Based on Big Data, Journal of intelligent & fuzzy systems, 38(2), pp. 1249-1255.
Nguyen, V. S., N. K. Im and S. M. Lee ( 2015), The interpolation method for the missing AIS data of ship, Journal of navigation and port research, 39(5), pp. 377-384.
Sang, L. Z., A. Wall, Z. Mao, X. P. Yan and J. Wang ( 2015), A novel method for restoring the trajectory of the inland waterway ship by using AIS data. Ocean Engineering, 110, pp. 183-194.
Shipping safety - Human error comes in many forms ( 2019), https://commercial.allianz.com/news-and-insights/expert-risk-articles/human-error-shipping-safety.html?utm_source
Tsou, M. -C. ( 2010), Discovering Knowledge from AIS Database for Application in VTS. Journal of Navigation, 63(3), pp. 449-469.
Yu, D. H. and S. Y. Hwang ( 2011), AIS (Automatic Identification System) Technology Overview. The Magazine of Kiice, 12(2), pp. 38-45.
Zhang, X., Y. He, R. Tang, J. Mou and S. Gong ( 2018), A novel method for reconstruct ship trajectory using raw AIS data. In 2018 3rd IEEE International Conference on Intelligent Transportation Engineering (ICITE), IEEE, pp. 192-198.