양현 연구실
한국해양대학교 해사인공지능·보안학부
양현 교수
해양위성 원격탐사
해수면온도 예측
이상수온 탐지
홈
양현 연구실
한국해양대학교 해사인공지능·보안학부 양현 교수
양현 연구실은 해사인공지능·보안학부 기반의 해양 데이터 예측 및 감시 기술을 연구합니다. 한반도 연안의 해수면온도와 이상수온을 예측하기 위해 딥러닝 모델을 구성하고, 재분석 자료와 해양 시계열을 결합하는 방식으로 단기 예측과 이벤트 탐지를 수행합니다. 또한 AIS와 항만 운영 데이터를 전처리하여 선박 궤적·항로를 예측하고, 자율운항을 위한 경로 생성 및 경로추종 제어를 연구합니다. 아울러 VIIRS 위성 DNB 등 위성 관측 기반의 야간 이상 징후 탐지와 사고예측을 통해 해양상황 인식 체계를 고도화합니다.
해양위성 원격탐사해수면온도 예측이상수온 탐지AIS 기반 선박 궤적 예측자율운항 경로 최적화
대표 연구 분야
연구 영역 전체보기
해양 원격탐사 기반 해수면온도 예측 및 이상수온 조기경보 연구
Sea surface temperature prediction and early warning for abnormal water temperature using marine rem
연구 분야 상세보기
AIS/VTS 기반 선박 궤적·항로 예측과 자율운항 경로제어 연구
Vessel trajectory and route prediction and control for autonomous navigation using AIS/VTS data
연구 분야 상세보기
해양 안전·감시를 위한 위성 기반 이상 징후 탐지 및 사고예측 연구
Satellite-based detection of maritime anomalies and accident prediction for maritime safety and surv
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
인용수 0
·
2025Grid-based extension method for anchor circle decision using ship-specific characteristics
Gil-Ho Shin, Hyun Yang
IF 4.7 (2025)
Brodogradnja
해상 화물 물동량과 선박 규모의 전 지구적 증가에 따라, 안전하고 효율적인 정박 관리를 위해 정확한 닻 원(Anchor circle) 결정이 매우 중요하다. 본 연구는 선박별 특성을 자동 식별 장치(Automatic Identification System, AIS) 데이터와 통합하는 새로운 격자 기반 확장 방법을 제안하여 닻 원을 산정한다. 부산항에서 5척의 선박을 대상으로 수행한 실험 결과, 최대 반경 오차가 9 m로 높은 정확도를 보였으며, 필요한 반경을 1.7–2.1배 과대평가하는 기존 선박교통관제시스템(Vessel Traffic Service, VTS)보다 유의하게 우수하였다. 이 방법은 기존 VTS 데이터를 활용하여 현장에서 즉시 적용 가능하며, 효율적인 정박 관리와 스마트 항만 개발에 기여한다.
https://doi.org/10.21278/brod76402
Automatic Identification System
Port (circuit theory)
Extension (predicate logic)
RADIUS
Grid
Identification (biology)
Computer science
Service (business)
Extension method
Field (mathematics)
2
Article
|
·
인용수 10
·
2024Maritime accident prediction in busan port using machine learning: An integrated approach with maritime accident reports and VTS data
Gil-Ho Shin, Hyun Yang
IF 5.5 (2024)
Ocean Engineering
https://doi.org/10.1016/j.oceaneng.2024.119968
Accident (philosophy)
Port (circuit theory)
Maritime safety
Transport engineering
Engineering
Marine engineering
Computer science
Operations research
Aeronautics
Environmental science
3
Article
|
인용수 2
·
2024Abnormal high water temperature prediction in nearshore waters around the Korean Peninsula using ECMWF ERA5 data and a deep learning model
Hyun Yang, Suk Yoon, Hyeong-Tak Lee, Kwang Seok Kim, Hee‐Jeong Han, Young-Je Park
IF 2.9 (2024)
Journal of Sea Research
비정상적으로 높은 수온(AHWT) 현상은 최근 수십 년 동안 한국 연안 해역에서 양식 어류의 대량 폐사를 유발하여 막대한 금전적 손실로 이어졌다. 이러한 손실을 방지하기 위해 AHWT 발생 시점을 예측하고, AHWT 도달 전에 대응 조치를 취하는 것이 가장 중요하다. 이에 본 연구는 딥러닝 기술을 이용하여 AHWT 발생을 예측하는 방법론을 제안하였다. 첫째, 유럽 중기예보센터(European Centre for Medium-Range Weather Forecasts, ECMWF)의 ERA5 제품 해수면온도 자료를 사용하여 장단기메모리(long short-term memory, LSTM) 딥러닝 모델을 학습함으로써 미래 수온을 사전에 추정하였다. 둘째, 추정된 수온 자료를 이용하여 도달 1일 후부터 7일 후까지의 AHWT 발생을 예측하였다. 제안된 LSTM 모델의 정확도를 평가하기 위해 평균제곱근오차(root mean square error, RMSE), 평균절대백분율오차(mean absolute percentage error, MAPE) 지표 및 F1-score를 계산하였다. 1일 및 7일 수온 예측의 경우, 추정 데이터와 실제(sea-truth) 데이터 간 RMSE와 MAPE 값은 각각 0.293°C 및 1.313%, 그리고 0.854°C 및 4.175%로 나타났다. 1일 및 7일 AHWT 예측의 분류 알고리즘에 대한 F1-score는 각각 0.96과 0.74였다. 본 연구는 양식장에서 AHWT로 인한 어류 피해의 금전적 손실을 줄이기 위한 방안을 개발하는 데 기여한다. • LSTM 딥러닝 모델을 이용해 한국 주변의 고수온을 예측함. • 수온 예측에서 RMSE: 0.293 °C(1일)~0.854 °C(7일). • F1 score: 고수온 사건 탐지에서 0.96(1일) 및 0.74(7일). • 모델은 ECMWF ERA5 데이터를 사용하며 1–7일의 SST 예측을 제공함.
https://doi.org/10.1016/j.seares.2024.102546
Peninsula
Oceanography
Deep water
Geology
Environmental science
Climatology
Biology
Ecology
최신 정부 과제
5
과제 전체보기
1
2023년 4월-2027년 12월
|17,650,000,000원해양경찰 위성활용 기반 기술 개발
해양경찰 위성정보 현업활용을 위한 해양경찰청이 참여하는 3대 위성시스템 중심의 위성활용 시스템 개발
해양상황인식
위성활용
해양감시체계
통합운용 시스템
초소형 위성체계
2
주관|
2022년 4월-2023년 12월
|348,250,000원해양레저활동 맞춤형 인공지능기반 바다수온예보 서비스 시스템 개발
본 과제는 인공지능 기술을 활용하여 바다의 수온을 미리 예측하고, 이 정보를 해양 레저 활동(예: 낚시)을 즐기는 사람들과 어업에 종사하는 기업 및 정부 기관에 맞춤형으로 제공하는 서비스 시스템을 개발하는 연구임. 인공위성과 실제 관측 데이터를 활용하여 바다 수온의 변화를 정확하게 예측하는 것이 목표임.
연구 목표는 해양 레저 및 어업 활동의 증가하는 해양 기상 정보 수요에 부응하여, 인공위성 및 관측 자료 기반의 실시간 해수면 온도(SST) 합성장과 인공지능 기술 기반의 예측 SST를 생산하고 유료 서비스하는 시스템을 개발하는 데 있음. 이는 B2B OpenAPI 또는 빌트인 설치 방식의 비즈니스 모델로 제공될 예정임. 핵심 연구 내용은 인공위성 및 관측 수온의 실시간 수집 및 자동 품질관리, 최적내삽법(OI) 알고리즘을 이용한 SST 합성장 생산 시간 단축 (병렬연산 활용), LSTM 딥러닝 기반 SST 예측 정확도 고도화, 대용량 위성자료 고속 연산 처리 및 관리 시스템 및 OpenAPI 기반 수요자 서비스 시스템 개발을 포함함. 사용자 요구 분석과 프로토타입 개발, 테스트·검증을 통해 상품화를 추진함. 기대 효과는 개발된 시스템이 ㈜HMT, 국립해양조사원, 국립수산과학원 등과의 연계를 통해 광범위한 해역에 정밀하고 신뢰성 높은 해양 기상 예측 정보를 제공하는 것임. 이를 통해 양식, 어업, 해운업, 해양보험업 등 다양한 산업 분야로 활용처를 확대하고, 연간 31억 원 이상의 정보 검색 소요시간 절약 효과를 뛰어넘는 경제적 파급효과를 창출할 것으로 전망됨.
해양레저
해수면온도
예보
인공지능
인공위성
3
주관|
2021년 6월-2024년 2월
|121,564,000원위성기반 이상수온 예측
ㅇ LSTM 딥러닝 기술을 이용한 이상수온 예측 연구
- 해역별 최적 입력 자료 선정 연구
+ 동해, 남해, 서해, 제주도 인근 해역 등으로 해역을 나누고, 각 해역별로 이상수온 발현에 영향을 끼치는 입력 자료가 무엇인지 전수조사를 실시할 계획임.
+ 입력 자료의 신뢰성을 높이기 위한 QC(Quality Control) 기법 고안
- LSTM 모델 트레이닝 최적화 연구
+ 한 해역에 대해 최근 10년간의 입력자료를 트레이닝 하는 방법과 특성이 유사한 5개 해역의 최근 2년간의 입력자료(총 10년치에 해당하는 양)를 트레이닝 하는 방법 비교 분석(즉, 한 해역에서 오랜 기간 축적된 자료를 트레이닝 하는 것이 좋은지, 아니면 다양한 해역의 최근 트렌드를 트레이닝 하는 것이 좋은지 비교 분석)
+ 드롭아웃(dropout) 등 을 이용한 과적합 회피
+ LSTM 트레이닝 가중치(weigh) 초기 값 최적화
ㅇ 유관 기관과의 협력
- 한국수산과학원, 한국해양조사원 등 이상수온 예측이 필요한 다양한 유관 기관과 협력할 계획임.
- 이상수온 현상과 연관이 깊은 대용량 해양위성자료를 수집하기 위해 전담기관과 협의할 계획임
ㅇ 다종위성자료 합성연구 방안
- 서로 스펙이나 형식이 상이한 위성으로부터 획득된 자료는 각각 공간해상도, 투영법 등이 다름.
- 이러한 다종 위성자료를 활용하기 위해서는 자료간 합성연구가 필요함.
- 해역별 이상수온 예측에 최적화된 형식으로 해양위성자료를 합성할 계획임.
ㅇ 대용량 해양위성자료 처리를 위한 가상화 및 병렬화
- 수백 테라바이트 규모로 제공되는 장기간의 해양위성자료를 효율적으로 처리하기 위해 병렬화 기술을 도입할 계획임.
- 가상화를 통한 리소스 절약적인 시스템을 활용할 계획임.
이상수온
딥러닝
LSTM
최신 특허
특허 전체보기
전체 특허
수온예측장치 및 그 동작 방법
상태
등록출원연도
2019출원번호
1020190157404해색알고리즘 개발지원장치 및 그 동작 방법
상태
등록출원연도
2019출원번호
1020190106028여객선 안전 정보 전송 방법 및 장치
상태
등록출원연도
2017출원번호
1020170043533