본 연구는 선박자동식별시스템(Automatic Identification System, AIS) 데이터와 딥러닝 기법을 활용하여 부산항 내항에서의 선박 항로(vessel trajectory) 예측 성능을 향상시키는 것을 목적으로 한다. 본 연구는 선박자동식별시스템(AIS) 데이터 구간 간격이 불규칙하다는 문제를 선형 보간(linear interpolation)으로 해결하고, 복잡한 항만 환경에서 예측 정확도를 개선하는 데 초점을 맞춘다. 순환 신경망(Recurrent neural network, RNN), 롱 단기 기억(Long Short-Term Memory, LSTM), 양방향 LSTM(Bidirectional LSTM), 게이트 순환 유닛(Gated Recurrent Unit, GRU), 양방향 GRU(Bidirectional GRU) 모델을 개발하였으며, LSTM이 가장 높은 성능을 보였다. 본 연구의 주요 과학적 질문은 내항에서 다양한 조건 하에서도 선박의 항로를 신뢰성 있게 예측할 수 있는 방법이다. 결과는 제안된 방법이 예측의 정밀도를 향상시킬 뿐만 아니라, 선박교통관제사(Vessel Traffic Service Operators, VTSOs)가 선박 이동을 보다 효율적으로 관리할 수 있는 핵심 구역을 식별함을 보여준다. 이러한 연구 결과는 교통량이 많고 항해상 복잡한 도전 과제가 존재하는 항만에서 보다 안전하고 효율적인 선박 교통 관리에 기여한다.

Yoon, S.; Lee, H.-T.; Kim, M.-K.; Choi, H.-M.; Lee, J.-S.; Han, H.-J., and Yang, H., 2023. DNB 데이터를 이용한 심층 신경망 기반 야간 정치망(야간 유망/야간 어선) 조명 탐지. In: Lee, J.L.; Lee, H.; Min, B.I.; Chang, J.-I.; Cho, G.T.; Yoon, J.S., and Lee, J. (eds.), Multidisciplinary Approaches to Coastal and Marine Management. Journal of Coastal Research, Special Issue No. 116, pp. 220-224. Charlotte (North Carolina), ISSN 0749-0208. 최근 한반도 인근 연안 해역에서 불법어업 문제가 빈번히 발생하고 있다. 특히 불법어업 어선은 Automatic Identification System (AIS) 송신기를 비활성화하기 때문에 야간에 불법어업 어선을 탐지하고 단속하는 것이 더욱 어렵다. 한편 2017년 11월 18일 Suomi National Polar-orbiting (S-NPP) 센서를 탑재한 NOAA-20 (JPSS-1) 위성이 발사되었다. S-NPP의 Visible Infrared Imaging Radiometer Suite (VIIRS)로부터 획득한 Day/Night Band (DNB) 데이터는 저조도 조명(낮은 조명)을 탐지하는 데 활용될 수 있다. 따라서 본 연구에서는 첫째, TeraScan 소프트웨어와 Raw Data Records (RDR), Science Data Records (SDR), Environmental Data Record (EDR) 데이터를 이용하여 S-NPP VIIRS로부터 DNB 데이터를 생성하는 방법을 제시하는 데에 초점을 두었다. 다음으로, DNB 데이터, 신월과 보름달 조명 간의 차이, 그리고 구름 정보를 이용하여 야간 어선 조명을 탐지하기 위한 Deep Neural Network (DNN) 기반 모델을 제안하였다. 본 연구는 야간 어선의 분포를 모니터링하고 한반도 인근 어장을 보호하는 데 기여할 것으로 기대된다.