본 연구에서는 항만 간 궤적 데이터를 이용한 장단기 메모리(long short-term memory) 네트워크 기반 선박 항로 예측 모델을 제시한다. 선박 항로 예측에 흔히 사용되는 전통적인 자동 식별 시스템(Automatic Identification System)의 데이터는 불균일한 샘플링 간격과 노이즈로 인해 제한된다. 이러한 문제를 해결하기 위해, 목표 선박인 정기 컨테이너 운반선으로부터 10초마다 수집된 동일 간격 데이터(equal-interval data)를 사용하였다. 본 연구는 군산항과 부산항 간의 전체 궤적을 예측하는 데 초점을 둔다. 핵심 평가 지표로는 두 궤적 간의 평균 거리 d¯, 평균 절대 오차(mean absolute error; MAE), 제곱근 평균 오차(root mean square error; RMSE)를 사용하였다. 분석 결과 RMSE = 0.000999, MAE = 0.000672, d¯ = 0.101 km로서 우수한 예측 성능을 보였다. 따라서 본 연구는 항만 간 전체 항로를 예측하기 위한 기반을 제공하며, 선박 운항 관리에 대한 실용적 통찰을 제공한다. 정확한 항로 예측은 항만 혼잡을 줄이고 연료 효율을 향상시키며 탄소 배출을 저감하는 데 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.