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.

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