LSTM 기반 선박 이상 행위 식별 알고리즘
Development of an intelligent coastal surveillance system using deep learning: LSTM model
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
3면이 바다로 둘러싸인 대한한국의 지형적 특성을 고려했을 때 해안경계작전의 중요성은 매우 크다. 하지만 병력자원의 감소, 해안경계장비의 누후화, 민간 어업 활동의 증대로 인하여 해안경계작전의 어려움은 날로 증대되고 있다. 이러한 문제점을 해결하기 위해 딥러닝 기법을 활용한 해안경계작전 알고리즘을 제시한다. 선박 항로 데이터가 시간에 따른 위치 좌표를 표현하는 시계열 데이터라는 점을 착안하여, 시계열 데이터 학습에 유리한 LSTM 기법을 사용하여 선박의 항로에 대한 패턴을 학습하고 예측할 수 있다. 추출된 모델이 탑재된 경계작전시스템은 새롭게 관측되는 선박에 대한 정상행위 및 이상행위를 탐지할 수 있다.
Abstract
Coastal surveillance operations are significantly important in South Korea due to its geographic characteristics that Korea's three sides are surrounded by sea. However, the difficulties of coastal surveillance operations have been growing due to a reducing of human resources, deterioration of coastal security equipments, and an increasing number of untractable fishing activities. On the purpose of tackle these problems, we propose a new algorithm for the coastal surveillance operations system using deep learning model. As a vessel trajectory data is time dependent which contains vessel's location and time information, an LSTM(Long short-term memory) deep learning model is able to learn and predict the patterns of vessel's fairway. Hence, the model can be easily applied to the coastal surveillance system. With the proposed model, it is easy to read a newly observed object is either normal or abnormal.
참고문헌 (21)
- 김태호, "소형표적에 대한 합동 해안경계시스템 작전효과 분석방법 연구", 정보처리학회논문지. 컴퓨터 및 통신시스템, 11(2), pp.59~66 (2022), 한국정보처리학회
- 김귀근, "2037년께 현역자원 부족...병력제도 ‘발등의 불", 연합뉴스, ~ (2021)
- 배경열, "PEST-7S-SWOT 방법론을 적용한 지상작전 혁신을 위한 인공지능(AI) 발전전략에 관한 연구", 한국산학기술학회논문지, 22(6), pp.67~74 (2021), 한국산학기술학회[DOI]
- 신효재, "한기호 국회의원, 적 침투대비 '해안경계작전 강화' 3법대표발", MTN 뉴스, ~ (2021)
- 이기종, "에이블맥스㈜, 국내 최초 ‘지능형 해안감시체계 AI 학습모델’ 서울 ADEX 2021 전시", 뉴스프리존, ~ (2021)
- 이용호, "경북 동해안, 경계철책 걷어내고 관광명소 만든다", 한국일보, ~ (2018)
- 이호철, "해상 소형표적 탐색 모형 및 작전운영 방안", 한국군사학논집, 77(3), pp.405~424 (2021), 화랑대연구소[DOI]
- 한창희, "해안 경계 지능화를 위한 AI학습 모델 구축 방안", 인터넷정보학회논문지, 23(1), pp.77~86 (2022), 한국인터넷정보학회
- 황조연, "레이더기반의 통합해안감시체계 구축에 관한 개념 연구", 한국IT정책경영학회 논문지, 9(4), pp.433~443 (2017), 한국IT정책경영학회
- 해양수산부, "경남 및 경남 인근 EEZ 해역 해양공간계획(안) 요약", 경상남도, ~ (2019)
- A. Octavian, "Designing Intelligent Coastal Surveillance based on Big Maritime Data", 2020 International Workshop on Big Data and Information Security(IWBIS) (2020)
- D. Birant, "St-dbscan: An algorithm for clustering spatial–temporal data", Data & knowledge engineering, 60(1), pp.208~221 (2007)
- E. Schubert, "DBSCAN Revisited, Revisited: Why and How You Should (Still) Use DBSCAN", ACM Transanction on Database Systems, 42(19), pp.1~21 (2017)
- Hansoo, Kim, "Hybird data-driven and physics-based flight trajectory prediction in terminal airspace", MS, pp.2021
- J. Chung, "Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling", NIPS 2014 Deep Learning and Representation Learning Workshop (2014)
- M. Schuster, "Bidirectional Recurrent Neural Networks", IEEE Transaction on Signal Processing, 45(11), pp.2673~2681 (1997)
- S. Hochreiter, "Long short-term memory", Neural computation, 9(8), pp.1735~1780 (1997)
- S. Kiranyza, "1D convolutional neural networks and applications:A survey", Mechanical systems and signal processing, (151), pp.1~21 (2021)
- Yangdong He, "Temporal Convolutional Networks for Anomaly Detection in Time Series", IOP Conference Series: Journal of Physics, pp.1213~ (2019)