DBSCAN을 이용한 등부표 위치 데이터 Clustering 연구(Ⅰ)
A Study on Data Clustering of Light Buoy Using DBSCAN(Ⅰ)
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
등부표는 조류, 바람 등 외력에 영향을 받아 위치가 항상 유동적이고 위치는 항로표지용 AIS 또는 RTU를 통해 확인할 수 있다. 위치 확인이 가능한 등부표의 최근 5년간(2017~2021년) 위치 데이터 분석 결과 위치 오류 데이터는 평균 15.4%로 나타났으며 항해 안전사고 예방 및 관리를 위해서는 위치 오류 데이터를 검출하고 정제된 위치 데이터 획득이 필요하다. 본 연구에서는 항로표지용 AIS 또는 RTU를 통해 획득한 위치 데이터를 DBSCAN Clustering하여 위치 오류 데이터를 검출하고 정제된 위치 데이터를 획득하고자 한다. 이를 위하여 위치 오류가 가장 많은 서해 해역 중 RTU가 설치된 군산항 1호 등부표의 21년도 위치 데이터를 Python library를 사용하여 DBSCAN Clustering 하였다. DBSCAN Clustering에 필요한 minPts는 2차원 데이터에 일반적으로 사용하는 값을 적용하였고 epsilon은 k-NN(최근접 이웃)알고리즘을 사용하여 값을 산출 및 적용하였다. DBSCAN Clustering 결과 minPts와 epsilon을 만족하지 못하는 위치 오류 데이터를 검출하였고 정제된 위치 데이터를 획득할 수 있었다. 본 연구는 항로표지용 AIS 또는 RTU가 설치된 등부표의 신뢰성 있는 위치 데이터를 획득할 수 있는 기초 자료로 활용할 수 있으며 항해 안전사고 예방에도 큰 도움이 될 것으로 판단된다.
Abstract
The position of a light buoy is always flexible due to the influence of external forces such as tides and wind. The position can be checked through AIS (Automatic Identification System) or RTU (Remote Terminal Unit) for AtoN. As a result of analyzing the position data for the last five years (2017-2021) of a light buoy, the average position error was 15.4%. It is necessary to detect position error data and obtain refined position data to prevent navigation safety accidents and management. This study aimed to detect position error data and obtain refined position data by DBSCAN Clustering position data obtained through AIS or RTU for AtoN. For this purpose, 21 position data of Gunsan Port No. 1 light buoy where RTU was installed among western waters with the most position errors were DBSCAN clustered using Python library. The minPts required for DBSCAN Clustering applied the value commonly used for two-dimensional data. Epsilon was calculated and its value was applied using the k-NN (nearest neighbor) algorithm. As a result of DBSCAN Clustering, position error data that did not satisfy minPts and epsilon were detected and refined position data were acquired. This study can be used as asic data for obtaining reliable position data of a light buoy installed with AIS or RTU for AtoN. It is expected to be of great help in preventing navigation safety accidents.
참고문헌 (15)
- Beyer, "When Is"Nearest Neighbor"Meaningful?", Database Theory-ICDT’99(LNCS), 1540, pp.217~235 (1998)
- 최은선, "K-NN 알고리즘 이해를 기반한 머신러닝 교육 프로그램의 개발 및 적용", 정보교육학회논문지, 25(1), pp.175~184 (2021), 한국정보교육학회[DOI]
- Ester, M., "A density-based algorithm for discovering clusters in large spatial databases with noise", In Kdd, 96(34) (1996)
- 국승기, "서해권 항로표지용 AIS(AtoN AIS) 시스템의 운영실태분석 및 개선방안 연구", 한국항해항만학회지, 37(4), pp.391~400 (2013), 한국항해항만학회
- Jeong, T. G., "Theory of Marne Aids to Navigation", pp.676~ (2013), Sejong Publisher
- 전종찬, "이기종의 AIS AtoN을 지원하는 항로표지 통합관리 시스템", 한국차세대컴퓨팅학회 논문지, 7(3), pp.28~38 (2011), 한국차세대컴퓨팅학회
- 문범식, "LL-26(M) 등부표의 해역별 동적안정성에 관한 연구", 한국항해항만학회지, 44(3), pp.166~173 (2020), 한국항해항만학회
- 이민혁, "개선된 DBSCAN 알고리즘을 이용한 대중교통 정류장 군집화 기법", 대한공간정보학회지, 25(4), pp.97~106 (2017), 대한공간정보학회[DOI]
- Aids to Navigation annual report, "Ministry of Ocean and Fisheries", 123~125 (2006)
- Ministry of Ocean and Fisheries, "Harbour and Fishery Design Criteria", 1428~1447 (2014)
- Ministry of Ocean and Fisheries, "The 2nd Basic plan of Aids to Navigation", 3~38 (2015)
- 문범식, "항로표지용 AIS 및 RTU가 부착된 부유식 등부표의 이출위치 연구", 한국항해항만학회지, 46(4), pp.313~320 (2022), 한국항해항만학회
- "National Geographic Information Institute" (2022)[URL]
- "Machine Learning Basics with the K-Nearest Neighbors Algorithm" (2018)[URL]
- Wen, Y., "Automatic ship route design between two ports: A data-driven method", Applied Ocean Research, 96 (2020)