Acknowledgement
본 논문은 해양수산부와 해양수산과학기술진흥원의 지원을 받아 수행하는 '지능형 해상교통정보 서비스 기반의 해상디지털 정보활용 기술개발'에 의해 수행되었습니다.
Proceedings of the Korean Institute of Navigation and Port Research Conference (한국항해항만학회:학술대회논문집)
- 2023.05a
- /
- Pages.204-205
- /
- 2023
A Study on the Prediction of Ship Collision Based on Semi-Supervised Learning
준지도 학습 기반 선박충돌 예측에 대한 연구
- Ho-June Seok (Suresoft Technologies Inc.) ;
- Seung Sim (Suresoft Technologies Inc.) ;
- Jeong-Hun Woo (Suresoft Technologies Inc.) ;
- Jun-Rae Cho (Suresoft Technologies Inc.) ;
- Deuk-Jae Cho (Korean Research Institute of Ships & Ocean engineering) ;
- Jong-Hwa Baek (Korean Research Institute of Ships & Ocean engineering) ;
- Jaeyong Jung (Suresoft Technologies Inc.)
- 석호준 (슈어소프트테크(주) DX 신사업실) ;
- 심승 (슈어소프트테크(주) DX 신사업실) ;
- 우정훈 (슈어소프트테크(주) DX 신사업실) ;
- 조준래 (슈어소프트테크(주) DX 신사업실) ;
- 조득재 (선박해양플랜트연구소 해사디지털서비스연구센터) ;
- 백종화 (선박해양플랜트연구소 해사디지털서비스연구센터) ;
- 정재룡 (슈어소프트테크(주) DX 신사업실)
- Published : 2023.05.02
Abstract
This study studied a prediction model for sending collision alarms for small fishing boats based on semi-supervised learning(SSL). The supervised learning (SL) method requires a large number of labeled data, but the labeling process takes a lot of resources and time. This study used service data collected through a data pipeline linked to 'intelligent maritime traffic information service' and data collected from real-sea experiment. The model accuracy was improved as a result of learning not only real-sea experiment data with labeling determined based on actual user satisfaction but also service data without label determined together.
본 연구는 준지도학습(SSL)을 기반한 소형 어선의 충돌 경보 송출 예측 모델에 관한 연구이다. 지도학습(SL) 방법은 레이블링된 다수의 데이터가 필요하지만 레이블링 과정에서 많은 자원과 시간이 소요된다. 본 연구는 '지능형 해상교통정보 서비스'와 연계한 데이터 파이프 라인을 통해 수집된 서비스 데이터와 실해역 시험에서 수집한 데이터를 사용하였다. 실제 사용자 만족도 기반으로 레이블이 결정된 실해역 시험 데이터만 아니라 레이블이 결정되지 않은 서비스 데이터를 함께 학습시킨 결과, 모델 정확도가 향상되었다.
Keywords