KR 웹진 168호

1. 빅데이터 분석 환경 구축

해사업계에서 빅데이터는 선박의 운항과 관련된 데이터가 대부분이며, 그렇기 때문에 빅데이터 분석을 위한 데이터 확보가 용이하지 않다.

KR에서는 이러한 데이터 확보의 제약을 극복하기 위해, 공개된 빅데이터만을 활용하여 실제 선박의 운항 성능을 분석할 수 있는 환경을 구축하였다. 동적 데이터로서 각 선박의 위치, 속도, 침로, 목적지, 도착예정 시간, 흘수 등을 포함한 AIS 데이터(Automatic Identification System)와 각 위경도별 풍향, 풍속, 파고, 파향, 해류 등을 포함하는 해기상 데이터를 취득 후, 전처리하여 빅데이터 분석을 할 수 있는 데이터로 가공하는 연구를 수행했다. 아울러, 각 선박의 기본 제원 및 엔진 스펙, 건조일, 선사, 조선소 등의 정적 정보를 취득하여 데이터베이스화하였다. 빅데이터 분석 환경 구축의 개요는 Fig. 1과 같다.

Fig. 1 KR 빅데이터 분석환경 구축 개요

2. 빅데이터 응용기술 개발

KR은 이러한 모든 빅데이터를 수집, 처리하여 빅데이터 클러스터에 저장하고, 시간, 위도, 경도, IMO 번호 등의 상호 연계관계에 따라 결합 처리하였다. 그 결과 선박별 운항 경로와 그에 따른 해기상이 포함된 1시간 단위의 테이블 형태의 데이터가 생성된다.

이렇게 처리된 데이터는 언제든지 추출하여 선박별 과거 운항 경로 및 그 당시의 해기상 상황, 선속의 변화 등을 웹상에 가시화하여 한눈에 파악할 수 있도록 Fig. 2와 같이 다양한 애플리케이션을 개발하였다.

Fig. 2 빅데이터기반 선박 운항 분석 가시화

더 나아가, 각 선박별로 평균 운항속도, 황천운항 일수, 해상 환경에 따른 연료 소모량(DFOC; Daily Fuel Oil Consumption) 및 소요마력 추정 등을 할 수 있는 애플리케이션을 구현하였다.

이를 바탕으로 Fig. 3과 같이 동일 항로를 운항하는 단일 선박에 대해 평균 운항속도에 따른 DFOC 및 FOC/nm (Nautical Mile)를 분석하여 “Rush To Wait”에 따른 불필요한 연료 소모 현상을 관찰할 수 있었다.

Fig. 3 항차별 동일항로 비교 분석 (선속과 연비의 관계)

해기상환경(바람, 파도, 수온)에 따른 부가 저항을 ISO15016 방법을 사용하여 추정하고, 선속에 따른 전저항을 Holtrop-Mennen 방법에 의해 계산하여, 실운항 해기상별 선속-마력 커브를 도출할 수 있다.

분석 결과, 설계 선속이 동일하지만 DFOC의 차이가 큰 두 척의 서로 다른 13,000TEU 급 컨테이너선(다른 조선소 건조, 다른 선사 운영)에 대해 아래와 같이 연비를 상호비교 분석할 수 있는 기술을 개발하였다.

Fig. 4 동일선속, 동일화물수송량의 서로 다른 두 선박의 2017년 운항에 따른 선속-마력 곡선 분석

 
3. 빅데이터 분석 응용 서비스 개발

KR은 입급선 1,400여 척을 포함한 컨테이너선, LNG선, 벌크선, 탱커 등 다양한 선종의 약 4천 여척의 선박에 대해 2017년 운항한 데이터를 취득, 처리, 분석하여 본 빅데이터 분석환경의 활용 가능성을 검증하였다. 추후, 실운항 계측 데이터와의 연계, 검증을 통해, 빅데이터 응용기술을 고도화하고, 고객의 요청에 따른 선종별 또는 선박별 맞춤 분석을 지원할 계획이다. 향후 연구로는 딥러닝을 이용한 예측 모델 개발을 통해 과거 운항 데이터 및 해기상 데이터로부터 항로 계획에 따른 소요 연료량, 대수 속도의 변화 등을 빠르게 예측하는 연구를 수행할 계획이다.