생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문요지
목차
제1장 서론 10
1.1. 연구 배경 및 필요성 10
1.2. 선행연구 11
1.3. 연구 내용 및 방법 13
제2장 국내 조선 산업 선박 수요예측 현황 14
2.1. 기존 선박 신수요 예측 방법의 한계 14
2.2. 선박 수요 동인으로서의 환경 규제 관련 이슈 16
2.3. 선진국 및 주요기업 빅데이터 활용 현황 18
제3장 분석방법론 21
3.1. 데이터베이스 구축 21
3.2. 분류 알고리즘을 통한 기계 학습 27
3.2.1. 조건부 추론 나무 31
3.2.2. Random Forest 33
3.2.3. 나이브 베이즈 기계학습 35
제4장 선박 에너지 효율 및 교체수요 분석 40
4.1. 분석자료 선정 40
4.2. 선박 에너지 효율 분석 결과 42
4.2.1. Technical Efficiency 분석 결과 42
4.2.2. Operational Efficiency 분석 결과 46
4.3. 교체가능성이 높은 선박 특징 분석 54
4.4. 선박별 교체가능성 분석 63
4.5. 분석 결과 종합 64
제5장 결론 및 제언 65
참고문헌 66
ABSTRACT 67
〈표 2-1〉 선박 수요 관련 환경 이슈 17
〈표 2-2〉 조선 산업에서의 빅데이터 활용 분야 및 사례 20
〈표 3-1〉 AIS 제공 정보 22
〈표 3-2〉 선박 에너지 효율 분석 연구방향 비교 26
〈표 4-1〉 분석 대상 데이터 선정결과 비교 41
〈표 4-2〉 Technical Efficiency(TE) 분석을 위한 변수 선정 비교 43
〈표 4-3〉 Technical Efficiency(TE) 분석결과 비교 44
〈표 4-4〉 Operational Efficiency(OE) 분석을 위한 변수 선정 비교 48
〈표 4-5〉 Operational Efficiency(OE) 분석결과 비교 52
〈표 4-6〉 Parameters for Determination of Reference Line Values for the... 54
〈표 4-7〉 Reduction factors (in percentage) for the EEDI relative to the... 55
〈표 4-8〉 Containership 크기별 요구되는 EEDI Reference Line 56
〈표 4-9〉 분류 알고리즘에 따른 교체 가능성 높은 선박들 특징 61
〈표 4-10〉 분류 알고리즘에 따른 교체 가능성 낮은 선박들 특징 62
〈표 4-11〉 연구결과 종합 64
〈그림 2-1〉 선박 신수요 예측모델 Overview 15
〈그림 3-1〉 S-AIS 활용 선박 에너지 효율 분석 플랫폼 개발 결과 21
〈그림 3-2〉 인공위성 선박 위치 데이터 가시화 예시 23
〈그림 3-3〉 선박 Spec 데이터 예시 24
〈그림 3-4〉 선박 에너지 효율 분석 통합 데이터베이스 25
〈그림 3-5〉 의사 결정 나무의 예 28
〈그림 3-6〉 지니 불순도 30
〈그림 3-7〉 아이리스 데이터에 대한 ctree() 수행 결과 32
〈그림 3-8〉 randomForest를 사용한 변수 중요도 평가 34
〈그림 4-1〉 Containership Technical efficiency 분석 결과(2013) 45
〈그림 4-2〉 Containership Technical efficiency 분석 결과(2016) 45
〈그림 4-3〉 나이브 베이즈 분류자 조건 확률 계산 결과(확률) 50
〈그림 4-4〉 나이브 베이즈 분류자 조건 확률 계산 결과(유의성) 51
〈그림 4-5〉 Containership Operational efficiency 분석 결과(2013) 53
〈그림 4-6〉 Containership Operational efficiency 분석 결과(2016) 53
〈그림 4-7〉 선박별 TE 분석 결과와 EEDI Reference Line 비교 57
〈그림 4-8〉 선박별 OE 분석 결과와 EEDI Reference Line 비교 57
〈그림 4-9〉 분류 알고리즘(조건부 추론 나무) 분석 결과 58
〈그림 4-10〉 Scatter plot matrix 분석 결과 59
〈그림 4-11〉 분류 알고리즘 (randomForest) 분석 결과 60
〈그림 4-12〉 randomForest 를 사용한 변수 중요도 평가 60
초록보기 더보기
선박 자동 식별장치(Automatic Identification System, AIS)는 선박 충돌 회피 등 선박 항해 및 항해 안전상의 용도로 개발된 시스템으로 선박에 의무적으로 설치되어 실시간 선박위치 및 속도, 방향 등 각종 항해 정보 데이터를 생성한다. 국제해사기구(International Maritime Organization, IMO) 등 관련 국제기관에서도 AIS 데이터의 활용성에 주목하여 활발한 연구가 이루어지고 있으며, 특히 인공위성 통신 기반의 AIS 데이터(일일 120,000척 이상의 선박으로부터 10,000,000건 이상의 정보를 수집)를 활용하면 전 세계를 항해하고 있는 각 선박별 운항 상태와 에너지 효율(Energy Efficiency)을 분석할 수 있을 것으로 기대된다. 본 연구에서는 인공위성 통신 기반의 선박 자동 식별장치 데이터를 간략히 인공위성 선박 위치 데이터(Satellite-AIS)로 정의한다.
상기 에너지 효율은 선박운항에 따른 CO₂ 발생량을 추정하는 개념으로, IMO에서 도입을 시작한 에너지효율설계지수(Energy Efficiency Design Index, EEDI)나 에너지효율운항지수(Energy Efficiency Operational Indicator, EEOI) 등의 지표와 유사한데, IMO는 선박 설계·건조 단계나 운항단계에서 발표되는 동 지표를 기본적으로 활용하여 CO₂ 발생량을 모니터링 할 것으로 예상된다. 조선소나 선사가 자체적으로 EEDI, EEOI를 발표하기 시작한 이후에도 좀 더 객관적이고 지속적으로 실시간 비교분석이 가능한 CO₂ 발생량 측정방법에 대한 필요성이 높아져 왔는데, 인공위성 선박 위치 데이터(Satellite-AIS)를 활용한 CO₂ 발생량, 즉 에너지 효율 추정 방법론에 대한 의미 있는 연구결과가 University College London에서 2013년에 발표된 바 있다.
본 연구에서는 2015년 7월부터 12월초까지 인공위성 기반 선박 위치 데이터(Satellite-AIS) 분석용 데이터베이스를 구축을 시작으로, 동 데이터 기반 선박 에너지 효율 측정 개념을 보다 간소화하고 선박 별로 손쉽게 비교분석 할 수 있는 방법을 연구함으로써, 향후 IMO의 CO₂ 발생량 규제에 취약할 것으로 예상되거나 상대적으로 CO₂ 발생량이 높은 선박들을 구분하고, 미래 선박교체수요 예측 등 다양한 분석결과를 도출하였다. 실질적으로 CO₂ 발생량 규제기준 대비 초과하는 선박분석, 교체가능성이 높아 보이는 선박들의 특징 규명, 교체가능성을 정량화 하는 단계로 연구를 진행하였으며, 향후 실제 선박교체여부와의 상관관계 규명을 통해 실시간 수요예측에 적극 활용할 것을 제언하였다.
연구 결과 평균적인 실운항 선박 에너지 효율은 EEDI 기준을 준수하고 있는 것으로 보이지만 평균보다 높은 값을 가지는 선박들이 다수 있으며, 이들의 특징은 디자인 단계의 선박 에너지 효율(Technical Efficiency) 및 실운항 단계의 선박 에너지 효율(Operational Efficiency)가 모두 높고, 저속운항의 특징을 가지고 있었다. 또한 에너지 효율 즉 CO₂ 발생량이 높아 향후 교체 가능성이 높은 선박들을 특정 선사(Owner)가 많이 보유하고 있음을 알 수 있었다.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
