표제지
목차
Abstract 7
제1장 서론 12
1.1. 연구의 배경 12
1.1.1. 선박충돌사고 현황 및 문제점 12
1.1.2. 선교시스템 현황 및 문제점 13
1.2. 연구의 목적 15
1.3. 연구의 내용 및 구성 15
제2장 상황인지이론 및 머신러닝의 이론적 배경 17
2.1. 상황인지이론 17
2.1.1. 상황인지이론의 개념 17
2.1.2. 상황인지와 행동의 관계 20
2.1.3. 상황인지의 경로 21
2.2. 머신러닝 22
2.2.1. 머신러닝의 개념 22
2.2.2. 머신러닝의 작동 방식 23
2.2.3. 분류학습기법의 종류 25
2.2.4. 적용의 절차 및 주의사항 29
제3장 선박운항자의 충돌위험상황인지 여부 측정 경보 시스템 구성 34
3.1. 충돌위험상황인지 여부 측정 경보 시스템 34
3.1.1. 시스템의 개요 34
3.1.2. 시스템의 구성 35
제4장 모의실험을 통한 선박운항자의 충돌위험상황인지 여부 측정 알고리즘 개발 39
4.1. 충돌위험상황인지 전·후 행동 패턴 수집을 위한 실험 41
4.1.1. 실험의 목적 41
4.1.2. 실험의 구성 41
4.2. 데이터 처리 47
4.2.1. 시계열 데이터 샘플링 48
4.2.2. 특징요소 추출 52
4.3. 머신러닝의 적용 62
4.3.1. 학습모델의 선택 62
4.3.2. 학습모델 최적화 63
4.4. 선박운항자의 충돌위험상황인지 여부 측정 알고리즘의 정확도 분석 결과 67
4.4.1. 알고리즘의 정확도 67
4.4.2. 부착 부위별 정확도 70
4.4.3. 2개 센서의 조합 별 정확도 71
제5장 선박운항자의 충돌위험상황인지 여부 측정 알고리즘 검증 실험 72
5.1. 검증실험의 구성 72
5.2. 검증실험 수행 73
5.3. 적용실험의 결과 74
5.3.1. 충돌위험상황인지 여부 측정 정확도 74
5.3.2. 직접관찰과 측정결과의 비교 74
제6장 결론 76
6.1. 결론 76
6.2. 향후 연구 과제 78
참고 문헌 79
Table 2.1. Example of feature data 30
Table 4.1. Participant information 44
Table 4.2. Raw data matrix 49
Table 4.3. Result of direct observation 50
Table 4.4. Before / After duration (㎜:ss) 51
Table 4.5. Reduction number of rows using window size(20) 53
Table 4.6. Feature extraction for one sensor 54
Table 4.7. Model training accuracy 62
Table 4.8. Feature selected 64
Table 4.9. Accuracy for each body part 70
Table 4.10. Accuracy for combined(wrist + other) 71
Fig. 1.1. Status of bridge system composed of human and navigation... 14
Fig. 2.1. Flow from situation awareness to action 18
Fig. 2.2. Automaticity in cognitive process 20
Fig. 2.3. Ways of situation awareness 21
Fig. 2.4. Machine learning techniques 23
Fig. 2.5. Example of clustering 25
Fig. 2.6. Example of KNN 26
Fig. 2.7. Example of SVM 27
Fig. 2.8. Example of decision making tree 28
Fig. 2.9. Example of comfusion matrix 31
Fig. 2.10. Example of overfitting 32
Fig. 3.1. Framework of system 35
Fig. 3.2. Flowchart for navigator's collision awareness evaluation and... 36
Fig. 3.3. Loop of situation awareness through action 37
Fig. 4.1. Flowchart of research 40
Fig. 4.2. Simulation scenario 42
Fig. 4.3. Wearble sensor and body attached 46
Fig. 4.4. Experiment process 47
Fig. 4.5. Time series data sample standard 52
Fig. 4.6. Comparession between raw X-axis acc. and Max & min acc 55
Fig. 4.7. Comparession between raw X-axis acc. and average acc 56
Fig. 4.8. Comparession between raw X-axis acc. and standard deviation 57
Fig. 4.9. Comparession between raw 3-axis acc. and vector magnitude 58
Fig. 4.10. Comparession between raw X,Y-axis acc. and corr. X-Y 59
Fig. 4.11. Comparession between raw X,Z-axis acc. and corr. X-Z 60
Fig. 4.12. Comparession between raw Y,Z-axis acc. and corr. Y-Z 61
Fig. 4.13. Accuracy overall (4 sensor) 69
Fig. 5.1. Scenario for validation experiment 72
Fig. 5.2. Validation experiment 73
Fig. 5.3. Validation result 75