해양 이동성 분석을 위한 데이터 기반 궤적 보간

초록

본 논문은 AIS 데이터의 빈틈을 메우기 위해 H3 육각형 인덱스를 활용한 경량 프레임워크 HABIT을 제안한다. 역사적 AIS 기록에서 추출한 이동 패턴을 그래프로 집계하고, 최단경로와 데이터‑드리븐 보정 과정을 통해 결측 구간을 실용적인 해상 경로로 복원한다. 실험 결과, 정확도는 기존 방법과 동등하면서 지연 시간과 연산 비용에서 우수함을 보인다.

상세 분석

HABIT은 네 단계 파이프라인으로 구성된다. 첫 번째 단계에서는 AIS 원시 데이터를 정제하고, 시간·속도·방위 변화를 기준으로 개별 ‘트립’으로 분할한다. 이때 오류 데이터와 비정상적인 스팸 메시지를 필터링함으로써 후속 분석의 신뢰성을 확보한다. 두 번째 단계에서는 정제된 위치 정보를 H3 육각형 인덱스로 매핑하고, 셀 간 전이 빈도와 거리 등을 엣지 속성으로 갖는 방향성 그래프를 구축한다. H3의 계층적 특성 덕분에 전 세계 해역을 일관된 해상 격자로 압축할 수 있어 메모리 사용량이 크게 감소한다. 세 번째 단계에서는 결측 구간의 양 끝점이 속한 H3 셀을 그래프에 입력하고, 전이 가중치를 이용해 최단 경로를 탐색한다. 여기서 가중치는 단순 거리뿐 아니라 셀 통과 횟수, 선박 종류별 통계, 해양 환경 제약(예: 연안, 보호구역) 등을 복합적으로 반영한다. 탐색된 셀 시퀀스는 실제 위도·경도 좌표로 역변환될 때, H3 셀 중심이 아닌 셀 내부에서 가장 가능성이 높은 위치를 추정하기 위해 데이터‑드리븐 보정 모델을 적용한다. 마지막 단계에서는 보간된 궤적을 스무딩 알고리즘(예: 이동 평균·베지어 곡선)으로 다듬어 급격한 회전이나 비현실적인 이동을 제거하고, 항해 가능성을 검증한다. 논문은 기존 차량 기반 보간 기법(TrImpute, GTI, TERI 등)과 해양 전용 모델(DAISTIN, TrajDiff, MH‑GIN 등)을 벤치마크로 삼아, 다양한 AIS 데이터셋(시간대, 밀도, 선박 유형)에서 정확도(RMSE)와 처리 지연(Latency)을 비교한다. 결과는 HABIT이 정확도 면에서는 기존 방법과 동등하거나 약간 우수하고, 특히 대규모 데이터(수억 건) 처리 시 지연 시간이 30% 이상 감소함을 보여준다. 또한, H3 기반 그래프는 분산 처리 없이 DuckDB와 NetworkX만으로도 실시간 수준의 추론이 가능하도록 설계돼, 저비용 인프라에서도 적용 가능성을 높인다. 이와 같이 HABIT은 해양 특유의 부드러운 회전, 항구·정박 구역의 복잡한 움직임, 기상에 따른 비정형 경로 등을 데이터‑드리븐 방식으로 포착함으로써, AIS 결측을 단순 선형 보간이 아닌 실제 항해 가능한 경로로 복원한다는 점에서 의미가 크다.