실제 AIS 데이터를 활용한 자동선 안전위험 시나리오 자동 생성 프레임워크

본 논문은 자율 선박 시스템의 디지털 테스트에 필요한 현실감 있고 다양성 있는 안전‑중심 만남(encounter) 시나리오를 자동으로 생성하는 데이터‑드리븐 프레임워크를 제안한다. 기존 연구는 (1) 규칙 기반 템플릿(예: COLREGs)으로 해석 가능하지만 현실성 부족, (2) AIS 데이터 직접 추출로 현실성 확보하지만 희귀 고위험 상황이 부족하다는 한계를 가지고 있었다. 이를 극복하기 위해 저자는 크게 세 단계의 파이프라인을 설계하였다. 1. **데이터 전처리 및 항로 정의** - AIS 원시 데이터를 수집하고, 관심 지역·시간대의 항로를 필터링한다. - 타임스탬프 간격을 일정하게 재샘플링하고, 결측·이상치를 제거·보간한다. - 두 개의 주요 항로(Route 1, 2)를 정의해 각각을 학습용 궤적 집합으로 만든다. 2. **다중 스케일 변분 오토인코더(Conflux VAE) 기반 궤적 생성** - 기존 VAE에 “Conflux EMA” 블록을 삽입한다. Conflux EMA는 세 개의 병렬 EMA(소‑중‑대 스케일) 헤드를 갖고, 각 헤드는 서로 다른 시간 윈도우(단계별 변위, 구간 전술, 전체 방향)를 학습한다. - 학습 가능한 softmax 게이트가 세 스케일 출력을 가중합해 residual 형태로 입력에 더한다. 이는 선박 움직임의 시간적 지역성을 반영하고, GPS·AIS 고주파 노이즈를 저역통과 필터링한다. - 인코더는 1‑D Conv + Conflux EMA로 특징을 추출하고, 평균·분산 파라미터(µ, σ)를 출력한다. 재파라미터화 후 디코더는 대칭 구조로 궤적을 복원한다. - 손실은 β‑VAE 형태로 재구성 MSE와 KL 발산을 가중합한다. 생성 후 Savitzky‑Golay 필터를 적용해 부드러운 궤적을 얻는다. 3. **자동 Encounter 매칭 및 시나리오 표준화** - 생성된 궤적 풀에서 공간적 근접성(거리 < δ)과 시간적 겹침을 만족하는 선박 쌍을 자동으로 탐색한다. - 각 쌍에 대해 가장 근접한 순간(Closest‑Point‑of‑Approach, CPA)을 기준으로 전·후 일정 시간(예: −30 s ~ +30 s) 구간을 추출한다. - 추출된 구간을 표준 시나리오 포맷으로 변환한다. 포맷에는 각 선박의 위치, 속도, 항해 방향, 상대 거리·속도, CPA·TCPA 등 핵심 파라미터가 포함된다. **실험 및 평가** - 실제 동북아·동해 AIS 데이터(수십만 트랙)를 사용해 모델을 학습하였다. - 비교 대상: LSTM 기반 시퀀스 생성, GAN 기반 궤적 생성, 기존 단일‑스케일 VAE. - 평가 지표: MAE, MSE(점별 오차), Fréchet Distance 기반 DM, MMD(분포 차이). 제안 모델은 MAE ≈ 0.12 nm, MSE ≈ 0.018 nm² 등에서 기존 방법보다 15‑20 % 개선하였다. 특히 급격 회전·가속 구간에서 부드러움이 크게 향상되었다. - 안전‑중심 시나리오 생성 측면에서는, 원본 데이터에 존재하지 않았던 “head‑on at 0.5 nm”, “crossing at 30°” 등 고위험 케이스를 자동으로 3배 이상 확대 생성하였다. 생성된 시나리오들은 시뮬레이터(예: MOOS‑Ivy, Open‑Sea‑Sim)와 연동해 테스트했으며, 충돌 회피 알고리즘의 경계 조건을 효과적으로 검증할 수 있었다. **기여 및 한계** - **기술적 기여**: (1) 다중‑스케일 EMA를 활용한 VAE 설계, (2) 노이즈‑강인 궤적 생성 파이프라인, (3) 자동 encounter 매칭·시간 파라미터화 메커니즘. - **한계**: 현재는 2‑ship encounter만 다루며, 다중 선박 복합 상황 확장은 미구현; 지역적 AIS 데이터 편향으로 전역적 일반화가 제한될 수 있음; 위험도 평가는 CPA·TCPA 외에 시뮬레이션 기반 위험 점수와 연계되지 않아 향후 연구가 필요하다. **결론** 제안된 프레임워크는 대규모 AIS 데이터를 활용해 현실적인 통계 특성을 보존하면서도, 희귀 고위험 상황을 인위적으로 확대·다양화할 수 있다. 이는 자율 선박 시스템의 디지털 테스트, 벤치마크 구축, 안전성 평가에 실용적인 시나리오 라이브러리를 제공한다는 점에서 큰 의의를 가진다.