연구 개략도.(사진=국립창원대 제공)

국립창원대학교 인공지능융합공학과 심성현 교수 연구팀이 최근 인공지능 기반 해상 충돌 위험을 예측하는 해양 물류 안전 분야에서 주목할 만한 연구 성과를 거뒀다.

17일 심 교수팀은 부산대 산업공학과, 한국선박해양연구원(KRISO), 부산대 데이터사이언스학과와 공동으로 딥러닝과 설명가능 인공지능(XAI)을 결합한 새로운 해상 충돌 위험 예측 프레임워크를 개발했으며, 해당 연구 결과는 해양공학 분야의 세계적 학술지 ‘Ocean Engineering(IF 5.5, Top JCR 2.3%)’ 2025년 11월호에 게재(제목: Deep learning framework for regional maritime collision risk assessment using CNN and Grad-CAM)됐다고 밝혔다.

이번 연구는 전 세계 해상 물동량의 80% 이상을 차지하는 해양 운송에서 심화되는 교통 혼잡과 충돌 사고 위험 문제를 해결하기 위한 것이다. 기존의 충돌 위험 평가 방식은 ‘선박 간 최소 안전거리(ship domain)’나 ‘접근거리(CPA)’ 등 단일 지표에 의존해 복잡한 다중 선박 간 상호작용을 충분히 반영하지 못했다.

연구팀은 이러한 한계를 극복하기 위해 자동선박식별장치(AIS) 데이터를 활용, 선박 간 상대적 위치와 방향을 격자 형태로 변환한 ‘상대교통표현(Relative Traffic Representation, RTR)’을 구축하고, 이를 기반으로 합성곱신경망(CNN)을 학습시켜 충돌 위험도가 높은 해역을 자동 판별하는 모델을 설계했다.

특히 이번 연구의 핵심은 예측 결과를 ‘설명할 수 있는 인공지능(Explainable AI)’ 구조로 확장한 데 있다. CNN이 내린 판단을 ‘Grad-CAM(Gradient-weighted Class Activation Mapping)’으로 시각화해 모델이 어떤 공간적 요인을 위험 판단에 활용했는지를 명확히 보여주는 위험 영향 분포 지도(RIDM)를 제시했다.

또한 연구팀은 이를 바탕으로 중심 반경 분포(CR)를 정의하고, 새로운 위험 지표인 ‘위험 영향 반경(Risk Influence Radius, RIR)’을 도입하여 해양 교통 패턴을 정량적으로 해석할 수 있는 기반을 마련했다.

실험 결과, 제안된 딥러닝 모델은 한국 연안 해역의 3660건의 저위험 사례와 366건의 고위험 사례를 분석해 F1-score 0.93, 정확도 96.2%의 높은 성능을 달성했다. 이와 함께 고위험 해역과 저위험 해역 간의 RIR 분포는 10km와 20km 범위에서 유의미한 차이(p < 0.05)를 보여, 제안된 지표가 실제 충돌 위험의 공간적 특성을 효과적으로 반영하고 있음을 입증했다.

심성현 국립창원대 교수는 “이번 연구는 해양 안전 분야에서 인공지능이 단순히 ‘예측’하는 수준을 넘어, 사고 발생의 공간적 원인을 설명하고 시각화할 수 있는 단계로 발전했다는 점에서 의미가 크다”며 “향후 실시간 AIS 데이터와 기상·조류 데이터를 통합해 자율운항선박의 충돌 회피 및 해상교통관제(VTS) 시스템에 적용할 계획”이라고 설명했다. 해당 기술은 현재 선박해양플랜트연구소(KRISO)와 공동으로 개발 중인 자율운항선박 해상안전관제 모니터링 시스템에도 적용될 예정이다.

이번 연구는 해양 안전 분야에서 정확성과 해석 가능성을 동시에 확보한 최초의 지역 단위 충돌 위험 예측 프레임워크로 평가된다. 이 기술은 향후 항만 교통 관리, 항로 최적화, 자율운항선박의 위험 인식, 해양사고 조기경보 시스템 구축 등 다양한 분야로 확산될 것으로 기대된다.

한편 심성현 교수는 지난 9월 대통령 직속 국가인공지능전략위원회 지역 태스크포스(지역 TF) 위원으로 위촉돼 경남과 창원 국가산업단지를 비롯한 지역 산업 현장에서 AI를 활용한 스마트 제조·방산·물류 혁신 전략과 인재 양성 정책을 발굴하고, 이를 국가 AI 전략과 긴밀히 연계하는 핵심적 역할 등을 수행하게 된다.