1 |
1
항만 관리 장치 또는 데이터베이스로부터 선박 트래픽 데이터(Vessel Traffic Data)를 입력받는 데이터 입력부;선박 목적지 예측모델(Vessel Destination Prediction Model)을 생성하기 위해 상기 선박 트래픽 데이터로부터 복수 개의 항목 정보를 추출하고, 상기 항목 정보를 최초 입력 속성 데이터, 최초 출력 속성 데이터로 구분하는 전처리부;상기 선박 트래픽 데이터로부터 복수 개의 항목 정보를 추출하고, 기 생성된 상기 선박 목적지 예측모델 상에 상기 항목 정보를 입력하여 딥 뉴럴 네트워크 알고리즘(Deep Neural Network Algorithm)에 따라 학습한 확률값을 근거로 항만시설별로 산출된 목적지 확률을 예측 결과값으로 출력하는 예측모델 적용부;상기 예측 결과값 중 상위의 기 설정된 개수만을 선별하여 예비 목적지 후보로 선별하는 예비 후보 생성부;상기 예비 목적지 후보와 선박의 네비게이션 정보를 기반으로 상기 예비 목적지 후보 중 일부 후보지를 제외한 필터링 결과를 출력하는 필터링부;상기 필터링 결과 중 최종 목적지 후보를 결정하여 출력하는 최종 목적지 결정부; 및를 포함하되, 상기 전처리부는 복수 개의 상기 항목 정보 중 선박 입항 시각을 이용하여 주변 선박 항만시설 점유율을 계산하는 항만시설 점유율 계산 모듈; 복수 개의 상기 항목 정보 중 선박 길이, 선박 종류, 입항 시간 데이터와 입항 시점의 항만시설 점유율 데이터를 입력 속성으로 구분한 상기 최초 입력 속성 데이터를 생성하는 입력 데이터 생성 모듈; 및 복수 개의 상기 항목 정보 중 해당 선박의 입항 항만시설을 출력 속성으로 구분한 상기 최초 출력 속성 데이터를 생성하는 출력 데이터 생성 모듈을 포함하는 것을 특징으로 하는 선박 목적지 예측 장치
|
2 |
2
제 1 항에 있어서,상기 예측모델 적용부는,상기 선박 트래픽 데이터로부터 항행 구역 정보(Sailing Area), 선박 톤수 정보(Vessel Tonnage), 선박 깊이 정보(Vessel Depth), 선박 길이 정보(Vessel Length), 선박 종류 정보(Vessel Type), 입항 시간 정보, 현재 시점의 항만시설 선박 점유율 정보(Harbor Occupation Rate) 중 적어도 하나 이상의 정보를 입력 속성 데이터(Input Attributes Data)로서 상기 선박 목적지 예측모델에 입력하여 상기 항만시설별로 산출된 목적지 확률을 상기 예측 결과값으로 산출하는 것을 특징으로 하는 선박 목적지 예측 장치
|
3 |
3
제 2 항에 있어서,상기 예측모델 적용부는,기 설정된 히든 레이어(Hidden Layers)를 갖는 다중 레이어 퍼셉트론(Multilayer Perceptron)인 딥 뉴럴 네트워크로 구현된 상기 선박 목적지 예측모델을 적용하는 것을 특징으로 하는 선박 목적지 예측 장치
|
4 |
4
제 1 항에 있어서,상기 예비 후보 생성부는,상기 예측 결과값 중 기 설정된 개수의 상위 값만을 선별하거나 상기 예측 결과값 중 임계치를 초과하는 확률값을 갖는 값만을 선별하여 상기 예비 목적지 후보로 생성하는 것을 특징으로 하는 선박 목적지 예측 장치
|
5 |
5
제 1 항에 있어서,상기 필터링부는,상기 항만 관리 장치 또는 상기 데이터베이스로부터 상기 네비게이션 정보를 수신하고, 상기 네비게이션 정보로부터 선박 위치 정보, 코스 정보 및 경로 가이드 라인 정보를 추출하며, 상기 예비 목적지 후보와 상기 선박 위치 정보, 상기 코스 정보 및 상기 경로 가이드 라인 정보를 기반으로 상기 필터링 결과를 출력하는 것을 특징으로 하는 선박 목적지 예측 장치
|
6 |
6
제 5 항에 있어서,상기 필터링부는,상기 선박 위치 정보, 상기 코스 정보 및 상기 경로 가이드 라인 정보를 기반으로 선박의 진행 방향을 확인하고, 상기 예비 목적지 후보 정보 중 상기 진행 방향을 벗어나는 후보지를 제외한 상기 필터링 결과를 출력하는 것을 특징으로 하는 선박 목적지 예측 장치
|
7 |
7
제 1 항에 있어서,상기 최종 목적지 결정부상기 필터링 결과 중 목적지일 확률이 가장 높은 확률값을 갖는 정보를 상기 최종 목적지 후보로 결정하는 것을 특징으로 하는 선박 목적지 예측 장치
|
8 |
8
삭제
|
9 |
9
삭제
|
10 |
10
제 1 항에 있어서,상기 최초 입력 속성 데이터, 상기 최초 출력 속성 데이터를 입력하여 딥 뉴럴 네트워크 알고리즘(Deep Neural Network Algorithm)에 따라 학습하여 상기 선박 목적지 예측모델을 생성하는 선박 목적지 예측모델 생성부를 추가로 포함하는 것을 특징으로 하는 선박 목적지 예측 장치
|
11 |
11
제 10 항에 있어서,상기 선박 목적지 예측모델 생성부는,상기 최초 입력 속성 데이터와 상기 최초 출력 속성 데이터를 피드포워드(Feed-Forward) 네트워크 딥 러닝 모델에 학습시킨 학습 결과를 출력하는 지도 학습 딥러닝부; 및상기 학습 결과를 기반으로 상기 선박 목적지 예측모델을 생성하는 예측 분류 모델 생성부를 포함하는 것을 특징으로 하는 선박 목적지 예측 장치
|
12 |
12
항만 관리 장치 또는 데이터베이스로부터 선박 트래픽 데이터(Vessel Traffic Data)를 입력받는 과정;선박 목적지 예측모델(Vessel Destination Prediction Model)을 생성하기 위해 상기 선박 트래픽 데이터로부터 복수 개의 항목 정보를 추출하고, 상기 항목 정보를 최초 입력 속성 데이터, 최초 출력 속성 데이터로 구분하는 전처리 과정;상기 선박 트래픽 데이터로부터 복수 개의 상기 항목 정보를 추출하고, 기 생성된 상기 선박 목적지 예측모델 상에 상기 항목 정보를 입력하여 딥 뉴럴 네트워크 알고리즘(Deep Neural Network Algorithm)에 따라 학습한 확률값을 근거로 항만시설별로 산출된 목적지 확률을 예측 결과값으로 출력하는 과정;상기 예측 결과값 중 상위의 기 설정된 개수만을 선별하여 예비 목적지 후보로 선별하는 과정;상기 예비 목적지 후보와 선박의 네비게이션 정보를 기반으로 상기 예비 목적지 후보 중 관련성이 낮은 후보지를 제외한 필터링 결과를 출력하는 과정; 및상기 필터링 결과 중 최종 목적지 후보를 결정하여 출력하는 과정을 포함하되, 상기 전처리 과정은 복수 개의 상기 항목 정보 중 선박 입항 시각을 이용하여 주변 선박 항만시설 점유율을 계산하는 과정, 복수 개의 상기 항목 정보 중 선박 길이, 선박 종류, 입항 시간 데이터와 입항 시점의 항만시설 점유율 데이터를 입력 속성으로 구분한 상기 최초 입력 속성 데이터를 생성하는 과정, 복수 개의 상기 항목 정보 중 해당 선박의 입항 항만시설을 출력 속성으로 구분한 상기 최초 출력 속성 데이터를 생성하는 과정을 포함하는 것을 특징으로 하는 선박 목적지 예측 방법
|