[논문 리뷰] Maritime situational awareness using adaptive multi-sensor management under hazy conditions

Dilip K. Prasad, Chandrashekar Krishna Prasath외 4명|arXiv (Cornell University)|2017. 02. 02.

Maritime Navigation and Safety참고 문헌 17인용 수 3

한 줄 요약

이 논문은 안개 농도가 높고 시야가 떨어지는 조건에서 운영되는 자율 항해 선박을 대상으로 적응형 다중 센서 관리 시스템을 제안한다. 선박 내 영상 센서와 기상 센서의 데이터를 외부 AIS 및 연안 기반 감시 데이터와 융합하고, 계산 지능과 실시간 학습을 활용하여 환경적 도전 조건에서도 상황 인식 능력을 향상시키고 실시간 의사결정을 가능하게 한다.

ABSTRACT

This paper presents a multi-sensor architecture with an adaptive multi-sensor management system suitable for control and navigation of autonomous maritime vessels in hazy and poor-visibility conditions. This architecture resides in the autonomous maritime vessels. It augments the data from on-board imaging sensors and weather sensors with the AIS data and weather data from sensors on other vessels and the on-shore vessel traffic surveillance system. The combined data is analyzed using computational intelligence and data analytics to determine suitable course of action while utilizing historically learnt knowledge and performing live learning from the current situation. Such framework is expected to be useful in diverse weather conditions and shall be a useful architecture to provide autonomy to maritime vessels.

연구 동기 및 목표

• 안개로 인한 시야 저하와 센서 신뢰도 감소로 인한 열악한 시야 조건에서의 상황 인식 유지에 도전 과제 해결
• 선박 내, 다른 선박, 연안 기반 시스템의 이질적 센서 데이터 통합을 통한 인식 정확도 향상
• 적응형 학습과 이전 지식을 활용한 실시간 자율 항해 의사결정 지원
• 다양한 기상 조건에 적합한 확장성 있고 내구성이 뛰어난 아키텍처 개발
• 동적 센서 관리 및 데이터 융합을 통한 자율 선박의 안전성 및 운영 내재성 향상

제안 방법

• 선박 내 영상 센서, 기상 센서 및 외부 자료(예: AIS, 연안 기반 선박 교통 감시)의 데이터 융합
• 실시간으로 다중 소스 센서 데이터를 처리하고 해석하기 위해 계산 지능과 데이터 분석 기법 활용
• 안개 및 시야 저하와 같은 환경 조건에 따라 적응하는 동적 센서 관리 전략 적용
• 현재 운영 조건에서의 실시간 학습을 통한 지속적 학습과 동시에 이전에 확보한 지식 활용
• 저시야 조건에서 노이즈를 줄이고 신뢰도 높은 센서 입력을 우선순위에 따라 처리하기 위해 적응형 필터링 및 데이터 융합 기법 적용
• 실시간 상황 평가 및 작전 계획 수립을 위한 자율 해양 선박 내 통합된 모듈식 다중 센서 아키텍처 설계

실험 결과

연구 질문

• RQ1 어떻게 하면 안개가 빈도가 높은 해양 환경에서 다중 센서 데이터 융합을 최적화하여 신뢰할 수 있는 상황 인식을 유지할 수 있는가?
• RQ2 기상 조건으로 인해 센서 신뢰도가 떨어질 경우 실시간 학습이 의사결정 향상에 어떤 역할을 하는가?
• RQ3 AIS 및 연안 기반 시스템의 외부 데이터는 저시야 조건에서 선박 내 인식 능력을 어떻게 향상시킬 수 있는가?
• RQ4 환경 조건에 따라 센서 입력을 우선순위에 따라 관리하기 위한 적응 전략은 무엇이 가능한가?
• RQ5 이전 지식과 실시간 학습을 융합한 하이브리드 접근 방식이 변화가 빠른 해양 환경에서 자율성 향상에 얼마나 기여하는가?

주요 결과

• 제안된 시스템은 선박 내, 선박 간, 연안 기반 센서의 다중 소스 데이터 융합을 통해 안개 조건에서도 상황 인식 능력을 크게 향상시킨다.
• 적응형 센서 관리 전략은 신뢰할 수 있는 데이터 스트림의 동적 우선순위를 부여하여 저시야 조건에서 영상 품질 저하의 영향을 줄인다.
• 현재 환경 조건에서의 실시간 학습은 정적 모델 대비 의사결정 정확도를 향상시킨다.
• AIS 및 기상 데이터를 선박 내 센서와 융합함으로써 목표 추적 및 충돌 회피 성능이 향상된다.
• 이 아키텍처는 다양한 기상 조건에서 뛰어난 내구성을 보이며, 도전적인 해양 환경에서의 신뢰할 수 있는 자율 주행을 지원한다.
• 시스템의 계산 지능 프레임워크는 변화하는 시야 및 교통 조건에 대해 확장 가능하고 적응 가능한 반응을 가능하게 한다.