자동화 기계 학습을 이용한 해양 사고 위험 예측

기계 학습(ML), 특히 자동화 기계 학습(AutoML)은 해양 안전을 개선하기 위한 운영 및 정책 의사 결정에서 예측 분석을 통합하는 고급 알고리즘을 통해 대량의 역사적 해양 사고 기록 데이터를 분석할 수 있는 다양한 가능성을 제공합니다. 이 연구는 지난 40년 동안 노르웨이 해역의 해양 사고에 대한 역사적 데이터를 탐구합니다. 이 데이터는 grounding, contact damage, fire or explosion, collision, heavy weather damage의 5가지 주요 해양 사고 범주를 분석하는 데 사용되었습니다. 총 29개의 분류 ML 알고리즘이 훈련되었으며, Light Gradient Boosted Trees Classifier가 가장 높은 예측 정확도를 보이는 최상의 성능 모델로 확인되었습니다. 사고 위험에 가장 영향을 미치는 세 가지 요인은 내항 수역의 종류, 운용 단계, 선박의 총 톤수입니다. 특성 효과 결과에 따르면, 좁은 해안 수역에서 항해하고, 운영 단계에 있는 선박, 어선은 다른 유형의 사고에 비해 grounding에 매우 취약합니다. 이 결과는 위험 식별에서 사고 결과의 정량화까지 위험 분석의 전체 절차에 대한 입력으로 사용될 수 있으며, 최상의 성능을 보이는 ML 알고리즘은 실시간 해양 사고 위험 평가를 위한 의사 결정 지원 시스템 개발에 활용될 수 있습니다.