Spark 기반의 선박위치정보 오류 및 이상치 탐지 기법 연구 KCI

DC Field Value Language
dc.contributor.author 박용길 -
dc.contributor.author 이철용 -
dc.date.accessioned 2022-05-01T23:50:02Z -
dc.date.available 2022-05-01T23:50:02Z -
dc.date.created 2022-05-02 -
dc.date.issued 2022-04 -
dc.identifier.issn 1598-2009 -
dc.identifier.uri https://sciwatch.kiost.ac.kr/handle/2020.kiost/42460 -
dc.description.abstract 최근 해상 안전 및 관리를 위해 선박위치정보 수집 및 활용에 대한 관심이 높아지고 있다. 특히, 선박위치정보를 이용한 인공지능 기반 선박 분포 예측이나 항적 예측 연구가 국내외에서 다양한 방식으로 진행되고 있다. 그러나 연간 70억 건 이상의 대용량 데이터를 처리하기 어렵고, 표준화된 검수 방법도 제시되지 못하였다. 본 연구에서는 Spark 기반 빅데이터 처리 분석 기술을 이용하여 대용량 선박위치정보의 오류 및 이상치를 탐지 및 처리하는 표준화된 방법을 제시하는 것을 목표하였다. 실험 데이터는 2018년 10월 31일의 전국 대상 AIS 데이터이며, 선박위치정보 개수는 약 26,160,000 건이다. 선박위치 메시지 간 선박의 평균 이동속도를 계산하여 경계 값 테스트, 스파이크 테스트, 이동 IQR 테스트를 통과시킴으로써 이상치를 탐지하고 이를 오류 검수 대상으로 분류하였다. 이 때 이동 IQR 테스트의 샘플링 사이즈와 스케일 값을 조정하면서 이상치 탐지율을 비교 분석하였고, 최종적으로 연산 효율을 고려하여 유의미한 경계 값을 도출하였다. 이동 IQR 테스트의 샘플링 사이즈는 61개, 스케일은 3배수(3*IQR)로 설정하는 것이 파라미터 변화에 따른 민감도나 연산 효율 상 적절한 것으로 판단되었다. -
dc.description.uri 2 -
dc.language Korean -
dc.publisher 한국디지털콘텐츠학회 -
dc.title Spark 기반의 선박위치정보 오류 및 이상치 탐지 기법 연구 -
dc.title.alternative Study of Spark-based Vessel Location Data Error and Outlier Detection Method -
dc.type Article -
dc.citation.endPage 763 -
dc.citation.startPage 753 -
dc.citation.title 디지털콘텐츠학회논문지 -
dc.citation.volume 23 -
dc.citation.number 4 -
dc.contributor.alternativeName 박용길 -
dc.contributor.alternativeName 이철용 -
dc.identifier.bibliographicCitation 디지털콘텐츠학회논문지, v.23, no.4, pp.753 - 763 -
dc.identifier.doi 10.9728/dcs.2022.23.4.753 -
dc.identifier.kciid ART002834981 -
dc.description.journalClass 2 -
dc.description.isOpenAccess N -
dc.subject.keywordAuthor 선박위치정보 -
dc.subject.keywordAuthor 빅데이터 -
dc.subject.keywordAuthor Spark -
dc.subject.keywordAuthor 오류 탐지 -
dc.subject.keywordAuthor 이상치 탐지 -
dc.subject.keywordAuthor Vessel location data -
dc.subject.keywordAuthor Bigdata -
dc.subject.keywordAuthor Spark -
dc.subject.keywordAuthor Error detection -
dc.subject.keywordAuthor Outlier detection -
dc.description.journalRegisteredClass kci -
Appears in Collections:
Marine Digital Resources Department > Marine Bigdata & A.I. Center > 1. Journal Articles
Files in This Item:
There are no files associated with this item.

qrcode

Items in ScienceWatch@KIOST are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse