Acknowledgement
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No. 2022R1C1C2010897).
Proceedings of the Korean Institute of Navigation and Port Research Conference (한국항해항만학회:학술대회논문집)
- 2023.11a
- /
- Pages.230-231
- /
- 2023
Generation of ship's passage plan based on deep reinforcement learning
심층 강화학습 기반의 선박 항로계획 수립
- Hyeong-Tak Lee (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
- Hyun Yang (Division of Maritime AI & Cyber Security, National Korea Maritime & Ocean University) ;
- Ik-Soon Cho (Division of Maritime AI & Cyber Security, National Korea Maritime & Ocean University)
- Published : 2023.11.02
Abstract
This study proposes a deep reinforcement learning-based algorithm to automatically generate a ship's passage plan. First, Busan Port and Gwangyang Port were selected as target areas, and a container ship with a draft of 16m was designated as the target vessel. The experimental results showed that the ship's passage plan generated using deep reinforcement learning was more efficient than the Q-learning-based algorithm used in previous research. This algorithm presents a method to generate a ship's passage plan automatically and can contribute to improving maritime safety and efficiency.
본 연구는 선박의 항해계획을 자동으로 수립하기 위한 심층 강화학습 기반 알고리즘을 제안한다. 먼저 부산항과 광양항을 대상지역으로 선정하고, 대상 선박으로 흘수 16m의 컨테이너선을 지정하였다. 실험 결과는 심층 강화학습을 사용하여 수립한 항해계획이 선행연구에서 활용한 Q-learning기반의 알고리즘보다 더 효율적인 것으로 분석되었다. 본 알고리즘은 선박의 항해계획을 자동으로 수립하는 방법을 제시하며, 해상 안전 및 효율성 향상에 기여할 수 있다.