경상국립대학교(GNU·총장 권진회) 컴퓨터공학과 4학년 최민화
(사진) 학생이 윤웅창 교수(컴퓨터공학과)와 함께 수행한 연구 결과를 SCIE급 국제전문학술지 '국제전기전자기술협회 엑세스(IEEE Access)'(IF: 3.4)에 제1저자로 게재하는 성과를 거뒀다.
최민화 학생은 윤웅창 교수가 이끄는 생명정보지능연구실 소속 연구생으로서 항만 운영의 효율성을 높이기 위한 선박 대기 시간 예측 모델 개발 연구를 수행했으며, 해당 논문의 제1저자로 이름을 올렸다.
논문 제목은 ‘향상된 항만 운영을 위한 머신러닝을 활용한 선박 대기 시간 예측(Predicting Ship Waiting Times Using Machine Learning for Enhanced Port Operations)’으로, 글로벌 해상물류에서 주요 문제로 대두되는 항만 정체와 선박 대기 시간의 문제를 해결하기 위해 기계학습 기반의 예측 모델을 개발 평가한 연구다.
이번 연구는 39만여건의 선박 항해 데이터를 바탕으로 랜덤 포레스트, XGBoost, LSTM 등 총 9종의 회귀 예측 기계학습 모델과 딥러닝을 비교 분석했고, 특히 유전 알고리즘을 활용한 하이퍼파라미터 최적화와 앙상블 기법인 스태킹 모델을 적용해 예측 성능을 높였다.
최적화된 XGBoost 모델은 평균제곱근오차(RMSE), 평균절대오차(MAE), 결정계수(R²) 등의 다양한 성능평가지표를 통해 뛰어난 성능을 보였으며, 스태킹 앙상블 기법을 통해 더욱 향상된 예측력을 입증했다.
또한 연구에서는 게임이론 기반의 SHAP(Shapley Additive Explanations)를 활용해 중요 피처를 도출하고, 모델 해석 가능성과 연산 효율성을 동시에 확보했다.
이를 통해 선박 대기 시간에 영향을 미치는 중요 7개 요인(정박지 접안지 거리·선박 유형·실제 정박 시각 등)을 식별했고, 항만 운영자들이 자원 배분과 스케줄링에 선제적으로 대응할 수 있는 기반을 마련했다.
이 연구는 해상 물류와 항만 디지털 전환 시대에 발맞춰 데이터 기반 항만 운영 최적화를 위한 실질적인 기술적 기여를 했다는 점에서 의의가 크며, 학부생이 주도해 국제 저널에 발표한 점에서 더욱 주목받고 있다.
윤웅창 교수는 “이번 연구는 학부생이 실제 산업 문제 해결을 위한 데이터 기반 AI 기술을 스스로 기획하고 검증해낸 우수 사례며, 향후 항만 디지털 전환과 지속가능한 물류 정책 수립에도 기여할 수 있을 것”이라고 평가하고 “학생 주도의 연구성과가 실제 산업적·국가적 문제 해결에 기여하는 사례로, 학부 교육의 연구역량과 실무연계를 강화하는 데 큰 의미가 있다”고 말했다.
최민화 학생은 “학부 시절 연구로 이처럼 의미 있는 성과를 낼 수 있어 기쁘고, 앞으로도 사회에 실질적으로 도움이 되는 데이터 기반 문제 해결에 관심을 가지고 AI 연구를 이어가고 싶다”고 소감을 밝혔다.
/이호상 기자
http://www.changwonilbo.com/news/320190
기사에 대한 독자의견
독자의견 (총 0건)
