국립창원대학교 인공지능융합공학과 심성현 교수 연구팀이 최근 북극 해운 배출량을 장기적으로 예측할 수 있는 세계 최초의 인공지능 기반 모델을 개발하고 그 연구 성과가 국제 저명 학술지 `Transportation Research Part D: Transport and Environment(제목: How will arctic shipping emissions evolve? A spatiotemporal topology-aware transformer approach, IF 7.7 JCR Top 7%, https://doi.org/10.1016/j.trd.2025.105134)`에 게재됐다고 10일 밝혔다.
해당 연구는 북극항로 활용 증가로 인해 급증하는 선박 배출량을 정밀하게 분석하고 장기적으로 예측할 수 있는 기술적 기반을 마련했다는 점에서 높은 학술적ㆍ정책적 의미를 가진다.
북극 지역은 지구 평균 대비 약 3.8배 빠르게 온난화되면서 해빙이 빠르게 녹고 있으며 이로 인해 북극항로(Northern Sea Route 등)의 상업적 이용이 최근 10년 동안 연평균 7% 증가하는 등 해상 교통량이 지속적으로 높아지고 있다.
이러한 변화는 CO₂, NOₓ, CH₄ 등 온실가스 및 대기오염물 배출량의 증가로 직결되고 있어 장기적인 환경 및 기후 리스크를 예측하고 대비할 수 있는 과학적 분석 기술의 필요성이 더욱 커지고 있다.
그럼에도 기존 연구는 북극 전역의 공간적 이질성과 항로 특성을 충분히 반영하지 못해 배출량을 구조적으로 이해하고 장기적으로 예측하는 데 한계가 있었다.
연구팀은 2013년부터 2023년까지 수집된 약 10억건의 Arctic Ship Traffic Data(ASTD)를 기반으로 북극 전역을 43개의 공간 노드로 재구성한 뒤 공간ㆍ지리ㆍ계절 정보를 동시에 학습할 수 있는 새로운 인공지능 모델인 `Spatiotemporal Topology-aware Transformer(SToT)`를 개발했다.
이 모델은 선박 이동 패턴, 지역 간 상관구조, 계절별 배출 특성을 정밀하게 반영할 수 있도록 설계됐으며 기존의 예측 모델에 비해 RMSE, RSE, COR 등 핵심 성능지표에서 최대 17.8% 높은 성능을 보였다.
특히 장기 예측에서 누적오차가 커지는 기존 모델의 구조적 한계를 극복하기 위해 `Flow Attention`과 `Progressive Decomposition` 기법을 적용해 장기적 안정성을 확보한 것이 주요 성과로 평가된다.
SToT 모델을 활용해 2030년까지의 북극 선박 배출량을 전망한 결과 2030년 전체 배출량은 2022년 대비 약 30.8% 증가할 것으로 나타났다.
특히 CO₂와 N₂O의 증가폭이 두드러졌으며 기존의 주요 항로뿐 아니라 통항량이 적던 북극 중앙해역 및 캐나다 북극해 등에서도 배출 증가가 관측돼 지역별 맞춤형 대응 전략이 요구되는 것으로 분석됐다.
이러한 예측 결과는 북극항로 개발 확대가 기후변화 및 지역 환경에 미칠 영향을 선제적으로 파악하고 국제해사기구(IMO)의 환경규제나 북극항로 운영 정책 등 다양한 정책 분야에서 활용될 수 있는 과학적 근거를 제공한다.
심성현 교수는 "이번 연구는 북극 해운 배출량을 정밀하고 장기적으로 예측할 수 있는 최초의 AI 기반 모델로서 향후 국제 규제 대응과 북극항로 운영전략 수립 등에 중요한 역할을 할 것으로 기대된다"며 "국내 연구진이 글로벌 해운ㆍ기후 분야에서 독자적인 예측 모델을 제시했다는 점에서도 큰 의미가 있다"고 밝혔다.
연구팀은 앞으로 북극항로 개발 시나리오 분석, 국제 기후ㆍ해양정책 평가, IMO 규제 대응 지원 등 분야로 연구를 확장할 계획이다.
논문의 1저자는 국립창원대 인공지능융합공학과 김영휘 학생(석박사통합과정)이, 공동저자로 이재훈 학생(박사과정)이 참여했다.
또한 인공지능융합공학과 심성현 교수가 교신저자를 맡았다.
한편 해당 연구는 국립창원대 DNA+연구소(글로컬랩)와 인간중심-탄소중립 글로벌공급망 연구센터(선도연구센터) 및 DNA²+인공지능융합 교육연구단(BK21)의 지원을 받아 진행됐다.
/김광수 기자
http://www.changwonilbo.com/news/328162
기사에 대한 독자의견
독자의견 (총 0건)
