Hidden Markov Model(HMM)-Based Fishing Activity Prediction Using V-Pass Data

박주한; 전호군; 양찬수

doi:10.20481/kscdp.2021.8.4.221

추천

검색

자료유형: 학술저널

저자정보: 박주한 (한국해양과학기술원 해양방위·안전연구센터) 전호군 (한국해양과학기술원 해양방위·안전연구센터 과학기술대학원대학교 응용해양과학 전공) 양찬수 (한국해양과학기술원 해양방위·안전연구센터 과학기술대학원대학교 응용해양과학 전공 한국해양대학교 해양과학기술전문대학원)

저널정보: 한국연안방재학회 한국연안방재학회지 한국연안방재학회지 제8권 제4호

발행연도: 2021.10

수록면: 221 - 227 (7page)

DOI: 10.20481/kscdp.2021.8.4.221

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Illegal fishing has been a serious threat to the conservation of seafood resources and provoked the importance of marine surveillance. There are several types of fishing vessel monitoring systems operated by Republic of Korea, for example, Vessel Monitoring System(VMS), Automatic Identification System (AIS), V-Pass and VHF-DSC. However, those methods are not adaptable directly to fishing activity monitoring. The limitation requires more human resources to determine fishing status. Thus, this study proposes a method of estimating fishing activity from V-Pass, fishing vessel position reporting system, using Hidden Markov Model (HMM). HMM is a model to determine status through probability distribution for a sequence of time-series data. First of all, fishing activity status was labeled on V-Pass data. The distribution of speed on fishing activity was computed from the labeled data and HMM was constructed from the data obtained at Socheongcho Ocean Research Station (SORS). The model was first applied to the data of SORS for a test, and then Busan for validation. The model showed 99.4% and 89.6% as test and validation accuracy, respectively. It is concluded that the HMM can be applicable to predict a fishing activity from vessel tracks.

#Fishing Activity #Hidden Markov Model #V-Pass

참고문헌 (15)

참고문헌 신청

David J. Agnew / 2009 / Estimating the Worldwide Extent of Illegal Fishing / PLoS ONE 4(2):e4570

조성진 / 2018 / 해양공간계획을 위한 해양활동지도 제작 동향과 시사점-어선.선박 정보 활용 사례를 중심으로- / 한국해양환경•에너지학회지 21(4):270~280

Erico N. de Souza / 2016 / Correction: Improving Fishing Pattern Detection from Satellite AIS Using Data Mining and Machine Learning / PLOS ONE 11(9):e0163760

Franzese, M. / 2018 / Reference Module in Life Sciences: Hidden Markov Models / Science Direct :756~792

한재림 / 2021 / 선박패스(V-Pass) 자료를 활용한 어업활동 지도 제작 연구 - 남해동부해역을 중심으로 - / 한국지리정보학회지 24(1):112~125

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박주한

소속기관 한국해양과학기술원 해양방위·안전연구센터

주요연구분야 자연과학 > 지구과학 > 해양학

논문수 2 이용수 5

전호군

소속기관 한국해양과학기술원 해양방위·안전연구센터 과학기술대학원대학교 응용해양과학 전공

주요연구분야 자연과학 > 지구과학 > 해양학

논문수 3 이용수 10

양찬수

소속기관 한국해양과학기술원 해양방위·안전연구센터 과학기술대학원대학교 응용해양과학 전공 한국해양대학교 해양과학기술전문대학원

주요연구분야 자연과학 > 지구과학 > 해양학

논문수 7 이용수 19

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)