부산대학교 탄소 중립 글로벌 공급망 연구센터(SCSC)의 요구에 맞춰 실제 대용량 운항 이력(AIS/GPS) 기반 선박 항로 추적 시나리오를 구현했습니다. 선박 속도, 항만 대기 시간 등 물류 변수를 조정해 탄소 배출량과 비용 변화를 예측하는 가상 시뮬레이션을 구축하여 데이터 기반의 다각적 공급망 분석 환경을 완성했습니다.
대용량 AIS/GPS 데이터 기반의 실시간 선박 항로 탐색 및 모니터링 기능을 제공합니다. 연구센터의 6가지 핵심 AI 예측 모델과 연동하여 가상 시뮬레이션 결과와 물류 데이터를 메타버스 환경에 직관적으로 표출합니다.
과거 항해 데이터를 조회하여 선박의 IMO, 위도, 경도, 속도 등 주요 정보를 표시합니다.
실제 운항 이력을 기반으로 선박 상태를 추적할 수 있어,
분석 대상 선박의 이동 정보를 직관적으로 확인할 수 있습니다.
저장된 항해 정보를 바탕으로 선박의 이동 경로를 추적합니다.
화면 시점이 자동으로 조정되어 항로 흐름을 따라가며 확인할 수 있고,
메타버스 환경 안에서 선박 운항 과정을 입체적으로 파악할 수 있습니다.
데이터 조회와 항해 시각화 과정의 진행 상태를 사용자에게 안내합니다.
대용량 운항 데이터를 처리하는 흐름을 확인할 수 있어,
분석 과정의 대기 상태와 처리 단계를 명확하게 인지할 수 있습니다.
항로 데이터를 조회하거나 시각화하는 중 선박 위치 메시지를 화면에 표시합니다.
현재 위도와 경도 정보를 확인할 수 있어,
선박 경로와 공간 데이터의 위치 관계를 쉽게 파악할 수 있습니다.
본 시스템은 선박의 항해 데이터를 기반으로 연구센터의 주요 AI 예측 모형과 연계된 6대 데이터 조회 시나리오를 직관적으로 시각화하도록 구성되어 있습니다.
실시간 운항 데이터(AIS/GPS)를 기반으로 항로와 예상 도착 시간(ETA)을 시각화합니다.
기상 및 선박 데이터를 연동해 실시간·구간별 예상 연료 소모량을 3D로 표출합니다.
LLM을 활용해 항로 상의 해양사고 위험을 식별하고 안전 관리 판단을 지원합니다.
연료 효율 극대화와 제시간 입항을 위한 선박별 최적 항속·항로 데이터를 가시화합니다.
하역 효율 향상을 위해 항만 이송장비의 실시간 이동 경로와 최적 동선을 예측합니다.
선박 배출가스와 항만 대기 오염 물질을 실시간 그래프로 모니터링합니다.
실제 운항 데이터와 AI 예측 모델, 메타버스 시각화, 웹 스트리밍 접속 환경을 결합하여 연구센터의 시나리오 분석과 의사결정에 활용 가능한 공급망 분석 기반을 제공합니다.
부산대학교 탄소 중립 글로벌 공급망 연구센터(SCSC)의 요구에 맞춰 실제 대용량 운항 이력(AIS/GPS) 기반 선박 항로 추적 시나리오를 구현하며 AI 예측 모델과 Pixel Streaming 기반 3D 환경을 결합해 공급망 분석과 의사결정에 활용할 수 있는 메타버스 시뮬레이션 플랫폼을 고도화했습니다.
실제 해상 이동 과정에서 발생하는 대용량 운항 이력(AIS/GPS) 데이터를 메타버스 가상 공간과 연동하기 위해 항로 데이터 정제 파이프라인과 백엔드 API 서버 연동 구조를 고도화했습니다.
이를 통해 특정 선박의 항로 추적과 탄소 배출량·비용 시뮬레이션을 수행할 수 있는 분석 환경을 구축했습니다.
실시간 운항 데이터와 AI 예측 모델을 메타버스 환경에 연결하여 공급망 분석을 고도화한 VARLOS® 기반 PoC 구축 사례입니다.
본 프로젝트는 대용량 AIS/GPS 데이터를 정제하고, 연구센터의 6대 AI 예측 모형과 연동하여 항로, 연료, 사고 위험, 항만 장비, 대기 오염 데이터를 직관적으로 시각화하도록 구성되었습니다. 웹 브라우저로 고품질 3D 환경에 접속하는 Pixel Streaming 기술을 적용해 공간 제약 없는 분석 인프라를 제공하고, 연구센터의 시나리오 분석과 의사결정에 활용할 수 있는 환경을 마련했습니다.
