Journal Search Engine

ISSN : 1229-3431(Print)
ISSN : 2287-3341(Online)

Journal of the Korean Society of Marine Environment and Safety Vol.31 No.6 pp.955-963
DOI : https://doi.org/10.7837/kosomes.2025.31.6.955

Evaluation of Pathfinding Algorithm Performance for Mitigating Evacuee Congestion in Maritime Disaster Scenarios

SangJin Lim^*, YoonHo Lee^**†

^*Doctor's course, Department of Marine System Engineering, Graduate School of Mokpo National Maritime University, Mokpo 58628, Korea
^**Professor, Division of Coast Guard, Mokpo National Maritime University, Mokpo 58628, Korea

* First Author : dlatkdwls102@naver.com

※ 본 논문은 (사)해양환경안전학회 2025년도 추계공동학술대회 발표 논문임.

^† Corresponding Author : yhlee@mmu.ac.kr, 061-240-7209

Received November 10, 2025 Review December 2, 2025 Accepted December 26, 2025

Abstract

The International Maritime Organization has been supplementing passenger safety standards to minimize the number of large-scale human accidents at sea. Accordingly, this study aims to select an advantageous route search algorithm when simulating evacuation in a ship environment for training ships with narrow passages and a large number of onboard passengers. The algorithms selected for comparison include Dijkstra, Theta*, and Fast Marching Method, which simulate pedestrian interaction and congestion-based route search by accounting for pedestrian and wall surfaces. As a result of analyzing the performance based on the evacuation time, congestion distribution, and risk occupancy area in the day and night scenarios, the evacuation time was similar in the results of the three algorithms, but Theta* showed the lowest performance volatility, and the congestion distribution and risk occupancy area also showed the highest performance, with the ability to reduce congestion by up to 23% compared to other algorithms. This result is judged to be due to the fact that the Theta* algorithm with line-of-Sight characteristics alleviating congestion by forming an alternative route in narrow passages and high population congestion scenarios. The finding in this study can be used as a reference for selecting route search algorithms when evaluating ship design and evacuation safety.

Key Words : Pathfinding plan , congestion , Dijkstra , Theta* , FMM

선박의 재난 상황에 따른 대피자 혼잡도 완화를 위한 시나리오 별 경로 탐색 알고리즘 성능 평가

임상진^*, 이윤호^**†

^*국립목포해양대학교 대학원 기관시스템공학과 박사과정
^**국립목포해양대학교 해양경찰학부 교수

초록

국제해사기구는 해상에서의 대규모 인명사고를 줄이기 위하여 승객 안전 기준을 보완해왔다. 이에 따라 본 연구에서는 좁은 통로와 많은 승선인원이 상주하는 실습선을 대상으로 선박 환경에서 대피 시뮬레이션 시 유리한 경로 탐색 알고리즘을 선정하기 위한 연구를 수행하였다. 비교 대상으로 선정한 알고리즘은 Dijkstra, Theta*, Fast Marching Method이며, 보행자간 상호작용 및 보행자와 벽면으로 인한 혼잡도 기반의 경로 탐색을 시뮬레이션하였다. 주·야간 시나리오에서 대피 시간, 혼잡도 분포, 위험 점유면적 기준으로 성능을 분석한 결과, 대피 시간은 세가지 알고리즘의 결과에서 약 0.1초 내외로 유사하게 나타났으나 Theta*가 시나리오에 따른 성능 변동성이 가장 낮았으며, 혼잡도 분포 및 위험 점유면적 또한 타 알고리즘 대비 최대 23%의 혼잡도 저감 능력을 보이며 가장 높은 성능을 나타냈다. 이러한 결과는 Line-of-Sight 특성을 갖는 Theta* 알고리즘이 좁은 통로와 높은 인구 혼잡도 상황에서 대안 경로를 형성하여 혼잡을 완화한 것이 원인으로 판단된다. 본 연구의 결과는 선박 설계 및 피난안전성 평가 시 경로 탐색 알고리즘을 선정하는데 참고자료로서 활용될 수 있을 것으로 보인다.

키워드 : 대피경로계획 , 혼잡도 , Dijkstra , Theta* , FMM

This article has been cited by 0 article in crossref

Cited-By

Funding:

1. Introduction

여객선, 실습선 등 다수의 승객 안전보장을 위한 국제규제는 1912년 타이타닉호의 침몰 이후 다양한 측면에서 강화 및 보완되어져 왔다. 특히 International Maritime Organization (IMO) 은 인명, 설비, 화재안전 등을 규제하고 있으며 그중 Safety of Life at Sea(SOLAS) 에서는 퇴선 시간, 집결지 및 구명정에 대한 내용을 정의하고 있고 Fire Safety Systems Code(FSS Code)에서는 화재 상황에서 대피가능한 통로와 같은 내용을 정립하였다(IMO, 1974). 이러한 규제에도 불구하고 선박의 화재, 침수, 충돌 등으로 인한 인명사고는 지속적으로 발생하고 있다.

2006년 2월 3일 이집트의 로로 여객선 MS Al-Salam Boccaccio 98호는 사우디아라비아에서 이집트 남부로 가던 중 홍해에서 침몰하였으며, 침몰 원인은 기관실 화재 대응 중 선체 내 해수가 축적되며 전복된 것으로 밝혀졌다. 이 사고로 인해 1,400여명의 탑승 인원 중 약 1,000명 사상자가 발생하였다 (BBC news, 2006).

최근 발생 사례로서, 2025년 7월 20일 인도네시아 North Sulawesi 근해를 운항하던 KM Barcelona 5호 화재사고가 있다. 해당 사고에서는 근해 사고임에도 불구하고 사망자가 5명으로 추산되었다(NBC news, 2025).

이렇듯 여객선과 같은 밀집된 인원이 좁은 공간에 머무를 수밖에 없는 환경에서 발생하는 사고는 사망자가 발생하는 대형사고로 이어질 수 있으며 육상의 인프라를 공급받기 어려운 해상의 상황에서는 사고 위험도가 급격히 상승할 수 있다.

사고 발생에 따른 인명 사상자의 숫자를 저감시키기 위하여 다양한 측면에서 알고리즘을 활용한 연구가 수행되어 져왔다. Shen et al.(2025)는 A^* 기반의 홍수 상황에서 최적 피난경로를 동적으로 탐색하기 위한 연구를 하였으며, 도로 폐쇄, 위험도 반영 등 실시간 정보를 반영하였다. Yoo et al.(2024)는 Dijkstra 알고리즘을 활용하여 지진 발생 시 지하 구조물 내 대피자 혼잡도를 고려한 최적 대피 경로를 도출하는 모델을 개발하는 연구를 수행하였다. Sharma et al.(2024)는 GPS 알고리즘을 활용하여 산불 확산과 도로 폐쇄 상황에서 실시간 네트워크 변동에 반응하는 경로탐색을 구현하였다. Zhang et al.(2021)은 실시간 화재 사고·폐쇄 상황에 대응하는 Breadth-firstsearch(BFS), Dijkstra 알고리즘 기반 동적 피난경로 최적화 알고리즘 제안하였다. 또한 국내 연구로서 Kang and Joo(2016)는 A^* 알고리즘을 활용하여 재난발생에 따른 선박 내 지능형 대피시스템을 구축하였으며, Lim and Lee(2024)는 A^* 기반의 딥러닝을 활용하여 선박 내 혼잡도와 기울기가 고려된 최적 대피경로 산정 시스템을 개발하였다. 이렇듯 다양한 분야에 여러 종류의 알고리즘이 경로탐색에 사용되고 있으며 전통적으로 사용되는 알고리즘이 존재한다. 하지만 각 환경에 따라 적합한 알고리즘 사용이 필연적이다. 따라서 본 연구에서는 경로 탐색 알고리즘들 중 Dijkstra, Theta^*, FMM 세 가지를 선정하여 다중 agent 설정 및 그에 따른 혼잡도가 반영된 실제 선박 대피환경을 가정한 조건에서 기존 알고리즘들의 적용성 및 한계를 검증하기 위한 연구를 수행하였다.

2. Evacuation Simulation Model

2.1 Target Vessel

본 연구에서는 좁은 공간에서 많은 인원이 움직일 수 있는 선박으로 국립목포해양대학교의 실습선 세계로호를 선정하였다. 세계로호는 Fig. 1 및 Table 1과 같이 2018년 건조된 선박으로 Table 1과 같이 전장 133 m, 폭 19.4 m, 깊이 11.05 m로 총 승조원 239명이 수용 가능하다(MMU, 2018). 해당 선박은 승조원 전원을 수용하기 위하여 거주구역이 대부분이며 이에 더하여 수업 진행을 위한 강의구역이 있어 사고 발생 시 시나리오를 다각화 할 수 있다.

경로 탐색 시뮬레이션을 수행하기 위하여 본 연구에서는 세계로호의 일반배치도를 사용하여 2D 이미지 기반 코드를 작성하였다. 경로 탐색을 위한 Deck는 Fig. 2 (a)와 같이 가장 상주 인원이 많은 세계로호 Main deck를 선정하였다. 선정된 도면은 Fig. 2 (b)와 같이 경로탐색을 위하여 장애물을 삭제하는 마스킹 작업을 수행하였다. 마스킹된 이미지는 흰색은 통로, 검정색은 벽으로 인지시키기 위하여 Luminance 기반의 Gray-scale 처리를 하여 Threshold 0–255 범위에서 128 이상인 경우 agent가 이동할 수 있도록 가정하였다.

2.2 Parameters

본 연구에서는 시뮬레이션 해석을 위하여 Table 2와 같이 변수를 가정하였다. 격자는 가로 570개, 세로 93개, 총 53,010개로 구성되어 있으며 각 격자의 셀 크기는 0.21m 정사각형으로 설정하였다. 정사각형 격자로 구성함으로써 직선 방향 대비 대각 방향 간선으로 이동 시 $\sqrt{2}$ 배 더 시간이 소요되도록 하였다. 대피 시간 계산을 위하여 각 agent의 초기 이동 속도는 IMO 규정에 맞춰 1.10 m/s 로 가정하였다(IMO, 2016). Agent의 충돌 시 영향을 도출하기 위하여 어깨너비 0.3m, 폭 0.15m로 크기를 가정하여 상호 간 영향을 확인하고자하였다. 이에 더하여 agent는 24개의 방에 4명씩 배치하여 96명으로 구성하고 Main deck의 탈출계단 7개를 도착지로 배치하였다.

2.3 Congestion

혼잡도 분석을 위하여 본 연구에서는 Dirk Helbing and P´eter Moln´ar의 Social force model을 채택하였다. 해당 Model은 보행자의 이동속도를 군중 밀집도에 의해 발생하는 상호 작용에 의해 식(1) 운동방정식과 같이 결정한다. 식(2)는 보행자가 앞으로 가고자하는 속도를 추종하는 가속도를 나타내며, 혼잡 상황에서 전체 가속도는 보행자 간 거리가 감소하면서 보행자-보행자, 보행자-벽 반발 잠재함수 식(3), (4)에 의해 영향을 받는다. 이러한 잠재함수는 식(5), (6)과 같이 미분하여 전체 가속도의 합으로 산정한다(Helbing and Molnar, 1995).

\vec{a_{α}} = \frac{1}{τ} (v_{0} \vec{e_{α}} - \vec{v_{α}}) + \sum_{β} {\vec{f}}_{α β} + \sum_{B} {\vec{f}}_{α β}

(1)

{\vec{F}}_{α}^{0} = \frac{1}{τ} (v_{0} \vec{e_{α}} - \vec{v_{α}})

(2)

V_{α β} (b) = V_{α β}^{0} e^{- b / a}

(3)

U_{α β} (‖ {\vec{r}}_{α B} ‖) = U_{α β}^{0} e^{- ‖ {\vec{r}}_{α B} ‖ / R}

(4)

{\vec{f}}_{α β} = - \nabla_{α} V_{α β} (b)

(5)

{\vec{f}}_{α β} = - \nabla_{α} U_{α β}

(6)

여기서,

τ : relaxation time (s)
$v_{0}$ : Desired velocity (m/s)
$\vec{v_{α}}$ : Actual velocity (m/s)
σ : Decay length (0.3m)
$V_{α β}^{0}, U_{α β}^{0}$ : Basic repulsive potentials(2.1m²/s² . 10m²/s² )

이에 더하여, 계산된 인구 밀집도의 위험 정도를 분석하기 위해 Fruin의 Level of Service(LOS)를 기준으로 삼았다 (Fruin, 1971;Henson, 2000). Level of Service (LOS)는 보행자의 밀도, 속도, 유량과 같은 흐름 특성에 기반하여 보행 환경을 A–F까지 총 6개의 단계로 구분한다. 밀도가 증가할수록 보행 속도가 감소하는 상관관계를 다양한 흐름 조건에 기반하여 산정된 기준으로 본 연구에서는 가장 혼잡도가 높은 F 등급인 2.63 명/㎡ 이상의 값이 측정될 경우 위험 구역으로 간주 하였다.

2.4 Scenario

좁은 구역 및 높은 혼잡도 환경인 선박에서의 인구밀집에 의한 최적대피경로를 도출할 수 있는 알고리즘 선정을 위하여 본 연구에서는 국립목포해양대학교 세계로호의 Main deck를 선정하여 Table 3와 같이 대부분의 인원이 취침하는 야간 시간에 사고가 발생하는 시나리오와 수업이 진행되는 주간 시간에 사고가 발생하여 전원 대피하는 시나리오를 구성하였다. 사고 시나리오는 24개의 방에 모든 학생들이 배치되어 즉각 대피하는 시나리오로 구성하였으며, 주간 사고 시나리오는 절반 인원인 48명은 강의 구역에 위치하고 나머지 절반 인원은 방에 배치되도록 시나리오를 구성하였다. 이때 각 방에 배치되는 인원의 위치는 random 함수를 통하여 배치되도록 하였으며 한방에는 항상 4명의 학생이 모두 배치되도록 가정하여 인구밀도가 높은 최악의 시나리오를 구성하고자 하였다.

2.5 Pathfinding Plan Algorithm

2.5.1 Dijkstra

Dijkstra 알고리즘은 가중 그래프에서 하나의 시작점으로 부터 각 노드까지의 최단 경로를 계산하는 대표적인 경로 탐색 기법이다. 이 알고리즘은 목적지까지의 추가 비용을 추정하는 휴리스틱을 사용하지 않기 때문에 Uninformed 탐색에 속하며, 탐색 과정에서는 단순히 현재까지 누적된 실제 비용을 기준으로 확장 순서를 정한다. 따라서 Dijkstra는 누적 이동 비용이 가장 작은 노드부터 확장하는 방식으로 진행된다. 이러한 특성 덕분에, 비용이 균일하지 않거나 장애 물이 존재하는 환경에서 기본 경로 계획 알고리즘으로 널리 활용되고 있다(Soltani et al., 2002;Dijkstra, 2022;Russell and Norvig, 1995). Dijkstra는 가장 기본적인 전역 탐색 기반 최단 경로 알고리즘으로서 본 연구에서는 Baseline 모델로서 해당 알고리즘을 선정하였다.

2.5.2 Theta^*

Theta^* 알고리즘은 A^* 알고리즘을 기반으로 한 변형 경로 탐색 알고리즘이다. Theta^* 는 격자를 단순히 방향으로만 확장하는 기존 격자 탐색의 한계를 줄이기 위해, Line-of-Sight 를 이용하여 격자 방향에 구속되지 않는 경로를 생성할 수 있도록 한 알고리즘이다.

A^* 가 인접한 격자 노드만을 연결함으로써 결과 경로가 계단형 형태를 띠는 반면, Theta^* 는 현재 노드의 부모 노드와 이웃 노드 사이에 Line-of-Sight가 존재할 경우, 부모 노드를 유지한 채 해당 이웃 노드를 바로 연결한다. 즉, 불필요 한 중간 노드들을 건너뛰어 경로를 직접 단축하는 방식을 취한다.

이와 같은 처리 방식 덕분에 Theta^* 는 경로가 격자의 간 선에 묶이지 않고, 장애물의 형태를 따라 부드럽게 곡선을 이루는 경로에 가깝게 생성된다. 결과적으로 이동 거리가 줄어들고, 경로가 단순해지며, 실제 이동 과정에서의 조향 변화가 감소하는 효과가 있으므로 A^* 대비 경로 품질이 향상되는 장점이 있다(Chun and Shin, 2024;Daniel et al., 2010). 따라서 본 연구에서 사용된 선박 내부 구조는 격벽이 많고 grid 기반 A^*는 계단형 경로가 발생하지만, 해당 알고리즘은 Line-of-Sight 기반 탐색으로 실제 보행 궤적에 유사한 경로를 생성하므로 비교 대상으로 선정하였다.

2.5.3 Fast Marching Method (FMM)

Fast Marching Method(FMM)은 Osher와 Sethian이 제안한 수치 해석 기법으로, 본래는 시간에 따라 이동하는 파동 경계면의 변화를 효율적으로 추적하기 위해 개발되었다. 이후 계산기하학, 영상 처리, 의료 영상 분석 등 다양한 영역으로 응용 범위가 확장되었다. FMM은 하나의 점에서 시작된 파동이 공간 전체로 퍼져 나가는 과정을 모사하며, 각 위치에 파동이 도달하는 데 필요한 시간을 계산한다. 파동 속도가 공간적으로 일정하지 않은 경우, 파동 전면은 균일한 원형 형태가 아니라 매질의 특성을 반영하여 비대칭적인 형태로 확장된다. 이러한 전파 과정은 Eikonal 방정식으로 표현되며, FMM은 이를 단조 전진(Monotone Front Propagation) 방식으로 효율적으로 계산한다. 이러한 계산을 통해 얻은 도달 시간 장은 연속적인 공간에서의 최소 비용 및 시간 구조를 반영하므로, 주어진 비용장 아래에서 출발점으로부터 목적지까지의 최단 경로를 추출하기 위한 기반 정보로 활용될 수 있다(Kim et al., 2019;Mrudul et al., 2018). 본 연구에서 FMM은 연속 공간에서 혼잡 반응이 고려된 시간 비용장 기반 최단 도달시간 계산이 가능해 대피자 흐름 및 혼잡도 형상을 분석하기 적합하므로 비교 알고리즘으로 채택되었다.

3. Results and Discussion

3.1 Evacuation Time

Fig. 3과 4는 각 시나리오 별 알고리즘에 따른 누적 대피 agent 수를 의미한다. 총 96명의 agent가 탈출하기 위하여 야간 시나리오에서는 Dijkstra 10.2초, Theta^* 10.2초, FMM 10.3 초로 근소한 차이지만 Dijkstra와 Theta^*가 성능이 우세하였다. 주간 시나리오에서는 Dijkstra 8.5초, Theta^* 8.4초, FMM 8.4초로 Theta^* 와 FMM이 더 좋은 성능을 보였다. 대피 시간은 각 경로 탐색 알고리즘에 따라서 큰 차이를 보이지는 않았지만 Theta^*가 시나리오 변동 민감도에 적게 반응함을 알 수 있었다.

3.2 LOS(Level of Service)

Fig. 5와 6은 시뮬레이션 기반 대피 시나리오에서의 최대 군중 밀도를 나타낸다. 각 그림은 세 가지 경로 탐색 알고리 즘에 따른 결과로 구성되며 (a) Dijkstra, (b) Theta^*, (c) FMM 로 제시하였다.

Fig. 5는 야간 시나리오의 결과로서 Main deck 전반에 걸쳐 광범위한 peak 밀도가 나타난다. 특히 중앙 통로 및 교차 구간에 혼잡이 집중되는 경향을 보였다. Dijkstra의 결과로 대피 경로가 확산되며 중앙 복도와 분기점에서 높은 밀도 집중이 관찰된다. 반면에 Theta^*는 일부 지름길 효과가 반영 되었으나 마찬가지로 병목 현상이 발생하는 구간이 존재한다. FMM은 세가지 알고리즘 중 가장 넓은 범위에 걸쳐 혼잡 도가 분포되며, 통로 전반에 걸쳐 밀도가 누적된 압력이 형성되었다. 이러한 결과는 야간 시나리오에서는 분산되지 않은 인구 분포로 인해 동시혼잡이 발생되며 지름길 효과가 인구 집중도를 저하시킬 수 있다는 것을 나타낸다.

Fig. 6는 주간 시나리오의 결과를 나타낸다. 주간 시나리오에서는 초기 밀집 장소 및 출구 주변에 peak 밀도가 집중되며, 전체적인 공간 범위는 낮게 나타났다. Dijkstra는 선미의 강의 구역에서 높은 혼잡도를 보이며 단일 경로로의 집합 특성이 강하게 나타난다. 반면에 Theta^*와 FMM는 경로 분산이 일정 부분 관찰 되었지만, 야간 시나리오에 비해 확산 범위가 제한적이었다. 이러한 결과는 주간에는 인구 분포의 다양성으로 인해 분산된 흐름이 형성되어 전체 혼합 확산의 결과가 억제된 것으로 판단된다.

Fig. 7과 8은 본 연구에서 혼잡도로 인한 위험 기준으로 가정한 LOS F 이상의 밀도를 보이는 구간을 나타낸다. Fig. 7의 야간 시나리오의 Dijkstra에서는 복도 전반에 걸쳐 연속적이고 넓은 LOS F 이상의 구간이 나타나며 이는 경로의 집중도가 높아 병목 현상이 발생한 결과로 분석된다. 반면, Theta^*와 FMM은 경로 다양성으로 인해 LOS F 발생면적이 상대적으로 적고 분산적이다.

Fig. 8의 주간 시나리오에서 또한 선미 쪽 계단실과 복도에서 LOS F 이상의 면적이 집중적으로 발생하였다. 그중 Theta^*의 LOS F 발생면적이 적어 대피 인원의 비대칭 분포 하에서도 Theta^*가 유연한 경로와 혼잡 회피 능력을 유지함을 의미한다.

Fig. 7과 8의 결과를 정량적으로 분석한 결과, 야간 시나리오에서 LOS F 이상의 면적을 차지한 grid 개수는 Dijkstra 1,011개, Theta^* 842개, FMM 968개로 나타났으며, 주간 시나리오에서는 Dijkstra 610개, Theta^* 563개, FMM 735로 Theta^*가 가장 우세한 결과를 보였다.

Fig. 9와 10은 각 야간 및 주간 시나리오에서 시간에 따른 LOS F 이상 면적의 비율 변화를 나타낸다. 세가지 알고리즘에 대하여 각 해석 시간에 걸친 LOS F를 초과한 공간이 전체 대피 가능 영역 중 차지하는 비율을 나타내며, 대피 시뮬레이션 동안 혼잡 발생 시점, 정점, 해소 과정 및 적분을 통한 점유 시간을 알 수 있다.

Fig. 9는 야간 시나리오로써 혼잡 발생 시점이 약 1초 이후부터 발생하며 이는 초기 대피 개시 시점과 일치함을 알 수 있다. Dijkstra는 약 3.7초에서 최댓값을 기록하며 이는 타 경로 탐색 알고리즘 대비 높은 값을 나타낸다. 또한 세 알고리즘 모두 약 5초 이후 급격히 감소하여 7초 이후에는 LOS F 영역이 급격히 줄어든다. 각 그래프를 적분한 결과 Theta^* 가 그 면적이 가장 낮아 대피시간 전반에 걸쳐 안정적인 혼잡도를 유지한 것으로 판단된다.

Fig. 10은 주간 시나리오로써 약 1.5초 시점부터 면적 비율이 증가하기 시작한다. 세 알고리즘 모두 4초 전후로 최고점에 도달하였으며 야간 시나리오 대비 그 값은 유사한 것으로 나타났다. 그 중 Theta^*는 최고점의 수치 자체는 가장 높은 것으로 보이나 곡선이 급격한 상승과 하강을 보이며 혼잡 발생과 해소가 단기간에 이루어짐을 확인 할 수 있었다.

이러한 결과를 통하여 통로가 좁고 승선 인원이 많은 실습선 및 여객선과 같은 선박 환경에서는 Theta^* 알고리즘이 사고 발생 시나리오에 따른 혼잡도 변화에 가장 둔감하게 반응하며, 경로상 지름길을 생성함으로써 혼잡도를 효과적으로 완화할 수 있는 것으로 판단된다. 특히, Theta^*는 Line-of-Sight 기반의 경로 탐색 특성이 있어 모서리나 벽을 따라 대피가 이루어지는 복잡한 선체 내부 구조에서도 우수한 성능을 보인 것으로 분석된다.

4. Conclusion

본 연구에서는 좁은 선박 환경에서의 대규모 승객 대피 상황을 시나리오 별로 가정하고 Dijkstra, Theta^*, FMM 세 가지 경로 탐색 알고리즘을 비교 분석하였다.

1) 각 경로 탐색 알고리즘에 따른 총 대피 시간 비교 결과, 야간 시나리오에서는 총 96명의 Agent가 탈출하는데 Dijkstra, Theta^*가 10.2초, FMM은 10.3초로 유사한 수준의 성능을 보였다. 또한 주간 시나리오에서는 Dijkstra가 8.5초, Theta^* 및 FMM이 8.4초로 기록되어 주간 시간대 인구분포에 따라 대피시간이 단축되었음을 확인하였으며 Theta^*가 시나리오에 대하여 성능이 가장 둔감하게 반응하였고 대피 시간 중심의 성능 또한 우수한 결과를 보였다.
2) 각 시나리오 별 알고리즘의 공간적 혼잡도 분포를 비교한 결과, 야간 시나리오에는 선체 중부 및 통로에 걸쳐 혼잡도가 분포하였으며 주간 시나리오에서는 혼잡 구역이 일부 구역에 국한되는 현상을 보여 시나리오에 따른 인구 분포가 혼잡도에 큰 영향을 미칠 수 있음을 확인하였으며 LOS F 이상의 영역을 차지하는 비율이 Theta^*가 가장 적게 나타나 혼잡도 분포에서 또한 높은 성능을 나타냈다.
3) 시간 별 LOS F 이상 영역을 분석한 결과, 야간 시나리오에서 Theta^*는 전체 시뮬레이션 구간 동안 가장 낮은 누적 면적을 보여주었으며, 주간시나리오에서는 급격한 상승과 하강 곡선을 이루며 최고점 수치가 가장 높았으나 혼잡 발생과 해소가 빠르게 이루어져 혼잡 지속시간이 짧게 유지됨을 알 수 있었다.

본 연구는 기존 경로 알고리즘을 선박 환경에 적용하여 성능을 비교한 기초 연구로서 알고리즘 개선보다는 평가 및 최적 알고리즘 선정에 초점을 두었다. 또한 단일 데크, 수평 이동 등 이상적인 조건을 가정하였기 때문에 실제 대피에서 발생 가능한 다층 이동, 선박 기울기 등의 복합적 행동 변수는 충분히 반영되지 못하였다. 향후 연구에서는 다중 데크 구조, 복합적 보행 특성 등을 포함한 현실 변수 확장이 추가 수행된다면 본 연구의 일반성과 실효성을 확보할 수 있을 것으로 기대된다.

감사의 글

이 논문은 산업통상자원부 및 한국산업기술평가원의 연구비 지원에 의한 연구임(RS-2025-02633377, 암모니아 연료추 진선의 누출감지, 처리 시스템 개발).

Figure

Fig. 1.

Training vessel Segero (MMU, 2018).

Fig. 2.

General arrangement of main deck.

Fig. 3.

Total Evacuation Time for the Night Scenario.

Fig. 4.

Total Evacuation Time for the Day Scenario.

Fig. 5.

Peak Density over Main Deck Area for the Night Scenario.

Fig. 6.

Peak Density over Main Deck Area for the Day Scenario.

Fig. 7.

Peak Density over than LOS F Area for the Night Scenario.

Fig. 8.

Peak Density over than LOS F Area for the Day Scenario.

Fig. 9.

Area Fraction at LOS-F for the Night Scenario.

Fig. 10.

Area Fraction at LOS-F for the Day Scenario.

Table

Table 1.

Specification of training vessel Segero (MMU, 2018)

Length Overall (m)	Breadth (m)	Depth (m)	Number of Crew (-)
133	19.4	11.05	239

Table 2.

Parameters for pathfinding simulation.

grid (-)	grid size (m)	Basic evacuation speed (m/s)	Agent size (m)	Number of agent (-)	Number of exit (-)
570 × 93	0.21	1.10	0.3 x 0.15	96	7

Table 3.

Population distribution scenarios by time of day & night.

	Cabin area (people)	Lecture area (people)
Day	48	48
Night	96	-

Reference

Chun, J. and J. Shin ( 2024), Integrated Path Planning Using Theta* and Optimal Bézier Curves, The Transactions of the Korean Society of Mechanical Engineers, Vol. 48, No. 1, pp. 57-68.
Daniel, K., A. Nash, S. Koenig, and A. Felner ( 2010), Theta*: Any-angle path planning on grids. Journal of Artificial Intelligence Research, Vol. 39, pp. 533-579.
Dijkstra, E. W. ( 2022), A note on two problems in connexion with graphs, In Edsger Wybe Dijkstra: his life, work, and legacy, pp. 287-290.
BBC news ( 2006), Egyptian ferry sinks in Red Sea, http://news.bbc.co.uk/2/hi/middle_east/4676916.stm.
Fruin, J. J. ( 1971), Pedestrian planning and design.
Helbing, D. and P. Molnar ( 1995), Social force model for pedestrian dynamics. Physical Review E, Vol. 51, No. 5, 4282.
Henson, C. ( 2000), Levels of service for pedestrians. Institute of Transportation Engineers. ITE Journal, No. 70, Vol. 9.
NBC news ( 2025), Indonesian passenger ferry catches fire at sea, killing at least 5, https://www.nbcnews.com/world/indonesia/indonesian-passenger-ferry-catches-fire-rcna219847.
International Maritime Organization (IMO) ( 1974), Safety of life at sea SOLAS 1974, https://www.imo.org/en/knowledgecentre/conferencesmeetings/pages/solas.aspx.
International Maritime Organization (IMO) ( 2016), Guidelines for Evacuation Analysis for New and Existing Passenger Ships.
Kang, M. -B. and Y. -I. Joo ( 2016), Intelligent evacuation systems for accidents aboard a ship, Journal of Advanced Marine Engineering and Technology (JAMET), Vol. 40, No. 9, pp. 824-829.
Kim, K. -J., G. E. Guerra Padilla, B. -S. Sim, and K. -H. Yu ( 2019), Path Planning and Following based on the Fast Marching Method (FMM)/Feedback Control for Lunar Exploration Rover on Digital Elevation Model (DEM), Journal of Institute of Control, Vol. 25, No. 12, pp. 1109-1115.
Lim, S. J. and Y. H. Lee ( 2024), Analysis of the Optimal Evacuation Plan by Gas Leakage in Eco-Friendly Vessels Based on AI Deep Learning, Korean Association of Maritime Police Science, Vol. 14, No. 3, pp. 213-233.
Mokpo National Maritime University Segero (MMU) ( 2018), https://www.mmu.ac.kr/S6/contents/facility.
Mrudul, K., R. K. Mandava, and P. R. Vundavilli ( 2018), An efficient path planning algorithm for biped robot using fast marching method. Procedia Computer Science, Vol. 133, pp. 116-123.
Russell, S. and P. Norvig ( 1995), Artificial Intelligence: A Modern Approach. Prentice Hall, Englewood Cliffs, Vol. 25, No. 27, pp. 79-80.
Sharma, V., D. Nagpal, S. Monga, A. Almogren, D. Srivastava, A. Altameem, and J. Choi ( 2024), Enhanced forest fire evacuation planning using real-time sensor and GPS algorithm, Scientific Reports, Vol. 14, No. 1, 20091.
Shen, G., H. Chebika, H. Han, M. Mabrouk, and B. Nouibat ( 2025), Simulating Optimal Flood Evacuation Using Heuristic Algorithms and Path-Choice Behaviors, Simulation Modelling Practice and Theory, 103167.
Soltani, A. R., H. Tawfik, J. Y. Goulermas, and T. Fernando ( 2002), Path planning in construction sites: performance evaluation of the Dijkstra, A*, and GA search algorithms. Advanced Engineering Informatics, No. 16, Vol. 4, pp. 291-303.
Yoo, M., S. Haam, and W. S. Song ( 2024), Congestion-Based Earthquake Emergency Evacuation Simulation Model for Underground Structure. Buildings, Vol. 14, No. 10, 3217.
Zhang, H., Q. Zhao, Z. Cheng, L. Liu, and Y. Su ( 2021), Dynamic Path Optimization with Real-Time Information for Emergency Evacuation, Mathematical Problems in Engineering, 3017607.