국립창원대 심성현 교수 연구팀, '장기 선박 오염물질 배출량 예측 AI 모델' 세계최초 개발!

북극항로 항행 특성 통합

국립창원대 심성현 교수 연구팀 연구 성과 개략도.

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 게재되었다고 9일 밝혔다. 해당 연구는 북극항로 활용 증가로 인해 급증하는 선박 배출량을 정밀하게 분석하고 장기적으로 예측할 수 있는 기술적 기반을 마련했다는 점에서 높은 학술적·정책적 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 10억 건의 Arctic Ship Traffic Data(ASTD)를 기반으로 북극 전역을 43개의 공간 노드로 재구성한 뒤, 공간·지리·계절 정보를 동시에 학습할 수 있는 새로운 인공지능 모델인 'Spatiotemporal Topology-aware Transformer(SToT)'를 개발하였다.

이 모델은 선박 이동 패턴, 지역 간 상관구조, 계절별 배출 특성을 정밀하게 반영할 수 있도록 설계되었으며, 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 적용하여 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 관측되어 지역별 맞춤형 대응 전략이 요구되는 것으로 분석되었다. 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 해운·기후 분야에서 독자적인 예측 모델을 제시했다는 점에서도 큰 의미가 있다"고 밝혔다. 연구팀은 앞으로 북극항로 개발 시나리오 분석, 국제 기후·해양정책 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 진행되었다.