1. 서 론
2. 연구 접근 방법
2.1 연구 절차
Step 1 : Park et al.,(2018)의 선행 연구를 기반으로 해양 사고 종류별 SRKBB 빈도를 검토한다.
Step 2 : 최우추정법(Maximum Likelihood Estimation, MLE)을 이용하여 확률분포의 파라미터(parameter)를 추 정한다.
Step 3 : 파라미터를 이용하여 확률분포함수(Probability Distribution function, PDF)를 모델링한다.
Step 4 : 분산분석(Analysis of Variance, ANOVA)을 이용 하여 최종결과들의 유의 수준을 검증한다.
Step 5 : 연구 결과를 분석하여 해양사고종류별 선원들의 행동오류에 대한 최적 확률분포함수의 타당성을 검토한다.
2.2 연구 방법 및 평가
3. 행동오류 모델링
3.1 적용한 데이터
3.2 확률분포함수의 파라미터 추정
3.3 최적 확률분포함수 선정
Fig. 2

최적 확률분포함수의 종류는 일반화극치분포(Generalized Extreme Value Distribution, GEV)이다.
GEV 함수의 파라미터는 형상 파라미터(shape parameter) ξ, 척도 파라미터(scale parameter) σ , 위치 파라미터 (location parameter) μ 등으로 구성된다.
SBBE의 경우, ξ = -0.0393, σ = 0.3821, μ = 1.4765 등으 로 추정되었다.
RBBE의 경우, ξ = -0.2468, σ = 0.3934, μ = 1.839 등으로 추정되었다.
KBBE의 경우, ξ = -0.3946, σ = 0.3497, μ = 2.327 등으 로 추정되었다.
위의 Fig. 2의 (a)부터 (c)까지의 세 가지 그림은 충돌에 대한 세 가지 행동오류(SBBE, RBBE, KBBE)의 누적분포함 수를 나타내는데, 이 그림들의 x-축은 모두 1부터 3까지로 나 타낸 평균트랙점수(Mean track scores)이다.
만약 평균트랙점수가 2로 주어진 경우 세 가지 그림을 통해서 세 가지 행동오류(SBBE, RBBE, KBBE)에 대한 누적 확률 값을 구할 수 있다.
위의 1과 2의 설명과 마찬가지로 Table 5의 확률분포함 수와 파라미터를 이용하면 주어진 하나의 평균트랙점수에 대 해서 여덟 가지 종류의 해양사고 각각에 대한 세 가지 행동오 류들의 연속된 확률 값(0 ≤ p ≤ 1.0)을 구할 수 있다.
이러한 확률 값을 이용하면 주어진 평균트랙점수에 대한 세 가지 행동오류 사이의 확률적인 관계를 알 수 있고, 더 나 아가서 여덟 가지 해양사고 종류별 세 가지 행동오류 사이의 확률적인 관계를 알 수 있다. 즉, 행동오류에 의해서 발생 가 능한 해양사고를 평가할 수 있다.
이러한 평가를 통해서 어떠한 행동오류가 어떠한 해양사 고에 영향을 미치는지를 평가할 수 있다. 따라서 Table 5에 나타낸 함수와 파라미터를 이용하면 행동오류에 의한 해양사 고 예측 모델을 구성할 수 있다.