해양공간 정책수립을 위한 자가진화 시뮬레이션 서비스 개발에 관한 연구 = Development of a Self-evolving Simulation Service for Marine Spatial Planning

국문 초록 (Abstract)

자연현상과 사회현상이 점차 복잡해지고 빠르게 변화함에 따라, 해양공간계획(Marine Spatial Planning, MSP)에 기반한 통합 관리 수단의 필요성이 커지고 있다. 이러한 변화에 적절히 대응하고 예측하기 위해 다양한 시뮬레이션 방법이 여러 분야에서 활용되고 있지만, 기존 해양공간 정책 시뮬레이션은 여러 한계를 지니고 있다. 따라서, 과학적인 해양공간계획을 위한 복잡한 해양 시스템의 동태를 이해하고 예측함으로써 지속 가능한 관리 전략을 도출할 수 있는 자가진화 시뮬레이션(Self-Evolving Simulation)이 필요하다. 본 논문에서는 인공지능, 머신러닝, 시스템 다이내믹스, 에이전트 기반 모델링 등 다양한 방법론을 지원하며, 기술 변화에 따라 확장 가능한 자가진화 시뮬레이션 서비스를 구현하였다. 또한, 자가진화 시뮬레이션의 성능을 검증하기 위해 해양수산부가 제공하는 지역별 어선 세력(톤) 데이터(1980년~2021년)를 사용하였고, 자가진화를 통해 파라미터를 최적화함으로써 기존 모델보다 실제 데이터에 더 근접한 예측값을 도출한 것을 확인하였다.

다국어 초록 (Multilingual Abstract)

As natural and social phenomena become increasingly more complex and rapidly changing, there is a corresponding growing need for integrated management tools based on Marine Spatial Planning. However, although a range of simulation methods are currently being employed across multiple fields to appropriately respond to and predict these changes, the existing marine spatial policy simulations have certain limitations. Consequently, a self-evolving simulator is considered necessary to gain an understanding and predict the dynamics of complex marine systems, thereby enabling the development of sustainable management strategies. In this paper, we describe the different methodologies, including artificial intelligence, machine learning, system dynamics, and agent-based modeling, and propose a scalable self-evolving simulation service that can adapt to technological changes. Additionally, to validate the performance of the self-evolving simulator, we used data on regional fishing vessel capacity (in tons) provided by the Ministry of Oceans and Fisheries (from 1980 to 2021). On the basis of self-evolution, parameters were optimized, confirming that the predictions derived were closer to the actual data than those obtained using existing models.