LLM을 활용한 해양사고 위험도 기반 동적 시나리오 생성 연구 = A study on dynamic scenario generation based on maritime accident risk using large language models

다국어 초록 (Multilingual Abstract)

Predicting maritime accident risks in advance and quantitatively assessing the likelihood of accidents can serve as a key solution for enhancing maritime safety and preventing casualties. However, existing studies have predominantly relied on limited structured data such as weather conditions or marine traffic information, and often remained at the level of binary accident classification. Moreover, most prior approaches lacked legal justification and interpretability in explaining prediction outcomes.
This study proposes an integrated maritime accident prediction framework that combines a quantitative prediction model developed using weather and marine traffic datasets with an LLM-based accident scenario generation module grounded in maritime legislation and tribunal rulings. Derived variables reflecting regional maritime operational characteristics were constructed, and probabilistic calibration was applied to improve the reliability of predicted risk scores. The prediction outputs were then integrated with legal and tribunal case data through a Retrieval-Augmented Generation (RAG) architecture, enabling automatic generation of accident causes, legal grounds, and recommended countermeasures.
The proposed model goes beyond conventional accident probability prediction by connecting predicted risk levels with legal reasoning and simultaneously generating actionable, explainable decision-support information. By linking prediction outcomes with an LLM-driven RAG system, the framework enables autonomous reasoning capable of answering why a situation is risky and which legal provisions justify specific mitigation actions. To evaluate the quality and reliability of the generated scenarios, an LLM-as-Judge quantitative assessment was conducted. The proposed model demonstrated superior performance across all evaluation metrics compared with both the baseline model and the single-input model, confirming its effectiveness in producing coherent, legally grounded, and context-aware accident reasoning outputs.
The proposed approach demonstrates the potential to serve as a core technological foundation for intelligent maritime early-warning and decision-support infrastructure, ultimately improving both safety and operational efficiency within maritime traffic systems.

국문 초록 (Abstract)

해양사고 위험을 사전에 예측하고, 사고 발생 가능성을 정량적으로 평가하는 것은 해 상 안전 확보와 사고 예방을 위한 핵심적인 솔루션이 될 수 있다. 하지만 기존 연구들은 기상이나 해상 교통 등 일부 정형 데이터만을 활용하거나, 사고 발생 여부를 단순히 분 류하는 수준에 머물러 있었다. 또한 예측 결과에 대한 법적 근거 제시나 설명 가능성 측 면에서도 한계가 존재하였다.
본 논문은 기상·해상 교통 데이터를 통합한 정량 예측 모델과 법령·재결서 기반의 LLM 사고 시나리오 생성 모델을 결합한 통합형 해양사고 예측 프레임워크를 제안한다.
해역 특성을 반영한 파생 변수를 구성하고, 확률 보정을 통해 예측 신뢰도를 향상시켰 다. 예측 결과는 해사 법령·재결서 데이터와 연계되어 검색 증강 생성 (Retrieval-Augmented Generation, RAG) 구조에서 사고 요인·법적 근거·대응 권고를 자동으로 생성하였다. 생성된 시나리오는 LLM-as-Judge 기반 정량 평가를 통해 검증되 었으며, 제안된 모델은 기본 비교 모델과 단일 입력 기반 모델 대비 전 평가 지표에서 우수한 성능을 보였다. 이를 통해 단순한 사고 확률 예측을 넘어, 예측된 위험도를 법 령·재결서와 연계하여 사고 요인·법적 근거·대응 권고를 동시에 제시하는 통합형 의사결 정 지원 체계로 확장될 수 있음을 입증하였다. 예측 결과를 LLM 기반 RAG 구조에 연 결함으로써, 모델이 “왜 위험한가”, “어떤 법령에 따라 어떤 조치가 필요한가”를 스스로 추론하고 설명할 수 있는 설명가능형 추론 구조를 구현하였다. 본 연구에서 제안한 모델 은 지능형 경보 및 의사결정 지원 인프라의 핵심 기반 기술로 활용될 수 있으며, 이를 통해 해상 교통의 안전성과 운영 효율성을 동시에 향상 시킬 수 있을 것이다.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1. 연구의 배경 1
• 1.2. 연구의 목적 4
• 1.3. 논문의 구성 5
• 제 2 장 관련 연구 6
• 2.1. 텍스트 데이터 전처리 연구 6
• 2.2. 프롬프트 엔지니어링 연구 7
• 2.3. 해양사고 예측 연구 8
• 2.4. LLM을 활용한 시나리오 생성 연구 10
• 제 3 장 연구 방법론 12
• 3.1. 해양사고 재결서 및 해사법령을 고려한 텍스트 데이터 전처리 14
• 3.2. 해양사고 예측 모델 학습 및 위험도 보정 22
• 3.3. 프롬프트 엔지니어링 및 시나리오 생성 28
• 제 4 장 실험 및 결과 해석 34
• 4.1. 실험 데이터 34
• 4.2. 해양사고 예측 모델 학습 결과 및 해석 37
• 4.3. LLM 모델 사고 위험 시나리오 생성 결과 및 해석 43
• 제 5 장 결론 및 향후 연구 55
• 참고문헌 57