탄소배출량 최소화와 운항시간 제약에 따른 LNG 운반선 최적 운항속도 비교 분석 = Comparative Analysis of Optimal LNG Carrier Speeds under CO₂ Minimization and Voyage Time Constraints

국문 초록 (Abstract)

국제해사기구(IMO)의 탄소집약도지수(Carbon Intensity Indicator, CII) 규제 시행에 따라 선박의 탄소배출량 을 저감하면서 운항 효율을 유지할 수 있는 운항 의사결정 기술의 중요성이 증가하고 있다. 본 연구에서는 LNG 운반선 을 대상으로 AI 기반 탄소배출량 예측모델과 Grid Search를 활용하여 운항속도를 결정하고, 탄소배출량 최소화와 운 항시간 제약에 따른 최적 운항속도를 비교·분석하였다. 머신러닝(XGBoost) 예측모델을 이용하여 운항속도별 시간당 탄소배출량을 예측하고, 동일 항해거리에서의 총 탄소배출량, 운항시간 및 CII 만족 여부를 종합적으로 고려하여 최적 운항속도를 도출하였다. 사례 연구 결과, 탄소배출량만 최소화하는 경우 최적 운항속도는 12.9 knot로 나타났으며, 기 준 운항 대비 총 탄소배출량이 약 26.8% 감소하였다. 반면, 운항시간 제약을 함께 고려한 경우 최적 운항속도는 16.9 knot로 결정되었으며, 모든 운항 제약조건을 만족하면서 총 탄소배출량을 약 5.4%를 저감하였다. 본 연구는 AI 기반 탄소배출량 예측과 운항 제약조건을 결합하여 운항속도 결정에 활용할 수 있는 실용적인 의사결정 지원 방법을 제시하 였으며, 향후 기상예측과 항로 최적화를 포함한 다목적 운항 의사결정 연구의 기반으로 활용될 수 있다.

다국어 초록 (Multilingual Abstract)

With the implementation of the International Maritime Organization (IMO) Carbon Intensity Indicator (CII) regulation, there is an increasing need for operational decision-making techniques that can reduce carbon emissions while maintaining operational efficiency. This study determines the sailing speed of an LNG carrier using an artificial intelligence (AI)-based carbon emission prediction model and a Grid Search algorithm and comparatively analyzes the optimal sailing speeds under two operational scenarios: carbon emission minimization and voyage time constraints. ML model(XGBoost) was used to estimate hourly CO₂ emissions at different sailing speeds, and the optimal sailing speed was determined by considering total voyage CO₂ emissions, voyage time, and compliance with the CII requirements under the same voyage distance. The case study showed that when only carbon emissions were minimized, the optimal sailing speed was 12.9 knots, resulting in a 26.8% reduction in total CO₂ emissions compared with the baseline operating condition. When voyage time constraints were additionally considered, the optimal sailing speed was determined to be 16.9 knots, satisfying all operational constraints while reducing total CO₂ emissions by 5.4%. The proposed approach provides a practical decision-support method for sailing speed determination by integrating AI-based carbon emission prediction with operational constraints and can serve as a basis for future multi-objective voyage decision-making incorporating weather forecasting and route optimization.