서 론
미래 전장 및 작전 환경은 국방 과학기술의 발달과 전쟁수단의 다양화 및 고도화, 작전 수행 패러다임의 변화 등 다양한 요인들로 현재 대비 상당한 변화를 보일 것으로 예상된다[1]. 이에 국방 분야에서는 소수의 인원으로 다수의 무기체계를 운용하여 효율적으로 작전을 수행할 수 있고 인명 피해를 최소화 할 수 있는 무인 무기체계가 대두되고 있다[2]. 무인체계는 소수의 인원으로 다수의 무기체계를 운용하게 하여 효율적으로 작전을 수행할 수 있도록 하며 인명 피해를 최소화할 수 있기 때문에 미래전에서 그 중요성이 부각되고 있다[2]. 특히 미래 해양전은 전장 영역이 해양 뿐 아니라 지상, 공중, 우주, 사이버 등으로 확장되고, 미래전에선 무인전력이 유인전력보다 빠르고 정확하게 임무를 수행할 것으로 기대되며 이러한 상황에서 해양무인체계의 발전은 도전적 기회가 되고 있다[3].
최근 우크라이나 러시아 전쟁에서 우크라이나군의 자체 개발한 소형 자폭 무인잠수정이 러시아의 흑해 함대를 침몰시키며 해양무인체계가 세계적으로 대두되었다[4]. 주요 군사 선진국들은 해양무인체계 개발에 발맞춰 군사전략과 작전개념까지 함께 발전시키는 추세이다[5]. 이에 한국해군도 해양무인체계를 운용하기 위한 연구 및 개발, 시험운용, 부대편성 등을 추진 중이다. 현재 3개로 편성된 함대사령부를 2040년까지 2개로 줄이는 대신 무인수상함전대, 무인잠수정전대, 무인항공기전대로 구성된 해양무인전력사령부를 창설하는 계획이 알려졌다[3].
해양무인체계는 자율제어기술, 항법장치기술, 진회수 기술 등이 융합된 체계이다[2,6]. 해양무인체계에서 융합기술로써의 발전을 살펴보면, 무인잠수정의 경우 인공지능을 활용한 자동표적인식 기능 구현이 최대 화두이며, 수중 장기체류를 위한 연료 전지기술, 음파를 이용한 수중통신기술, 소나와 항법센서를 혼합한 수중항법기술등 개발을 통해 유인전력 및 무인수상정과의 협업체계를 구현하고 어뢰 등 공격용 무장 탑재를 통한 공격용 무인잠수함으로 대형화되는 추세이다[7]. 무인수상정의 경우, 감시정찰용에서 기뢰전, 대잠전 등 다목적 임무 수행 방향으로 발전하기 위해 고속,고내항성, 임무장비 모듈화 설계, 군집제어 기술 등 다양한 기술이 개발되고 있는 추세이다. 원거리 위성통신체계 구현 및 자율제어기술 등 다수의 무인체계와 협동작전 및 기존 유무인 전력과 복합적 작전 수행이 가능해 질 것으로 보인다[7]. 특히 해군은 미래 해양 안보 환경 변화와 병력 자원 감소에 대비하기 위해 ‘네이비 시 고스트(Navy Sea GHOST)’로 명명된 해양 유·무인 복합체계 발전전략을 수립하여 추진하고 있다[8]. 이 전략의 핵심 개념은 ‘수상, 수 중, 공중 전 영역에서 초연결, 초지능을 기반으로 유인 전력과 무인전력을 효과적으로 통합 운용하여 작전 및 임무수행 능력을 극대화하는 체계’이다. 이 정의는 해군이 무인항공기(공중)를 수상 및 수중 무인체계와 동등한 위상을 가진 필수적인 작전 요소로 인식하고 있음을 명확히 보여준다[9]. 또한 해군은 유·무인 복합체계 운용을 본격화하기 위해 2040년대 해양무인전력사령부 창설을 추진 중이다. 이 계획은 무인전력을 기존 함대사령부와 동등한 독립적 위상을 가진 핵심 전력으로 격상시키는 중대한 변화를 의미한다. 특히, 해양무인전력사령부의 하위 부대 구성안에는 ‘무인수상정대’, ‘무인잠수정대’와 더불어 ‘무인항공기대대’가 명시적으로 포함되어 있다. 이러한 부대 편성 계획은 무인항공기가 해양 작전에서 보조적 수단을 넘어, 수상 및 수중 무인체계와 긴밀하게 연동되어 운용될 필수적인 핵심 전력임을 국가 전략 차원에서 인정하고 있음을 의미한다[10].
향후 AI 기술 및 유인체계와의 접목을 통해, 해양무인체계는 더욱 복잡한 임무를 처리할 수 있을 것으로 보이며, 이는 해양 작전에서 중요한 역할을 수행할 것으로 예상된다[2,3]. 이러한 특성을 고려할 때, 해양무인체계 연구에서는 개별 기술을 독립적으로 분석하는 것만으로는 한계가 있으며, 다양한 기술 요소들이 상호 작용하는 융합적 관점에서 연구할 필요성이 크다[8].
해양무인체계의 기술적 발전 동향을 분석하는 것은 단순한 기술 나열을 넘어, 개별 기술 간의 관계와 구조를 이해하고, 융합의 방향성과 전략적 개발 가능성을 파악하기 위해 필수적이다. 해양무인체계는 단순히 하나의 기술이 아닌 다수의 기술이 결합되어 운용되는 복합체계이므로, 각 기술 간 관계성을 분석하고, 융합의 방향성과 발전 가능성을 예측하는 것이 중요하다. 이를 통해 기술 간 시너지를 극대화하고, 체계적인 발전 전략을 수립할 수 있다.
해양무인체계와 관련된 대부분의 연구는 기술개발과 운용개념 중심으로 수행되었고, 선진국 군사동향 분석이 주류였다[3]. Kim(2020)은 함정 분야 방산업체의 주요 기술 분포를 분석하기 위해 사회연결망 분석을 통해 주요 기술 분야를 도출하였다[11]. 특히 텍스트 마이닝 기법 중 하나인 토픽모델링을 활용한 기술 동향 분석이 수행된 연구들이 활발히 진행되고 있음을 확인했다[6,12-14]. 하지만 융합의 관점에서 기술 간 관계를 정량적으로 분석하고 발전 양상을 규명하는 연구는 미흡한 실정이다. 또한 기술 간 연결성과 영향력을 파악하는데 한계가 있다. 따라서 해양무인체계의 기술 융합 동태를 체계적으로 분석하고, 향후 기술 발전 전략을 도출하는 연구가 필요하다.
이에 본 연구는 특허 데이터를 기반으로 IPC 동시 분류 분석(co-classification analysis)을 수행하여, 해양무인체계 기술의 융합 구조와 진화 양상을 중심성 분석 및 네트워크 분석 기법을 통해 분석하고자 한다.
특허 IPC는 전 세계 특허 기술을 공통의 체계로 분류한 것으로, 동일한 특허에 함께 기재된 IPC 코드들을 분석함으로써 기술 간 연계성과 융합 관계를 구조적으로 파악할 수 있다. 또한 중심성 분석은 연결 중심성, 매개 중심성, 근접 중심성, 위세 중심성 등 각기 다른 지표를 통해 기술 간의 영향력, 정보 전달의 매개 역할, 구조적 위치 등을 정량적으로 평가함으로써, 기술 네트워크 내 다양한 유형의 핵심 기술을 체계적으로 도출할 수 있다. 네트워크 분석을 통해 기술 간 군집화 및 구조적 특성을 시각화함으로써 특정 기술이 다른 기술과 어떤 방식으로 융합되고 있는지, 기술군 간 상호작용이 어떻게 변화하는지 시계열적으로 파악이 가능하다.
본 연구의 차별성은, 해양무인체계 기술에 대한 기존 연구들이 주로 개별 기술의 발전 방향이나 작전 운용 개념, 또는 국가별 개발 현황 분석에 머물렀던 것과 달리, 기술 간 융합 구조와 상호작용을 정량적으로 분석한다는 점에 있다. 특히, 특허 IPC의 동시 분류 분석(co-classification)을 기반으로 기술 간 연계성과 중심성, 네트워크 구조를 시계열적으로 분석함으로써, 단순 기술 나열을 넘어 융합 기술 체계의 진화 양상을 체계적으로 규명하고자 하였다. 또한, 출원인 분석과 기술 중심성 분석을 결합하여 특정 기술이 해양무인체계 발전에서 어떤 역할을 수행하며, 어떠한 협력 구조를 형성해왔는지를 시각적으로 파악할 수 있다는 점에서 기존 연구와 차별화된다. 이러한 차별적인 분석 방법론을 바탕으로, 본 연구는 해양무인체계 기술의 융합적 발전 양상을 정량적으로 규명하며 향후 기술 협력 정책 수립 및 발전 계획 마련에 기여할 수 있다.
연구는 다음과 같이 구성된다. 2장에서 해양무인체계 관련 선행연구와 기술 융합 분석을 진행한 연구를 검토하였다. 3장에서는 연구 수행방법 및 절차를 기술하였다. 4장에서는 연구 결과를 제시하였으며, 마지막으로 5장에서 연구 결과 요약, 시사점 및 한계점, 향후 연구 방향을 서술하였다.
선행연구
2.1 해양무인체계 연구
해양무인체계는 크게 무인수상정과 무인잠수정으로 구분되며, 최근 무인 체계의 발전과 해양영역의 확대로 해양작전 수행 및 지원을 위한 무인체계를 입체적으로 운용하는 시스템이다[15]. 해양무인체계는 주로 유인함정이 접근하기 어려운 적 해역, 위험지역에서 적을 탐지하는 감시정찰 임무 및 기뢰를 탐지하고 식별하여 제거하는 대기뢰전임무, 적함정이나 잠수함을 감시,추적하고 공격하는 대잠전 및 대함전 임무를 수행한다[3]. 해양무인체계는 인명 피해를 최소화하면서 열악한 작전 환경에서도 신속하고 정확하게 임무를 수행할 수 있으며, 인력 및 운용 비용 측면에서 효율성이 높아 전시뿐만 아니라 평시에도 활용 가치가 크며, 군사전략 수립과 작전 운용에 있어 필수적인 요소로 고려될 것으로 예상된다[5]. 이러한 배경에서, 국내외로 해양무인체계에 관련한 여러 연구가 진행되어왔다.
2.2 기술 융합 동향 연구
기술 융합과 관련한 선행연구들을 조사하여 Table 1에 나타냈다. 기술 융합은 혁신의 주요 원천으로 인식되며, 기술의 융합과 상호작용을 식별하기 위해 특허 IPC에서 제공되는 정보는 기술의 연결성을 추출할 수 있고 기술 특성을 분석하는데 탁월하다[18]. 이러한 중요성에 기술 융합에 관한 연구들이 여러 분야에서 활발히 진행되어왔다. 특히 특허를 이용한 기술 융합 분석이 많이 이루어졌는데, Yoo & Song(2023)의 경우 디지털 트윈 관련 특허 데이터 분석을 통해 기술 동향을 파악하고 링크 예측 기법을 적용하여 새로운 기술 융합 기회를 도출하였다[19]. Kim & Kim(2024)은 IPC 분류코드 및 네트워크 분석을 활용하여 항만 산업 분야의 핵심기술을 파악하고 기술 간 융합 양상을 분석하였다[22]. Moon et al.(2017)은 특허 동시분류분석과 텍스트마이닝 기법을 활용하여 사물인터넷 관련 기술 융합 분석을 수행하였다[21]. Kim & Jeon(2019)는 무인항공 분야의 특허를 활용하여 중심성 분석 및 네트워크 분석을 수행하였으며, 특히 CAGR을 접목하여 무인 항공분야 기술의 시계열적 동향을 파악하였다[22]. Kim & Choi(2022)의 경우 토픽 모델링과 네트워크 분석을 활용하여 헬스케어 분야의 핵심기술을 도출하고 기술 융합도를 확인하였다[23].
Table 1.
Previous studies on technological convergence trends
| 저자 | 연구 방법론 | 연구 시사점 |
|---|---|---|
| Yoo & Song (2023)[19] | 특허 동시분류분석, 네트워크 분석, 링크예측 기법 | 디지털 트윈 관련 특허 데이터 분석을 통해기술 동향을 파악하고, 링크 예측 기법의 적용을 통해 새로운 기술 융합기회 도출 |
| Kim & Kim (2024)[20] | 네트워크 분석, IPC 분류분석 | 항만산업의 특허 데이터를 바탕으로 대표기술분야 분석 및 네트워크 분석을 통해 항만 산업 기순 간 융합 양상을 확인 |
| Moon et al.(2017)[21] | 동시 분류분석, 텍스트마이닝, 네트워크분석 | 특허 데이터를 사용하여 기술 융합 분석을 수행, 사물인터넷 기반기술을 중심으로 융합 현상이 발생함을 도출 |
| Kim & Jeon (2019)[22] | 네트워크 분석, 중심성 분석 | 무인항공분야의 주요 IPC 코드를 도출하고 CAGR을 접목하여 연도별 IPC의 증감 경향 분석 |
| Kim & Choi (2022)[23] | 토픽모델링, 네트워크 분석 | 토픽모델링을 수행하여 헬스케어 유형을 파악하고, 분류된 토픽별 핵심기술 도출 및 기술 융합도를 확인 |
| Seo & Lee (2018)[25] | 특허 동시분류분석, 네트워크 분석, SVM | 제조-서비스 기술 융합 구조를 정의하고, SVM알고리즘을 이용해 기술 융합 관계 예측모델 개발 |
2.3 특허 동시분류분석
특허는 기술 개발에 대한 포괄적이고 체계적인 정보를 제고하여 산업 및 도메인 전반의 융합 양상에 대한 통찰력을 얻기 이상적이다[24]. 특허 정보를 체계적으로 분류하고 관리하기 위해 세계지적재산권기구(WIPO)는 국제적으로 표준화된 IPC(International Patent Classification, 국제 특허 분류) 코드를 사용한다. IPC 코드는 특허 문헌을 체계적으로 분류, 검색, 배포, 관리할 수 있도록 지원하며, 계층적 구조를 통해 기술의 속성과 영역을 구체적으로 정의한다[26]. IPC 코드는 섹션(Section), 클래스(Class), 서브 클래스(Sub-Class), 메인그룹(Main-Group), 서브그룹(Sub-Group)으로 계층적인 구조를 가진다[26]. Fig. 1은 IPC 코드의 계층 구조를 시각적으로 나타낸 것이다.
특허 동시 분류 분석은 두 개 이상의 특허 클래스가 하나의 특허에 동시에 분류되는 현상을 의미한다. 이러한 동시 분류 관계는 서로 다른 기술들이 결합되어 개발된 연구개발의 산출물을 나타내며, 기술 융합의 대표적인 예시로 해석할 수 있다[25]. 또한 특허 동시 분류분석은 서로 다른 산업 또는 기술 간 상호의존적 관계를 이해하는 데 도움을 줄 수 있으며 IPC 기반의 네트워크는 이들 간의 융합에 관해 설명할 수 있다[18]. 이러한 특허 동시분류분석은 다양한 연구에서 활용되었다. Yoon & Ji(2019)은 글로벌 폴더블 디스플레이 시장에서 기업별 핵심기술 탐색을 위해 특허의 동시분류분석을 활용하여 연구를 진행하여, 기업의 기술 전략에 대한 시사점을 제공하였다[27]. Jeon et al.(2019)은 핵심 로봇 기술을 식별하기 위해 연관규칙 마이닝을 동시분류분석에 적용하고 다기준 의사결정 방법론을 통합하여 대규모 특허 데이터에서 기술 간 교차 영향 지수를 효율적으로 추출하고 핵심 기술을 도출하였다[28]. Park et al.(2021)은 바이오헬스 산업의 기술 융합과 트렌드 분석을 위해 특허 동시분류분석과 텍스트마이닝을 활용하여 바이오헬스 산업의 기술융합 클러스터를 크게 3가지로 구분하며 해당 기술 융합 활성화 정책 수립과 R&D 전략의 필요성을 강조하였다[29]. 특허 동시분류분석은 서로 다른 산업 도는 기술 간의 상호 의존적 관계를 이해하는 데 도움을 줄 수 있으며 IPC 기반의 네트워크는 이들 간의 융합에 관해 설명할 수 있다[20]. 이에 본 연구에서는 IPC 코드의 섹션부터 서브 클래스까지의 범위를 지정하여 한 특허에 두 개 이상의 IPC 코드가 도출된 경우 기술 융합이 진행되었다고 정의하였다. 본 연구는 기술군 간의 연계성과 융합 구조를 효과적으로 파악하기 위해, 과도한 세분화를 피하면서도 실질적인 기술 융합을 포착할 수 있는 분석에 적합한 구분 수준인 IPC 서브 클래스 단위까지 분석에 활용하였다. IPC 코드 간 공출현 매트릭스를 도출하여 분석을 진행하였다.
2.4 네트워크 분석
네트워크 분석(Network Analysis)이란 텍스트로 구성된 문서나 문헌에서 단어를 추출하고, 단어들 간의 공동출현 연결 관계를 근간으로 문서나 문헌의 텍스트에 내재된 의미를 분석하는 기법이다[30]. 또한 중심성 분석을 통해 노드와 노드 간 링크로 구성된 네트워크 구조적 특징을 계량적으로 분석 가능하며, 측정 지표로는 연결 중심성(Degree centrality), 근접 중심성(Closeness centrality), 매개 중심성(Betweenness centrality), 위세 중심성(Eigenvector centrality)이 대표적이다[31].
연결 중심성(Degree centrality)은 네트워크에서 특정 노드가 얼마나 많은 다른 노드와 직접적으로 연결되어 있는지를 나타내는 지표이며, 네트워크 내에서 해당 노드의 활동성을 측정하는데 사용된다[32]. 연결 중심성의 수식은 다음과 같다.
CD(i): i에 대한 연결중심성값,
Aij: 노드 i와 노드 j와의 연결상태
근접 중심성(Closeness Centrality)는 특정 노드가 네트워크 내의 모든 노드들과 얼마나 가깝게, 즉 얼마나 짧은 경로로 연결되어 있는가에 대한 지표이다. 한 마디로 모든 노드에 얼마만큼 쉽게 도달할 수 있는지로 중요도를 결정한다[33]. 근접 중심성이 높은 노드는 다른 노드들과의 평균 거리가 짧아, 네트워크 내에서 빠르고 효율적인 정보 전달이 가능하다는 것을 나타낸다.
CC(i): i에 대한 근접 중심성값,
Dij: 노드 i와 노드 j와의 최단 경로 거리
매개 중심성(Betweenness centrality)은 네트워크에서 한 노드가 다른 노드 사이 최단 경로 상에 얼마나 자주 위치하는가의 수치로, 이를 통해 해당 노드가 네트워크 내 중개역할을 수행한다[34]. 높은 매개 중심성을 갖는 노드는 이 노드를 거쳐서 발생할 수 있는 영향력이 큰 것으로 해석된다[35].
CB(i): i에 대한 매개 중심성값,
Cjk(i): 노드 j와 노드 k 사이에 있는 최단 경로 중 노드 I를 경유하는 경로의 개수,
Cjk: 노드 j와 k의 최단경로의 개수
위세 중심성(Eigenvector centrality)은 네트워크 내에 한 노드와 연결된 다른 요소들의 중심성을 가중치로 적용하여 계산하는 방식으로 자신과 연결된 다른 노드들이 네트워크 내에서 얼마나 중요한지 파악하는 지표이다[39]. 위세 중심성이 높으면 연결정도 중심성이 적어도 높은 영향력을 갖으며, 반대로 연결정도 중심성은 높지만 위세 중심성이 낮다면 네트워크내 실질적 영향력은 미미한 것으로 해석된다[40].
CE(i): i에 대한 위세 중심성값,
Aij: 노드 i와 j의 연결여부,
λ: 노드 i의 고유값,
CE(j): 노드 j에 대한 위세 중심성값
네트워크 분석을 실시한 선행연구로는 특허 데이터를 활용한 기술 동향 분석들을 다수 확인할 수 있었다[30]. Lee et al.(2025)은 국내 반려동물 산업의 기술 융합 동향에 관해 네트워크 분석과 텍스트 마이닝을 활용하여 분석을 진행하였다[38]. Kim & Kim(2024)는 항만 산업의 핵심 기술과 기술 융합 분석을 위해 특허 IPC분류 코드를 네트워크 분석을 통해 연구하였다[20].
기존의 연구들은 특히 특허 데이터를 활용한 네트워크 분석을 통해 기술 동향 및 융합 동향을 분석하였다. 네트워크 분석은 구조적 표현을 시각화하여 기술 간 융합 및 관계를 간단하게 표현할 수 있다는 장점이 있다. 이에 본 연구에서는 기술 융합의 동향을 파악하기 위해 중심성 분석 및 네트워크 분석을 실시하였다.
연구방법
본 연구는 해양무인체계의 기술 융합 동향을 분석하고자 Fig. 2와 같이 연구를 설계하였다.
먼저 KIPRIS를 활용하여 해양무인체계 관련 특허를 수집하였다. 2010년 1월 1일부터 2022년 12월 31일까지 공개 및 등록된 특허를 대상으로 검색식을 적용하여 일차적으로 1,322건의 특허를 확보하였다. 특허 검색에 사용된 검색식은 다음과 같다.
TITLE-TBSKEY((무인*함정)+(무인*잠수정)+(무인*수상정)+(무인*수상함)+(무인*잠수함)+(무인*경비정)+(자율*무인*함정)+(해양*무인*체계)+(무인*해양*체계)+ (unmannedSurfacevehicle)+(USV)+(unmannedunderwaterve hicle)+(UUV)+(unmmanedwarship)+(unmmanedmaritimeve hicles)+(umvs)+(unmannedmarinevehicle)+(autonomoussurf acevessel)+(unmmanedcombatantship)*!(자동차))
수집된 특허 데이터에는 출원번호, 출원일자, 발명의 명칭, 출원인, 요약, IPC 분류 등의 정보가 포함되었다. 데이터 전처리 단계에서는 수집된 1,322건의 특허 중 정성적 스크리닝을 통해 해양무인체계와 무관한 특허를 제외하였으며, 최종적으로 1,293건의 특허 데이터를 분석에 활용하였다. 이후 분석을 위해 특허 데이터에서 출원인 정보와 IPC 코드를 추출하여 공출현 매트릭스(Co-occurrence Matrix)를 생성하였다. 이때 IPC 코드의 경우 섹션부터 서브 클래스까지 범위를 지정하여 분류를 진행하였다. 출원인 분석은 기술통계분석, 중심성 분석, 네트워크 분석을 통해 출원인 간의 융합 관계를 파악하였다. IPC 분석 또한 기술통계분석, 중심성 분석, 네트워크 분석을 수행하였다. 중심성 분석 및 네트워크 분석에는 NetMiner 4.5 소프트웨어를 활용하였다.
간선 가중치 설정, 즉 동시분류 빈도(Co-occurrence Frequency)는 두 기술 키워드가 동일한 문서에 2회 이상 함께 출현한 횟수를 기반으로 측정되었다. 네트워크 그래프 레이아웃 알고리즘의 경우, 출원인 분석에서 그래프 레이아웃 알고리즘으로, 노드 간의 상대적 거리와 연결 강도를 고려해 네트워크 구조를 균형 있게 시각화하기 위해 Kamada-Kawai 알고리즘을 적용하였다. 클러스터 분석 결과는 네트워크 내 군집 간 구조를 직관적으로 확인하기 위해 Eades 알고리즘(Eades layout algorithm) 기반의 Spring layout으로 시각화하였다.
최종적으로 출원인 분석 결과와 특허 IPC 분석 결과를 종합하여 해양무인체계 기술 융합의 시사점 및 결론을 도출하였다.
연구결과
4.1 데이터 수집 결과
연도별 특허 출원 추이는 다음 Fig. 3과 같다. 2023년 이후의 특허는 등록 및 공개까지 기간이 소요되므로 특허 출원이 감소하는 추세를 보여 분석대상에서 제외하여 기간을 설정하였다. 또한 최신 특허의 경우 심사중이거나 출원 및 공개까지 2년정도의 기간이 소요됨을 고려하여 2011년부터 2022년까지의 데이터를 분석대상으로 설정하여 총 1,293개의 특허를 수집하였다.
연도별 특허 출원 추이는 전반적으로 증가하는 추세이다. 해양무인체계 특허 출원의 증가는 정부 및 군 주도의 지속적인 기술 개발 사업에 기인한 바가 크다. 2008년부터 2012년까지 한국해양과학기술원(KIOST)과 대양전기공업은 기뢰무인처리기(MDV)를 공동 개발하였고, 2011년부터 2014년까지는 한화가 자율형 무인수중기기(AUV)를 개발하였다. 이후 국방과학연구소(ADD)는 2015년부터 약 90억 원을 투입해 대형 무인잠수정의 자율제어 기술 개발을 추진하였다[41]. 2017년에는 합동참모본부 주관으로 수중무인탐사체의 실증 시험이 이루어졌으며, 방위사업청은 해양수산부와 공동으로 2015년부터 2019년까지 약 300억 원을 투자하여 복합임무 무인수상정의 국산화 개발을 본격화하였다[42]. 이와 같은 정책적·산업적 배경에서 연속적인 국방·산업·연구기관의 기술 개발이 해양무인체계 특허 출원 증가의 주요 원인으로 작용하였음을 알 수 있다.
Table 2.
Patent counts by year
| 연도 | 출원 횟수 |
|---|---|
| 2011 | 49 |
| 2012 | 45 |
| 2013 | 38 |
| 2014 | 46 |
| 2015 | 66 |
| 2016 | 84 |
| 2017 | 106 |
| 2018 | 114 |
| 2019 | 147 |
| 2020 | 183 |
| 2021 | 195 |
| 2022 | 220 |
본 연구에서는 시계열 경향성 분석을 수행하기 위해 총 12년간의 분석 기간(2011년∼2022년)을 4년씩 3개의 기간으로 구분하였다. 기간 1은 2011년부터 2014년, 기간 2는 2015년부터 2018년, 기간 3은 2019년부터 2022년으로 나누어 연구를 진행하였다. 이러한 구간 설정은 기술 발전이 단기간에 급격히 이루어지기보다는 일정한 주기 속에서 점진적으로 진화한다는 전제에 기반하며, 시기별 기술 간 상호작용 양상의 변화를 구조적으로 비교·분석하기 위함이다. 특히 특허 기반 기술 분석에서는 일정 기간 누적된 데이터를 통해 융합의 흐름을 파악하는 것이 효과적이며, Daim et al.(2006)의 연구에서도 4년 단위의 주기를 활용한 시계열 분석을 통해 기술 변화의 패턴을 도출한 바 있다[39]. 따라서 본 연구에서도 기술 융합의 단계별 진화를 보다 체계적으로 파악하고, 각 시기별 특성과 연결된 출원인 네트워크 구조를 명확히 비교하기 위해 동일한 구간 설정을 적용하였다.
4.2 출원인 분석
4.2.1 출원인 통계 분석
수집된 특허의 서지정보 중 출원인 정보를 활용하여 출원인 빈도 분석을 실시하였다. 상위 출원인 별 출원 횟수는 Table 3과 같다.
Table 3.
Application frequency by top applicants
| 상위 출원인 | 출원 횟수 |
|---|---|
| 한국해양과학기술원 | 95 |
| LIG넥스원주식회사 | 78 |
| 한화시스템 주식회사 | 72 |
| 국방과학연구소 | 56 |
| 삼성전자 주식회사 | 38 |
| 한화오션 주식회사 | 31 |
| 한국로봇융합연구원 | 25 |
| 테크놀로지안 투트키무스케스쿠스브이티티오와이 | 24 |
| 엘지전자 | 19 |
| 동명대학교 산학협력단 | 14 |
해양무인체계 특허 상위 출원인으로 한국해양과학기술원, LIG넥스원 주식회사, 한화시스템 주식회사, 국방과학연구소 등 10개의 상위 출원인 및 출원 횟수를 나타내었다. 주로 한국해양과학기술원의 특허가 가장 많은 비율을 차지하고 있음을 확인할 수 있다. 이외에도 상위 출원인에 LIG넥스원, 한화시스템과 같은 방산 기업들이 상위권에 포진하고 있었다. 대학교 산학협력단과 전자업계, 글로벌 기업이 국내 해양무인체계 특허 출원을 활발히 진행하고 있는 현황을 확인하였다. 이후, 보다 구체적인 상위 출원인 출원 동향 파악을 위해 연도별 출원 횟수를 살펴보았다. Fig. 4는 상위 출원인의 연도별 출원 횟수를 그래프로 나타낸 것이다.
2020년 한화시스템과 한화오션의 특허 출원이 급격히 상승한 부분을 확인할 수 있는데, 이 시기 해양무인체계에 대한 연구개발이 본격적으로 확장되었음을 시사한다. 이는 2019년 국방과학기술진흥정책서가 발표되면서, 방산업체들이 적극적으로 국방 R&D에 활발히 참여하는 시기임을 고려하여 이에 영향을 받았을 것으로 예상할 수 있다. 2020년에는 해양무인체계를 포함한 무인 전투체계가 중점 개발 대상으로 선정되었고, 이에 따라 한화시스템이 연구개발을 강화하면서 특허 출원이 증가한 것으로 보인다.
4.2.2 출원인 공동 출원 분석
본 연구는 한 특허에 2명 이상의 출원인이 등록된 경우, 출원인 간 융합이 일어났다고 가정하여 연구를 진행하였다. Fig. 5는 전체 특허의 특허 건수별 출원인 수에 따른 비율을 나타낸 파이차트이다.
단독 출원인 출원 비율이 88.5 %를 차지하며, 출원인이 2명인 경우가 9 %, 3명 이상인 경우가 1 %에 그쳤다. 이는 해양무인체계 특허 출원이 주로 단독 출원인의 주도하에 이루어지고 있으며, 기술 융합이나 협력 공동 연구가 활발하지 않음을 의미한다. 이를 통해 해양무인체계 분야의 기술 개발이 폐쇄적인 환경에서 이루어지고 있을 가능성이 있음을 시사한다.
4.2.3 출원인 중심성 분석
전체 기간을 3구간으로 나누어 해양무인체계 출원인 중심성 분석을 실시하였다. 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성 별 상위 출원인을 5개씩 도출하였다.
4.2.3.1 연결 중심성 분석 결과
연결 중심성에서 상위 출원인으로 도출된 경우 해양무인체계 특허 기술에서 다른 출원인들과 많은 연결 관계를 가짐을 의미하며, 이는 높은 출원인 간 밀접한 관계를 가지고 있음을 의미한다. 기간 1(2011-2014)에서는 특정 출원인 간의 기술 융합이 제한적이었으며, 네트워크 구조 역시 단일 출원인이 중심적인 역할을 수행하는 개발 초기 단계의 특징을 보였다. 반면, 기간 2(2015-2018)에서는 새로운 개인 출원인들이 상위에 위치하며 네트워크 내에서 중요한 역할을 담당하게 되었다. 이는 해양무인체계 기술 개발이 초기 단계를 지나면서 개인 출원인 간의 협력과 기술 융합이 점차 확대되었음을 나타낸다. 기간 3(2019-2022)에서는 LIG넥스원, 국방과학연구소, 그리고 여러 대학 산학협력단이 상위 출원인으로 도출되며, 네트워크 구조가 개인 중심에서 기관 중심으로 전환되는 양상을 보였다. 특히, 기업 및 연구소와 대학 간의 협력이 활발해지며 기술 융합 네트워크가 보다 복잡하고 다층적으로 변화하였음을 시사한다. 또한, 기간 1과 2에서 상위 출원인의 연결 중심성 값이 상대적으로 크게 도출된 것을 확인할 수 있다. 이는 해양무인체계 개발 초기에는 출원인 간의 융합이 활성화되지 않았기 때문에, 소수의 주요 출원인들이 주도적으로 네트워크를 형성했음을 의미한다. 그러나 시간이 지남에 따라 기술 융합의 범위가 확대되고 네트워크가 분산되면서 출원인 간의 관계가 다변화되었으며, 이로 인해 상위 출원인의 연결 중심성 값이 점차 감소하는 경향을 보였다. 이와 같은 결과는 해양무인체계 기술 개발이 개인 중심의 초기 단계에서 기관 및 산학협력 중심의 확장 단계로 발전하고 있음을 시사한다.
Table 4.
Top degree centrality applicants by period
4.2.3.2 근접 중심성 분석 결과
근접 중심성은 네트워크가 한 노드에서 다른 노드까지 도달하는 경로가 짧을수록 중요한 노드의 개념으로[22], 근접 중심성 지수가 높은 출원인은 타 출원인과 연관성이 높음을 의미한다. 근접 중심성의 경우 연결 중심성과 동일한 출원인이 기간 1, 기간 2에서 도출되었다. 이는 네트워크에서 해당 출원인들이 중요한 위치를 차지하고 다른 노드들과 적극적으로 상호작용하고 있음을 의미한다. 기간1에서는 상위 출원인들의 근접 중심성값이 동일하며 이는 이 기간에 특정 출원인 간 차별성이 미비함을 의미한다. 기간2에서는 임재현, 류성찬 등 신규 출원인들이 등장하며 근접 중심성의 값이 낮아진다. 이는 네트워크가 분산된 형태로 나타남을 의미한다. 기간 3에서는 국방과학연구소, 한국과학기술원, 고려대학교 산학협력단 등이 상위 출원인으로 나타나며 중심성 값이 기간 2에 비해 증가하는데, 이는 이 시기에 국방연구소나 방산 기업, 대학 간의 협력이 이루어지고 그 값 또한 증가하며 이러한 기관 간의 협력이 활발히 이루어지고 있는 시기임을 알 수 있다.
Table 5.
Top Closeness centrality applicants by period
4.2.3.3 매개 중심성 분석 결과
매개 중심성은 네트워크에서 한 노드가 다른 노드사이 최단경로상에 얼마나 자주 위치하는가의 수치로, 이를 통해 해당 노드가 네트워크 내 중개 역할을 수행한다[34]. 이는 기술 융합과 정보교류의 촉진을 도우는 역할을 수행하며 매개 중심성이 높은 노드는 네트워크 전체의 연결과 효율성에 큰 영향을 미친다. 기간 1에서는 네트워크 내에서 뚜렷한 매개중심성 값을 보이는 출원인이 나타나지 않았으며, 이는 기술 융합이 미비하고 특정 출원인이 다른 노드 간의 연결을 중개하는 역할을 수행하지 않았음을 의미한다. 기간 2에서는 인크가 유일하게 매개중심성 값을 보였는데, 이는 이 시기에 극히 제한적이지만 특정 출원인이 네트워크 내에서 중개자 역할을 시작했음을 시사한다. 기간 3에 이르러서는 국방과학연구소, LIG넥스원, 고려대학교 산학협력단 등 다양한 출원인이 네트워크에 등장하며, 네트워크의 복잡성이 증가하고 출원인 간의 협력이 활발해지는 양상이 뚜렷하게 나타난다. 특히 2022년 국방과학연구소의 보도자료에 따르면, 민·군 해양무인자율체계 기술 세미나를 개최하여 해양무인자율체계의 정책 방향과 기술 발전 방향을 논의한 바 있으며[40], 이는 기간 3에서 산학연 협력 및 민·군 협력이 더욱 활성화된 결과를 뒷받침한다.
4.2.3.4 위세 중심성 분석 결과
위세 중심성은 네트워크 내 직접적 연결뿐 아니라 이웃 노드들의 영향력까지 고려하는 척도이다[43]. 위세 중심성이 연결된 노드의 질적 중요성을 고려하며, 영향력 있는 노드 한 개와의 연결이 약한 노드 다수와의 연결보다 우위를 가진다[44]. 기간 1에서 상위 출원인들은 모두 같은 값을 가지며, 초기 네트워크에선 노드간 영향력의 차이가 크게 드러나지 않는 상태이다. 기간 2에서는 상위 출원인인 티센크룹 악티엔게젤 샤프트, 티쎈크로프 마리네 지스템스 게엠베하가 상당히 높은 순위를 차지하며 두 출원인이 해양무인체계 네트워크 내 기술 흐름을 주도하고 있음을 알 수 있다. 기간 3에선 LIG넥스원과 같은 방산 기업과 호원대학교 산학협력단, 한국과학기술원, 국방과학연구소 등 대학 산학협력단과 국방과학연구소 등의 출원인 간 특허 출원이 활발히 이루어지는 양상을 보인다. 이는 앞선 연결 중심성, 근접 중심성, 매개 중심성과의 분석 결과와도 일관성을 보인다. 이러한 결과는 2019년 국방과학연구소와 한화시스템이 복합임무 무인수상정(M-서처)을 개발하하며, 국방 분야에서도 실질적인 무인체계 전력화 사업이 본격화되었다[7]. 또한 해양수산부의 2020년 예산 정부안으로 5조 4,948억을 편성하여 다양한 해양산업 분야에 대한 투자를 확대한 지원과 한화시스템이 이 시기 수상·수중 해양무인체계 및 군집 무인수상정 자율 운항체계를 개발하며 이러한 배경에서 출원인 간 융합정도가 증가했음을 짐작할 수 있다.
Table 7.
Top eigenvector centrality applicants by period
이와 같은 중심성 분석 결과는 상위 출원인들이 해양무인체계 특허 네트워크 상에서 핵심적 위치를 차지하고 있음을 의미한다. 다음에서 이러한 분석이 실제 기술 개발 현황과 어떠한 방식으로 대응하는지 구체적인 사례를 통해 살펴본다.
실제로 한국해양과학기술원은 무인수상정(USV)과 무인잠수정(UUV)을 활용한 해양 자동화 관측 플랫폼을 개발하였다. 또한, ｢무인자동화 해양관측 플랫폼 기술개발 기획연구 최종보고서｣에서는 자율운항 무인잠수정을 통한 수중 환경 데이터 수집 및 센서 융합 기술이 제시된 바 있으며, 이는 본 연구에서 도출된 항법(G01S), 제어(G05D) 관련 특허군과 밀접히 관련된다[45]. 한화시스템의 경우, 2024년 ｢ Sea Ghost｣라는 군집 무인수상정(Swarm USV) 시연을 통해 자율 협동 운용 기술을 공개하였다. 해당 기술은 군집 자율제어(G05D), 무선통신(H04W) 특허군과 직접적으로 연결되며, 나아가 2025년 MADEX 전시회에서는 유·무인 복합체계(MUM-T)에 최적화된 전투용 USV 개념을 선보여 해양무인체계의 실질적 전력화 가능성을 입증하였다[46]. 국방과학연구소는 2019년 ｢복합임무 무인수상정(M-서처)｣ 개발을 주도하였으며, 이는 자율항해 및 다임무 탑재 기능을 지닌 대표적 해양무인 플랫폼이다. 이는 본 연구에서 상위로 도출된 선체(B63B, B63G), 제어(G05D) IPC 특허와 직접적으로 대응한다[7].
4.2.4 출원인 네트워크 분석
다음은 기간별 출원인 네트워크 분석 시각화 결과이다. 네트워크의 변화를 살펴보면 기간이 지날수록 융합이 복잡한 네트워크가 형성됨을 확인할 수 있으며, 이는 출원인 간 융합이 더욱 구성되는 동향임을 확인할 수 있다. 또한 기간별 네트워크 분석 결과를 나타낸 것은 Fig. 6∼8과 같이 나타내었다. 기간별 출원인 네트워크 시각화를 살펴보면, 기간 1에선 융합이 활발히 이루어진 특허는 부족한 상태이며, 최대 6명의 출원인 융합이 이루어진 네트워크가 확인된다. 기간 2에서는 출원인 간 융합 횟수가 증가하여, 3회 또는 4회 이상 융합된 네트워크가 더욱 많이 나타나는 것을 확인할 수 있다. 특히, 기간 3에서는 뚜렷한 융합 네트워크가 형성되며, 융합 횟수가 3번, 4번과 같은 출원인 간 융합된 네트워크를 더욱 많이 확인할 수 있으며, 기간 3에서 뚜렷한 융합 네트워크 양상을 확인할 수 있는데, 이를 확대한 그림은 다음 Fig. 9와 같다.
확대된 기간 3에서의 출원인 네트워크에선 국방과학연구소를 중심으로 경북대학교, 고려대학교, 제주대학교, 동국대학교 산학협력단들과 융합한 형태를 확인할 수 있다. 또한 한화시스템과 같은 방산 기업과의 협력도 확인할 수 있었다. 네트워크의 아래쪽 특허들 또한 LIG넥스원을 중심으로 오산대학교, 가천대학교, 호원대학교 산학협력단이 네트워크를 형성하고 있다. 이는 해양무인체계 특허가 최근 방산 기업과 대학교 산학협력단 간의 협력을 통해 활발하게 출원되고 있으며, 이러한 네트워크가 특허 기술 네트워크에서 주요한 구조를 이루고 있음을 시사한다. 해양무인체계 분야에서는 단일 기업이 독자적으로 기술을 개발하고 상용화하기에는 한계가 존재한다. 해양무인체계는 인공지능, 센서 기술, 자율 주행, 통신, 방산 기술 등 다양한 첨단 기술이 융합되어야 하며, 이를 위해서는 다수의 연구기관, 대학교, 방산업체 및 관련 기업들이 협력하여 기술을 개발하고 실용화하는 것이 필수적이고 향후에도 여러 기업 및 산학 간 협력이 중요하게 부상할 것을 의미한다.
4.3 특허 IPC 분석
4.3.1 IPC 통계 분석
IPC 분류 체계를 기반으로 섹션 수준에서 서브 클래스 수준까지 범위를 설정하여 총 248개의 IPC 코드를 도출하였다. 상위 IPC 코드 및 표준 산업 분류코드(KSIC)를 연계하여 비교한 결과 해양무인체계 특허는 선박제조업, 측정, 정밀기기 제조업, 영상 및 음향기기 제조업, 정보서비스업, 무인항공기 제조분야에서 발견되는 것으로 나타났다. Table 8은 상위 10개 IPC 코드와 표준산업분류코드(KSIC)의 연관표를 나타낸 것이다.
Table 8.
Top 10 IPC code - KSIC mapping table
4.3.2 IPC 동시 출현 분석
본 연구는 한 특허에 2개 이상의 IPC 코드가 나타났을 때 기술 융합이 일어났다고 정의하여 연구를 진행하였다. Fig. 10은 IPC 동시 출현 횟수별 동향을 나타낸 그래프이다.
동시 출현 횟수가 1번, 즉 단일 IPC 코드로 이루어진 특허가 가장 많은 비율을 차지한다. IPC 코드가 2개로 동시 출현한 경우가 2번째로 많았으며, 3번의 동시 출현이 이루어진 특허가 3번째로 나타났다. 단일 IPC 코드 특허가 가장 많은 비율을 차지한다는 점은 아직 많은 특허가 단일 기술 영역에 집중되어 있으며, 이는 해양무인체계 분야에서 전문화된 기술이 중요함을 의미한다. 또한 그래프상에서 IPC 코드가 2개, 3개인 특허가 점진적으로 증가하는 추세에서 기술 융합이 점차 증가할 것으로 예상된다. 실제로 2015년 방위사업청과 해양수산부가 공동으로 ‘복합임무 무인수상정’ 개발 사업을 시작하며, 2015년부터 2019년까지 약 300억 원을 투자해 함정탑재형 및 단독운항형 무인수상정의 국산화 개발에 본격적으로 착수하였다[40]. 이 시기를 기점으로 특허 출원 수 및 IPC 융합 횟수가 상승하는 양상을 확인할 수 있다.
4.3.3 IPC 중심성 분석 결과
본 연구는 해양무인체계 기술의 구조와 융합 특성을 정량적으로 파악하기 위해 IPC 코드를 기반으로 연결 중심성, 근접 중심성, 매개 중심성, 위세 중심성의 네 가지 중심성 지표를 활용하여 분석을 수행하였다. 이는 기술 간 상호작용에서 핵심 기술의 위치와 역할을 시기별로 비교·분석하고, 다양한 중심성 지표를 통해 기술 융합 구조의 특성과 주요 기술군을 입체적으로 도출하고자 하였다.
4.3.3.1 연결 중심성 분석 결과
연결 중심성 분석 결과는 Table 9에 나타내었다.
Table 9.
Top IPC codes based on degree centrality by period
기간 1의 경우 선박의 선체 기술과 관련한 기초 기술들이 많이 분포되었음을 확인할 수 있다. 특히 상위 순위를 차지한 G01S[무선에 의한 방위결정; 무선항행]의 경우 무선으로 항행을 가능케 하는 해양무인체계의 중요한 기술이 도출되었음을 알 수 있다. 기간2에선 상위 IPC 코드에 무인항공기 관련 코드들이 도출되며, 해양무인체계가 무인항공기 분야 기술과도 연결되어 발전하고 있음을 나타낸다. 기간 3의 경우 다시 선체기술 관련한 IPC 코드가 상위 순위에 도출되며, 이는 최근 다시 선체 기술을 중심으로 특허가 연결되고 있음을 의미한다. 연결 중심성 지수가 기간이 지남에 따라 점차 증가하며, 해양무인체계의 특허 기술이 B63B[선박 또는 그 밖의 물에 뜨는 구조물] 특허를 중심으로 연결되는 구조이고 무인항공기, 무선항행에 대한 특허들의 연결중심성 값 또한 전반적으로 증가한 추세들이며, 이는 특허 간 연결이 더욱 밀접하고 많아지는 경향을 알 수 있다.
4.3.3.2 근접 중심성 분석 결과
근접 중심성 분석 결과는 Table 10에 나타내었다. 기간 1의 경우 연결 중심성과 비슷한 특허들로 이루어져 있음을 확인할 수 있다. 선박의 선체기술과 관련한 기초 기술들(B63B, B63G)과 G05D[비전기적 변수를 제어하거나 조절하기 위한 시스템]과 같은 제어와 관련한 기술들도 도출되었다. 연결 중심성에서 찾아볼 수 없던 B63C[선박의 진수, 견인에 의한 운반]에 관한 특허도 새롭게 확인할 수 있었다. 1위의 경우 연결중심성과 마찬가지로 G01S[무선에 의한 방위결정; 무선항행]임을 확인하며, 이는 기간 1에서 무선항행에 관한 기술이 다른 기술들의 연결을 촉진하고 확산속도에 중요한 영향을 미쳤을 가능성이 크다. 기간 2에서는 B64U[무인항공기]가 상위 IPC 코드로 도출되었으며, 이 기간 동안 무인 항공기 관련 기술들이 빠르게 확산되며 네트워크 상에서 다른 기술들과의 접근성이 높음을 알 수 있다. 이 시기 무인 비행체 기술의 확산 가능성은 높은 연결 중심성을 기반으로 기술 확산을 나타낸다. 또한 B64C[비행기]와 B63G[선박의 조종 또는 방어]와 같은 선박 관련 기술들이 여전히 높은 중심성을 보였다. 기간 3에서 상위 IPC 코드들을 살펴보면 H04N[화상통신]과 G06Q[관리, 상업, 재무, 관리 또는 감독 목적을 위한 정보 통신 기술], G01J [적외선, 가시광선 또는 자외선의 강도]와 같은 새로운 IPC 코드가 도출되었다. 최상위 코드의 경우 연결중심성과 같은 B63B[선박 또는 그 밖의 물에 뜨는 구조물]이 차지하였다. 이는 기존의 해양무인체계 선체 기술과 더불어 해양 무인체계의 통신, 관리, 센서 기술 발전이 이루어지고 있음을 알 수 있으며, 향후 해양무인체계 기술 발전에서 빠르게 확산될 수 있는 중요한 기술들임을 알 수 있다.
Table 10.
Top IPC codes based on closeness centrality by period
4.3.3.3 매개 중심성 분석 결과
매개 중심성 분석 결과는 Table 11에 나타내었다.
Table 11.
Top IPC codes based on betweeness centrality by period
기간 1에서 G01S[무선항행]은 매개 중심성에서 가장 높은 값을 기록하며, 무선항행 기술이 네트워크 내에서 중요한 중개역할을 하고 있음을 의미한다. 해당 기술은 기술 확산을 촉진하고 다른 기술들과의 상호작용을 원활하게 하는 핵심 기술이다. 매개중심성 값이 0.336으로 높게 나타난 것은 이 기술이 기술 네트워크의 중심에 위치하고 있으며, 정보 흐름을 원활하게 하는 중요한 역할을 한다는 것을 의미한다. 기간 2에서는 B64U[무인항공기]와 B64C[비행기]가 높은 매개 중심성 값을 보이며 상위 순위를 차지하였다. 이는 연결 중심성과 근접 중심성에서 나타난 결과와 일치하며, 기간 2에서 무인항공기 관련 기술이 해양 무인체계 분야에서 중요한 기술로 부상하고 있음을 시사한다. 무인항공기 기술은 다양한 기술들과의 연결을 촉진하는 핵심 기술로 자리 잡고 있으며, 이를 통해 해양 무인체계의 발전에 중요한 역할을 하고 있다는 맥락을 함께 보여준다. 기간 3에서 B63B[선박 기술]의 매개 중심성이 가장 높게 나타난 것은 선박 기술이 다양한 해양 기술과의 통합 및 융합을 주도하며, 기술 발전의 중심 역할을 하고 있음을 의미한다. 이는 해양 무인체계 분야에서 기술 간 협력과 정보교류가 활발히 이루어지며, 기술들이 점점 더 많은 다른 기술들과 연결되어 시너지 효과를 창출하고 있을 가능성을 나타낸다. 전반적으로 매개 중심성값이 기간이 지날수록 점점 높아지며, 이는 해양무인체계 특허 네트워크 내에서 기술들의 융합이 점차 강화되고 있음을 의미한다.
4.3.3.4 위세 중심성 분석 결과
위세 중심성 분석 결과는 Table 12에 나타내었다.
Table 12.
Top IPC codes based on eigenvector centrality by period
기간 1의 상위 IPC 코드로 B25J(매니퓰레이터)가 위세중심성 0.723이라는 높은 값으로, 가장 높은 값을 기록하며 이는 매니퓰레이터 기술이 다른 중요한 기술들과 강하게 연결되어 있다는 것을 의미한다. 그 뒤로 G01S[무선에 의한 방위결정; 무선항행]과 B63C[선박의 진수]이 나타나는데 이는 매니퓰레이터 기술을 중심으로 선박 관련 기술과 무선항행 기술이 기술 간 연결을 촉진하는 중요한 역할을 함을 의미한다. 기간 2에서는 B64U[무인항공기]의 값이 0.823으로 이 시기 해양무인체계 기술에서 무인항공기 기술이 핵심 기술로 부상함을 알 수 있다. 또한 항공기 관련 기술들(B64C, B64D)의 중심성값이 함께 상승하는 추세를 보이며 이는 무인항공기의 활용이 확대됨과 더불어 관련 기반 기술인 비행기 설계 및 장착 장비 기술이 함께 중요해지고 있음을 확인하였다. G01S[무선에 의한 방위결정]이 상위 코드에 위치하며 탐지, 측위, 항법 기술은 해양무인체계의 필수 요소로 기간이 변함에도 변함없이 핵심적인 역할을 지속하고 있는 상태를 확인하였다. 기간 3에서 G05D[비전기적 변수를 제어하거나 조절하기 위한 시스템]이 상위권으로 부상하며 복합감시 및 작전 플랫폼으로의 전환이 이루어지고 있음을 알 수 있다. 또한 B64U[무인항공기] 등과 같은 항공 기술들이 핵심 기술로 도출되며 해양과 항공, 제어 기술이 융합되어 발전하고 있음을 시사한다.
전반적으로 기술 융합은 점진적으로 발전하고 있으며, 특히 항공기 관련 IPC 코드들이 지속적으로 도출되고 있는 추세이다. 이는 해양무인체계 기술이 단일 분야에 국한되지 않고, 항공 기술과도 융합되며 함께 발전하고 있음을 시사한다. 실제로 해군은 2022년 해양무인전략사령부를 창설하고, 단기적으로는 해양무인체계발전전대를, 중기적으로는 무인 수상정대 및 무인항공기대대를 운영하겠다는 계획을 발표한 바 있다. 사령부는 무인 수상함전대, 무인 잠수정전대, 무인 항공기전대 등으로 구성될 예정이며, AI 기반 유·무인 복합체계를 구축해 해상 기반의 새로운 전력체계를 마련하는 것이 목표라 밝힌 바 있다. 이러한 정책 방향은 해양무인체계와 항공기 기술의 연계가 현실화되고 있음을 보여주는 실증적 근거로, 항공기 관련 IPC 코드(B64U[무인항공기], B64C[비행기] 등)의 도출 결과를 뒷받침한다.
본 연구에서 확인된 바와 같이, 최근(2019-2022)에는 B64U(무인항공기), B64C(비행기) 등 항공 관련 IPC 코드가 다수 도출되었다. 이러한 경향은 단순히 항공 분야 기술이 혼재된 결과가 아니라, 해양무인체계와 항공무인체계의 융합 운용 전략이 본격적으로 추진된 데 따른 것이다.
LIG넥스원이 공개한 무인수상정 ‘해검-X’는 정찰, 타격, 정보 수집 등 다양한 임무를 자율적으로 수행하며, ‘공격용 드론’을 탑재할 수 있는 무장 옵션을 갖추고 있다. 한화시스템 또한 무인수상정에 ‘군집 드론’을 통합하여 작전 효율을 극대화하는 개념을 제시하였다. 특허의 경우, 국립 금오공과대학교에서 출원한 특허 ‘해양환경 조성을 위한 무인 수상정-무인 항공기 협업 시스템’에서 B63B, B64U, B60L, H02S와 같은 다양한 IPC 코드가 동시에 부여된 특허가 존재한다[45]. 이는 해양 플랫폼과 항공 플랫폼을 연계한 융합 기술이 실제 특허 수준에서 구체화되고 있음을 의미한다. 또한 수상 에스티지(주)에서 출원한 특허의 경우, 해양 무인 모니터링용 드론에 관한 특허로 공중 비행 뿐만 아니라 해상 착륙 후 수평 이동이 가능하도록 부유체와 모터 틸팅 구조를 갖추고 있다[46]. 이는 무인항공기의 기본 구조(B64C)가 해양 환경의 특성(부력)을 수용하도록 변형된 사례이다. 즉, 이 특허는 B64 계열과 해양 관련 IPC(예: B63)의 경계를 허물고, 두 기술 도메인이 융합하여 새로운 형태의 하이브리드 무인체를 탄생시켰음을 보여준다. 이러한 특허 사례들은 항공관련 IPC와 해양 IPC간의 기술 융합이 특허 네트워크 분석 결과와 동일하게 나타남을 보여준다.
4.3.4 IPC 네트워크 분석 결과
4.3.4.1 기간별 클러스터 분석
본 연구는 기술 간 연결 구조를 시각화하기 위해 네트워크 분석을 수행했으며, 기술 융합의 구조적 특성을 탐색하기 위해 위세 중심성(Eigenvector Centrality) 값을 기반으로 각 기간별 클러스터 분석을 진행하였다.
본 연구에서 위세 중심성 기반의 클러스터 분석을 선택한 이유는 기술 간 단순한 연결 개수를 넘어, 기술의 영향력과 파급력을 정량적으로 평가하여 핵심 기술의 융합 구조를 명확하게 탐구하기 위함이다. 기술 융합의 관점에서 위세 중심성값은 영향력 있는 노드들 간의 결합 정도를 파악할 수 있으며, 기술 간 융합 구조를 명확하게 나타낼 수 있다. 또한, 클러스터 분석의 목적은 유사한 특성을 가진 기술들을 군집화하고, 각 기간별 주요 클러스터와 중심 기술을 식별하는 것이다. 또한, 클러스터 간 연결 관계를 통해 기술 융합의 동향을 파악할 수 있다.
본 연구에서는 클러스터 수를 사전에 설정하지 않고, NetMiner에서 제공하는 고유벡터 기반 클러스터 탐지 알고리즘의 기본 설정에 따라 모듈성(Modularity) 값이 최대가 되는 시점에서 자동으로 도출된 분할 결과를 채택하였다. 해당 방식은 Newman(2006)이 제안한 모듈성 최적화 접근에 기반하며, 클러스터 수를 외부적으로 지정하지 않아도 네트워크 구조에 내재된 군집 특성을 반영한 분할 결과를 도출할 수 있다는 장점이 있다. 네트워크 시각화 결과에서 노드의 색상은 붉은색에 가까울수록 중심성이 높거나 빈도수가 많은 기술임을 의미하며, 노드의 크기는 해당 기술의 네트워크 내 영향력을 나타낸다. 즉, 크기가 클수록 해당 기술이 네트워크에서 차지하는 비중과 중요도가 높음을 의미한다.
기간 1에서의 네트워크 분석 결과, 총 24개의 클러스터가 도출되었다. 이 중 노드의 수가 많은 5개의 주요 클러스터를 선정하여 분석하였다(Table 13). 또한 클러스터의 주요 IPC코드들을 참고하여 클러스터명을 명명하였다. Cluster 1(Shipbuilding & Marine Engineering)은 B63B, B63C, B63G 등 선체 구조 및 선박 공학 관련 IPC가 집중되어 있으며, 이는 해양무인체계의 기반 플랫폼 기술을 구성한다. Cluster 2(Navigation, Sensing & Communication Systems)은 H01Q, G01S, G01H 등 항법·센서 및 통신 기술이 포함되어, 자율운항 및 항해 제어 기능과 직접적으로 연계된다. Cluster 3(Electronics & Control Technologies)은 H02G, G08G, H04B 등 전자 ·제어·무선 통신 관련 IPC로 구성되어, 해양무인체계의 안정적 제어와 네트워크 운용 기술을 뒷받침한다. Cluster 4(Marine-Aerospace Hybrid Systems)은 B63H, B64C, B64U 등 해양 추진 기술과 항공 관련 IPC가 혼재되어, 해양과 항공 기술의 융합 가능성을 보여준다. 마지막으로 Cluster 5(Energy & Power Systems)은 F27D, C10 계열 IPC가 다수 포함되어 있으며, 이는 추진 및 에너지 변환과 같은 기반 동력 기술과 관련된다.
Table 13.
Period 1's main cluster
기간 2에서는 총 22개의 커뮤니티가 도출되었으며, 이 중 상위 IPC 코드가 집중된 여섯 개 주요 클러스터를 확인하였다(Table 14). Cluster 1(ICT, Robotics & Control Systems)은 46개의 IPC로 가장 큰 규모를 보였으며, 정보통신기술(G06Q), 로보틱스(B25J), 무선통신(H04W) 등이 포함되어 자율운항 제어 및 지능형 운용과 밀접하게 관련된다. Cluster 2(Aerospace & UAV Systems)은 B64U, B64C, B64D 등 항공·무인기 기술과 관련된 IPC가 집중되어, 해양무인체계와 항공 플랫폼 간의 융합 가능성을 보여준다. Cluster 3(Shipbuilding & Marine Engineering)은 선박 관련 IPC(B63B, B63H 등)가 다수 포함되어, 해양무인체계의 기본 플랫폼 기술을 형성한다. Cluster 4(Electronics & Communication Technologies)은 H04Q, G06F, G05B 등 전자·제어·통신 관련 IPC가 중심을 이루며, 네트워크 기반 제어 기술의 중요성을 반영한다. Cluster 5(Biomedical & Chemical Applications)은 G01N, C12Q, A61 계열 IPC를 포함하며, 해양환경 모니터링 및 생명공학적 응용 가능성을 시사한다.
Table 14.
Period 2's main cluster
기간 3에서는 총 16개의 클러스터가 도출되었으며, 그 중 상위 IPC 코드가 집중된 여섯 개 주요 클러스터를 확인하였다(Table 15). Cluster 1(Shipbuilding & Control Systems)은 55개의 IPC를 포함하며, 선체(B63B, B63G)와 추진·제어(G05D, B60L) 관련 기술이 결합된 대규모 클러스터로, 해양무인체계의 핵심 플랫폼 역할을 한다. Cluster 2(ICT, Navigation & Communication)은 48개의 IPC로 구성되어 있으며, 컴퓨터 기술(G06F), 무선통신(H04W), 항법(G01C) 등이 포함되어 자율운항 및 네트워크 운용 기술을 뒷받침한다. Cluster 3(Materials & Polymers)은 33개의 IPC를 포함하며, C09D, C08K 등 고분자 및 재료 관련 기술군으로, 선체 및 센서 소재 개발과 같은 응용 가능성을 시사한다. Cluster 4 (Aerospace & UAV Systems)은 B64U, B64D, B64C 등 항공·무인기 기술과 G01S(항법) IPC가 포함되어, 해양무인체계와 항공 플랫폼 간의 융합을 보여준다. Cluster 5(Electronics & Sensor Systems)은 16개의 IPC를 포함하며, H02S, G01H, G02B 등 전력전자 및 센서 기술을 중심으로, 해양무인체계의 감지·제어 능력을 지원한다.
Table 15.
Period 3's main cluster
Fig. 11은 기간별 클러스터 분석을 실시한 네트워크 결과이다. 네트워크를 살펴보면 기간 1에서의 네트워크에선 주요 클러스터의 수 자체가 작고 소규모의 노드와 연결들이 이루어지고 있으며 기술간 융합 수준이 낮은 초기단계로 보인다. 반면, 기간 2에선 노드의 수와 노드 간 연결이 복잡해지는 양상을 보인다. 또한 클러스터의 응집구조가 증가하며 서로 다른 기술 간 융합이 활발해지는 시기임을 알 수 있다. 기간3에선 기간 2에서 분화되었던 클러스터들의 수가 작아지고 서로 융합하여 많은 연결을 가지는 클러스터로 서로 밀접하고 융합된 형태로 발전하고 있음을 알 수 있다. 주요 클러스터 외부의 주변 기술들 또한 기간이 지날수록 그 수가 점점 줄어드는 양상을 확인할 수 있는데, 이는 초기 개별적이고 단독적으로 존재했던 기술들이 시간이 지날수록 점차 서로 융합되고 연결되어 네트워크를 형성하며 발전하는 과정임을 확인할 수 있다. 이상에서 전체 기간(Period 1∼3)에 걸친 IPC 클러스터 네트워크의 변화를 시각적으로 확인하였다. 이후, 각 기간별 네트워크에서 주요 클러스터를 개별적으로 분석함으로써, 해양무인체계 기술의 세부적인 융합 양상과 중심 기술군의 발전 동향을 구체적으로 살펴보고자 한다.
4.3.4.2 기간1 주요 클러스터 분석
Fig. 12는 기간 1(2011-2014)에서의 주요 클러스터를 확대한 그림이다. 왼쪽 상단의 클러스터는 H02G[전기 케이블 또는 라인], G08G[교통제어시스템], 무선 통신(H04B)을 중심으로 구성된 기술군이며 이 기술들은 해양 환경에서 원활한 무인체계 운영을 위한 인프라적 역할을 담당한다. 이는 초기 단계의 해양무인체계는 실시간 제어와 안정적인 전력 공급에 중점을 두고 있음을 알 수 있다. 우측 상단의 클러스터는 탐지(G01S)와 통신(H01Q) 기술을 중심으로 다양한 보조 기술들이 결집되어 있는 구조이다.
또한 B60G[차체현가장치], B65H[박판상 또는 선조재료]와 같은 물리적 제어 기술들이 포함되어 있어, 탐지 후의 이동 제어 및 실시간 반응 기술이 결합된 구조를 나타낸다. 좌측 하단의 클러스터는 전력 공급 및 제어(H02M[전류 변환장치 및 주전원 또는 유사한 전력 공급 시스템], H02P[전동기, 전기 발전기 또는 다이나모일렉트릭])와 B63H[선박의 추진 또는 조타]을 중심으로 구성되어있다. 해양무인체계의 특성상 장시간 운용을 위한 전력 변환(H02M)과 모터 제어(H02P)기술이 필수적이다. 이러한 기술 간 융합은 해상에서의 장시간 탐사 및 작전을 가능케 하며, 추후 자율 항해의 발전 가능성을 의미한다. 우측 하단의 클러스터의 경우 선박의 진회수 기술(B63C), 선박의 공격 및 방어 시스템(B63G), 화학적 또는 물리적 특성 결정에 의한 재료의 조사 또는 분석 (G01N)등의 기술이 주요 노드로 속해있으며 클러스터의 노드의 수나 밀집도가 타 클러스터에 비해 복잡한 형태를 지닌다. 해양 플랫폼의 배치, 방어 및 실시간 환경 분석에 대한 기술들의 집합임을 나타낸다. 기간 1의 네트워크는 노드의 수와 연결 강도가 제한적이며, 상대적으로 낮은 밀도를 나타낸다. 탐지(G01S)와 통신(H01Q), 전력(H02G) 및 추진(B63H) 기술이 각각 모듈화되어 있으나, 각 클러스터가 독립적으로 발전하고 있으며, 기술 간 융합은 상대적으로 미약한 상태임을 알 수 있다. 이로 인해 기술적 연결성보다는 각 기술 모듈이 개별적으로 발전하는 경향이 강한 상태임을 확인하였다.
기간 1의 네트워크 양상은 해양무인체계 기술 개발의 초기 단계적 특성을 반영한다. 기술 간 상호작용보다는 개별 기술의 기초적 연구와 안정성 확보가 우선시되었으며, 단일 출원인 중심의 개발이 이루어졌다. 이는 정부의 정책적 지원과 표준화 미비, 시장 수요의 부족 등 외부적 요인과 맞물려 기술 융합이 제한된 형태로 나타났음을 의미한다.
4.3.4.3 기간2 주요 클러스터 분석
Fig. 13은 기간2(2015-2018)에서의 주요 클러스터를 확대한 그림이다. G7 클러스터를 살펴보면, G01M(검사 또는 시험), G01S(탐지), H04B(무선통신), B63G(선박 구조) 등의 기술들이 네트워크의 중심에 위치하며 큰 노드 크기를 나타내고 있다. 이는 해당 기술들이 해양무인체계 개발에서 핵심적인 역할을 수행하고 있음을 시사한다. 상단의 G8클러스터에선 B64B(항공 우주 비행체), H01Q(안테나), B64U(무인 항공기), B62B (선박 및 기타 수송수단) 등이 네트워크 중심에 위치하며, 상대적으로 큰 노드 크기를 보이고 있다. 이는 항공기, 선박, 통신 기술이 해양무인체계의 핵심 기술로 자리잡으며, 자율 운항 및 실시간 데이터 전송이 중요한 기술 축이 되고 있음을 시사한다. 또한 항공우주 기술과의 결합을 통해 공중 정찰 및 해양 항해의 자율화가 본격화될 조짐을 보이고 있다.
주변 클러스터들을 살펴보면 좌측 상단에 G01K(온도 측정), G01N(분석 또는 측정), G01W(기상 관측) 등이 중심을 이루고 있는 클러스터와 우측 하단의 B63H(선박의 추진 및 조타), B63B(선박 구조), B66D (크레인 및 운반장치)가 주요 노드로 확인되는 클러스터들이 나타났다. 이는 탐사 및 환경 모니터링 기술과 관련한 클러스터의 대두로 실시간 측정을 통한 해양 탐사 및 기상 감시기술이 대두되며 무인체계의 자율적 대응이 가능해지고 있는 상황을 보여준다. 또한 선박 추진(B63H), 구조(B63B), 화물 운반(B66D) 기술이 결합되며, 해양 플랫폼의 자율 운항 및 운반 능력이 확장되고 있는 양상을 볼 수 있다. 이 시기 G06N[특정 컴퓨터 모델에 기반한 컴퓨팅 장치], G05D[비전기적 변수를 제어하거나 조절하기 위한 시스템] 기술이 밀집되며, 해양 무인체계의 자율 주행 및 미션수행이 현실화되고 있는 상태임을 알 수 있다.
4.3.4.4 기간 3 주요 클러스터 분석
Fig. 14는 기간 3(2019-2022)에서의 주요 클러스터를 확대한 그림이다. G7의 클러스터를 살펴보면 B63B(선박 구조), B63G(공격 및 방어 시스템), G05D(자동 제어 시스템), B63H(추진 및 조타), B63J(선박 운항 관리), B60L(전기 추진 장치)가 중심에 위치하며 가장 큰 영향력을 보이고 있다. 또한 B63B, B63G, B63H를 중심으로 한 클러스터가 매우 밀집된 연결을 가지고 있는 모습을 확인할 수 있으며 이는 기간3에 들어서며 해양 플랫폼의 다기능화가 이루어지고 기술 간 연결 강도가 매우 증가하고 있음을 보여준다. 이러한 결과는 자율 제어(G05D), 추진 및 조타(B63H), 전기 추진(B60L)이 결합되어 고속, 장거리, 자율 운항 기술이 여러 기술들과 융합하여 발전하고 있음을 보여준다. G10 클러스터의 경우 주요 노드로 H04N(영상 전송 기술), G01S(탐지), G01N(분석 또는 측정), B64C(항공기 기술), B64D(항공기 설계) 등이 위치하고 있다. 이는 정밀 탐사와 실시간 영상 전송의 결합을 나타내며 H04N(영상 전송)과 G01S(탐지)가 결합되어, 해양 환경의 실시간 모니터링과 탐사가 강화되고 있음을 시사한다. 또한 복합 플랫폼의 진화: B64C, B64D의 항공 기술이 결합되며, 공중 탐사와 해양 탐사가 통합된 고도화된 플랫폼으로 발전하며, 더불어 자율 탐사 기술의 고도화가 이루어지고 있는 양상이다. 탐지, 분석, 실시간 전송이 통합되면서, 해양무인체계가 단순한 탐사에서 자율적 모니터링이 가능한 체계로 전환되고 있는 모습이다.
G8 클러스터의 중심에는 G08B[신호 또는 호출시스템], G06F[전기에 의한 디지털 데이터처리], G06N[특정 컴퓨터 모델에 기반한 컴퓨팅 장치], G01N[화학적 또는 물리적 특성 결정에 의한 재료의 조사 또는 분석] 등 주요 기술 노드가 밀집되어 있다. 이는 해양 무인체계의 실시간 탐사 및 자율 대응 능력이 크게 향상되었음을 시사한다. G08B[신호 또는 호출시스템]은 해양 환경에서의 긴급 상황이나 이상 신호를 신속하게 탐지하고 전송할 수 있는 인프라를 구축하며, G06F[전기에 의한 디지털 데이터처리], G06N[특정 컴퓨터 모델에 기반한 컴퓨팅 장치]와의 결합을 통해 수집된 데이터를 실시간으로 분석하여 빠른 의사결정을 가능하게 한다. 이러한 기술적 융합은 해양무인체계가 탐사 중 발생할 수 있는 예기치 않은 상황에 즉각적으로 반응할 수 있는 구조를 제공한다.
전반적으로 클러스터가 기간 2에서 여러 클러스터들로 분화되었다가, 기간 3에 들어서면서 기술 간 통합이 이루어지며 클러스터 수가 감소하는 양상을 보였다. 이러한 변화는 기술 간 연결 강도와 밀집도가 높아지며, 탐지(G01S), 분석(G01N), 통신(H04N), 추진(B63H) 기술들이 유기적으로 결합된 결과를 나타낸다. 특히, 자율 제어(G05D), 전기 추진(B60L) 기술의 결합은 해양 플랫폼이 고속, 장거리 자율 운항을 가능하게 하는 기술들임을 알 수 있다. 탐지 및 방어 시스템(B63G, G08B)기술 간의 융합은 해양 환경 변화에 실시간으로 대응할 수 있는 능력을 증대시켰다. 이러한 기술적 융합은 단순한 탐사를 넘어, 실시간 자율 탐사 및 위협 탐지에 최적화된 복합 플랫폼으로 발전했음을 시사한다.
4.3.5 주요 IPC 네트워크 분석
본 연구는 연결 중심성과 위세 중심성 지수 모두에서 상위 5위에 포함되는 주요 IPC 코드 중 B63B(선박 또는 기타 부유 구조물)를 대상으로, 기간별 네트워크 분석을 수행하였다. B63B(선박 또는 기타 부유 구조물)는 해양무인체계 기술의 구조적 기반이 되는 핵심 기술 영역으로, 다양한 요소 기술과의 융합을 통해 시스템의 발전 방향을 가늠할 수 있는 대표 지표이다. 특히 해양무인체계의 기술 발전은 단일 기술의 고도화보다는, 선체 구조를 중심으로 다양한 탐지, 제어, 통신, 추진 기술 등과의 복합적 연계를 통해 진화해왔으며, B63B의 네트워크 변화를 통해 기술 간 상호작용의 흐름을 확인하는 것은 중요한 연구적 의의를 가진다. 이에 본 연구는 B63B를 중심으로 각 기간별 기술 네트워크의 진화 양상을 시각화하고, 이를 통해 해양무인체계 기술 융합의 구조적 전환과 발전 트렌드의 단서를 포착하고자 하였다. Fig. 15는 기간별 B63B 의 네트워크의 변화를 나타낸 것이다.
B63B[선박 또는 그 밖의 물에 뜨는 구조물]에 대하여 기간별 네트워크 분석 결과 연결 중심성 지수(indegree)는 기간 1에서 21, 기간 2에서의 값은 44, 기간 3에서의 값은 79로 나타났다. 이는 B63B[선박 또는 그 밖의 물에 뜨는 구조물]이 다른 기술들과 동시 연결된 빈도이자 기술 간 융합 강도를 나타내는 지표로서, B63B와 관련된 기술 융합의 범위가 점차 확장되고 있음을 보여준다.
4.3.5.1 기간 1의 주요 IPC 네트워크 분석
Fig. 16은 기간 1에서의 주요 IPC 네트워크 분석 결과이다. 기간 1(2011-2014)에서는 B63G(선박용의 공격 또는 방어용 설비), B63C(선박의 진수, 견인에 의한 운반), B63H(추진 및 조타 장치)와의 연결이 두드러지며, 이는 해양 무인체계가 기본적인 선박 구조(B63B)를 바탕으로 공격, 방어, 추진 기술이 융합되어 발전하고 있음을 의미한다. 기간 1에서의 네트워크는 노드 수가 적고 상호 연결성도 제한적이었으며, 무인 시스템이나 인공지능과 같은 고도화 기술과의 결합은 미미하였다. 이러한 양상은 기술 간의 상호작용이 상대적으로 단순하며, 클러스터 밀집도가 낮아 복합적 기술 융합보다는 개별적 발전 단계에 있는 것으로 보인다.
4.3.5.2 기간 2의 주요 IPC 네트워크 분석
Fig. 17은 기간 2에서의 주요 IPC 네트워크 분석 결과이다. 기간 2(2015-2018)에서는 기술 간 연결성이 뚜렷하게 확장되는 양상을 보인다. B63G(공격 및 방어 시스템), B64U(항공기 관련 기술), G05D(자동 제어 시스템), G01S(탐지), B64C(항공기 구조) 등과의 상호작용이 두드러진다. 또한 G01N(분석 및 측정), G08G(교통 제어 시스템), B66D(물류 시스템)와의 연결을 통해 해양 무인체계가 해상뿐만 아니라 공중 탐사 및 분석까지 확장되었음을 보여준다. 기간 1에서도 존재했던 항공 관련 기술들(B64C, B64U)과 연결이 기간 2에 들어 더욱 결합이 강화되었으며, 이는 해양 무인체계가 해양 탐사에만 머물지 않고, 공중 탐사와 통합된 복합 플랫폼으로 확장됨을 의미한다.
4.3.5.3 기간 3의 주요 IPC 네트워크 분석
Fig. 18은 기간 3에서의 주요 IPC 네트워크 분석 결과이다. 기간 3(2019-2022)에서 에너지관리 및 전력관리 시스템, 운송 및 자동제어 기술 등 매우 다양한 노드들과 연결로 복잡한 네트워크를 형성하고 있다. 특히, B63G(공격 및 방어 시스템), B64U(항공기 관련 기술), G05D(자동 제어 시스템), G01S(탐지), G06N(컴퓨터 시뮬레이션 및 인공지능), B64C(항공기 구조)와의 상호작용이 두드러지며, 단순한 해양 플랫폼이 아닌 복합 탐사 및 방어 플랫폼으로 발전했음을 시사하고 있다. B63B ↔ G06F(전자계산기 시스템), G01N(분석 및 측정), G06N(인공지능) 탐사 중 수집된 방대한 데이터를 실시간 처리하여, 최적의 경로 설정, 실시간 방어 조치, 자율 항해를 가능케 한다. 특히 인공지능(G06N)을 통한 예측 분석이 결합되면서, 해양 탐사 중 환경 변화에 대한 자율적 대응 능력에 관한 기술 개발이 이루어지고 있음을 알 수 있다.
결 론
본 연구는 2011년부터 2022년간 국내 해양무인체계 특허 데이터를 활용하여 해양무인체계 특허 기술의 융합 동향을 파악하였다. 출원인 분석과 특허 IPC 분석을 통해 해양무인체계의 기술 융합의 다각적인 분석을 진행하였다. 특히 주요 특허 IPC 코드에 대한 네트워크 분석을 통해 기간별 변화하는 주요 기술의 단편적 단상을 시각적으로 확인하였다. 이러한 분석을 통해 기술 간 융합 양상과 출원인 간의 네트워크 구조를 시각적으로 파악하고, 시기별 융합 추이를 확인하였다.
출원인 분석 결과, 기간 1에서는 하나의 주요 융합 네트워크를 형성하는 출원인이 상위 출원인으로 도출되었으며, 이를 통해 해양무인체계 개발 초기의 양상을 확인할 수 있었다. 이후 기간 2와 3에서는 출원인 간 융합 네트워크가 더욱 다양화되고 복잡화되는 경향을 보였으며, 특히 기간 3에서는 방산 기업과 대학교 산학협력단 간의 협력이 활발히 이루어지는 현황이 두드러졌다. 이는 해양무인체계 특허 개발 과정에서 단일 기업의 출원보다는 다수의 연구기관, 대학, 기업 간 협력이 이루어지고 있음을 시사한다.
특허 IPC 코드 분석 결과, 기간 1에서는 선체 관련 기술의 중심성을 중심성 분석과 네트워크 분석을 통해 파악할 수 있었다. 주로 G01S(무선에 의한 방위결정), B63B(선박 또는 그 밖의 물에 뜨는 구조물), B63C(선박의 진수, 견인에 의한 운반) 등의 IPC 코드가 공통적으로 출현하였다. 이를 통해 당시 탐지, 통신, 구조 기술이 해양무인체계의 주요 개발 기술들이었음을 알 수 있었다. 기간 2에서는 선체 관련 기술 이외에 항공 관련 특허들이 도출되기 시작하였다. B64U(무인항공기), B64C(비행기) 등의 IPC 코드가 등장함으로써, 해양무인체계 기술이 선체에 국한되지 않고 항공 분야와의 융합이 진행되고 있음을 확인할 수 있었다. 실제로 한화시스템은 AESA SAR 레이더를 탑재한 Milkor 380 UAV와의 협업 MOU를 체결하여, 해양 감시 및 정찰 임무에 사용 가능한 수출용 UAV 감시 솔루션을 개발 중이다[47]. 이러한 변화는 해양무인체계의 발전이 단일 분야에 그치지 않고, 항공 기술 및 무인 시스템 분야와의 통합을 통해 더욱 복합적이고 다각화된 기술로 발전하고 있음을 시사한다. 이후 기간 3에서는 해양, 항공, 그리고 무인 시스템 관련 기술들이 도출되었다. 특히 통신 관련 특허들이 다양하게 도출되었는데, G01J[적외선, 가시광선 또는 자외선의 강도], G06Q[관리, 상업, 재무, 관리 또는 감독 목적을 위한 정보 통신 기술], H04N[화상통신] 등이 그 예와 같다. 이는 자율적인 해양환경탐사 및 감시를 위한 기술 발전에 필수적인 기술들임을 알 수 있다. 네트워크 분석에서 나타난 인공지능 관련 IPC 코드와 융합 형태는 해양무인체계가 단순한 수집 및 탐사 단계에서 벗어나 지능형 실시간 대응 체계로 진화했음을 의미한다. 다양한 센서 네트워크와 인공지능 기반 분석 기술이 결합되면서, 해양 환경 변화에 대한 실시간 탐지, 자율적 대응, 경로 최적화가 가능해졌으며, 이는 해양 탐사뿐만 아니라 군사적 응용에도 중요한 기술적 토대가 될 것으로 보인다.
주요 IPC코드인 B63B[선박 또는 그 밖의 물에 뜨는 구조물]에 대한 네트워크 분석을 진행하여 일반적인 중심성 및 네트워크 분석이 기술 전반의 거시적인 융합 동향을 확인하였다면, 주요 IPC 코드에 집중한 기간별 네트워크 분석은 기술 융합이 어떤 구체적인 기술 영역들을 중심으로, 어떤 순서와 방식으로 심화되어 왔는지를 명확히 파악하였다. 기간 1에는 선박 구조를 기반으로 공격, 방어, 추진 기술이 개별적으로 융합되었으나, 고도화된 기술과의 결합은 미미했다. 기간 2로 넘어오면서 항공기 관련 기술, 자동 제어, 탐지 기술과의 연결성이 확대되어, 해양 무인체계가 공중 탐사 및 분석까지 가능한 복합 플랫폼으로 확장되었다. 기간 3에는 에너지/전력 관리, 자동 제어 기술 등과 결합하며 복잡한 네트워크를 형성했다. 특히 공격/방어 시스템, 항공기 기술, 인공지능(AI)의 융합을 통해 실시간 데이터 처리, 최적 경로 설정, 자율 항해 및 환경 변화에 대한 자율적 대응이 가능한 복합 탐사 및 방어 플랫폼으로 고도화되는 양상을 확인하였다.
본 연구의 시사점은 다음과 같다. 첫째, 출원인 분석을 통해 해양무인체계 기술 발전이 특정 기업에서 점차 산업·연구기관 간 융합으로 발전하는 양상을 파악하였다. 이를 기반으로 기술협력을 촉진할 수 있는 정책적 지원의 필요성을 강조할 수 있는 근거가 될 수 있다. 두 번째로 해양무인체계 분야에서 진행되지 않았던 융합의 관점에서 출원인과 특허 IPC 코드의 기술 동향을 파악하였으며, 특히 단순히 주요 기술의 등장을 넘어 요소 기술 간의 상호작용과 융합 양상이 시기별로 어떻게 변화했는지를 규명하였다. 또한 주요 IPC 코드에 집중하여 특허 기술 동향을 파악하는 다각적이고 정량적인 분석을 실시함으로써, 해양무인체계 기술의 복잡한 융합 특성을 이해하고 개별 요소 기술의 중요성 및 상호작용을 파악하였다. 본 연구의 결과는 추후 해양무인체계 발전계획 수립의 기초자료로써 활용될 것을 기대한다.
이러한 시사점에도 연구는 몇 가지 한계점이 존재한다. 첫째, 특허 데이터 수집 시점이 2022년까지로 한정되어 있어, 이후의 기술 트렌드가 충분히 반영되지 않았을 수 있다. 이에 따라 후속 연구에서는 데이터 수집 범위를 최신 연도까지 확대하고, 산업군별 출원인 간 협력 구조를 보다 정밀하게 분석할 예정이다. 둘째, 본 연구가 중심성 및 네트워크 분석에 기반한 정량적 접근에 초점을 두었다면, 향후 연구에서는 특허 본문에 대한 정성적 분석을 병행함으로써 기술 융합의 내재적 의미와 응용 가능성을 심층적으로 고찰할 계획이다. 또한 출원 외 등록 특허정보를 바탕으로 특허의 질을 출원인 위주로 분석함으로써, 현재 기술 분야의 동향을 보다 심층적으로 파악할 예정이다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
