• 한국항만경제학회지
• /
• 제37권1호
• /
• pp.179-196
• /
• 2021

부산항의 부두 장치율은 지난 3년동안 지속적으로 상승하였다. 부두 장치율 상승은 컨테이너 재조작을 야기하여 부두 노동자의 업무 강도를 증가시킨다. 또한, 장치율 상승이 장기화될 경우 선주의 대기시간을 증가시켜 항만의 서비스 수준이 하락할 수 있다. 이에 본 연구는 부두 장치율 상승 문제를 해결하기 위한 방안으로 수요예측치의 신뢰구간 추정을 활용한 항만 물동량 이상감지 방안을 제안하였다. 수요예측 방법론은 ARIMA 모형을 사용하였으며 실증 분석을 위해 사용된 자료는 2013년 1월 1일부터 2020년 10월 12일까지 총 2841일 동안의 부산항 전체 일별 물동량 자료 및 9개 부두의 일별 물동량 자료이다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점을 맞추었다. 일별, 부두별 부산항 물동량 자료를 활용하여 단기 물동량을 예측하고 예측치를 기반으로 부두 장치율 관리 방안을 제시한 본 연구는 충분한 가치가 있다고 판단된다.

• 한국항해항만학회지
• /
• 제31권5호
• /
• pp.353-359
• /
• 2007

컨테이너항만의 물동량이 증가하는 추세에서 장래에 발생될 컨테이너선박의 교통량을 예측한다면 항만의 효율적인 계획과 운영관리를 사전에 수립할 수 있다. 해상교통 관점에서도 컨테이너선박의 입 출항 척수를 장기적으로 추정하고, 이를 근거로 해상교통수요를 원활하게 처리할 수 있는 합리적인 방안을 계획할 수 있다. 따라서 본 연구에서는 전국항만 기본계획에서 제시된 부산항, 광양항, 인천항의 컨테이너 물동량 예측자료를 토대로 각 항만에 대한 컨테이너선의 장래 입 출항 교통량을 추정하였다. 이를 위해서 컨테이너선박의 척당 물동량 추세를 ARIMA 모형을 통해 예측하고, 계절지수를 산출하였다. 이와 같이 예측된 척당 물동량을 2011년, 2015년, 그리고 2020년의 컨테이너 물동량에 대비시켜 발생예상의 해상교통량을 추정하였다.

• 한국컴퓨터정보학회논문지
• /
• 제28권5호
• /
• pp.155-161
• /
• 2023

우리나라 수출의 97.5%, 수입의 87.2%가 해상운송으로 이뤄지며 항만이 한국 경제의 중요한 구성요소이다. 이러한 항만의 효율적인 운영을 위해서는 항만 물동량의 단기 예측을 통해 개선시킬 수가 있으며 과학적인 연구방법이 필요하다. 이전 연구는 주로 장기예측을 기반으로 대규모 인프라투자를 위한 연구에 중점을 두었으며 컨테이너 항만물동량에만 집중한 측면이 크다. 본 연구는 국내 대표적인 석유항만인 울산항의 석유 및 가스화물 물동량에 대한 단기 예측을 수행하였으며 딥러닝 모델인 LSTM(Long Short Term Memory) 모델을 사용하여 RMSE기준으로 예측성능을 확인하였다. 본 연구의 결과는 석유 및 가스화물 물동량 수요 예측의 정확도를 높여 항만 운영의 효율성을 개선하는 근거가 될 수 있을 것으로 기대된다. 또한 기존 연구의 한계로 컨테이너 항만 물동량뿐만 아니라 석유 및 가스화물 물동량 예측에도 LSTM의 활용할 수 있다는 가능성을 확인할 수 있으며 향후 추가 연구를 통해 일반화가 가능할 것으로 기대된다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제33권2호
• /
• pp.125-142
• /
• 2024

Purpose The purpose of this study is to identify and analyze the key factors influencing congestion in the in-out transportation at port container terminals, and to design of a predictive model for in-out congestion based on these analysis. This study focused on architecting a deep learning-based predictive model. Design/methodology/approach This study was conducted through the following methodology. First, hypotheses were established and data were analyzed to examine the impact of vessel schedules and external truck schedules on in-out transportation. Next, explored time series forecasting models to a design the architecture for deep learning-based predictive model. Findings According to the empirical analysis results, this study confirmed that vessel schedules significantly affect in-out transportation. Specifically, the volume of transportation increases as the vessel arrival/departure time and the cargo cutoff time approach. Additionally, significant congestion patterns in transportation volume depending on the day of the week and the time of day were observed.

• 한국정보전자통신기술학회논문지
• /
• 제10권4호
• /
• pp.295-303
• /
• 2017

본 논문에서는 최근 국제 해운시장의 동향과 국내 해운시장의 위기설에 대한 국내외적 요인을 정성적으로 파악하고, 국내 해운시장의 위기 이후 감소한 부산 신항의 물동량이 다시 회복세를 보일 수 있는 특성요인을 파악하고자 부산 신항의 향후 물동량에 대해 정량적으로 분석하여 사전적 예측추이의 파악과 회복세 추이를 분석하였다. 빅데이터 분석 툴인 R을 활용하여 부산 신항 컨테이너 물동량을 분석한 결과, 부산 신항 컨테이너 물동량의 변동은 승법계절 ARIMA 모델 (1,0,1)(1,0,1)[12]로 추정하였을 때, 추정오차와 AICc, BIC기준으로 가장 최적의 ARIMA모형인 것으로 나타났다. 따라서 부산 신항 물동량 추정의 최적의 모델인 ARIMA (1,0,1)(1,0,1)[12]에 의해 향후 36개월간의 부산 신항 물동량을 추정치를 예측한 결과, 13,157,184 TEU, 13,418,123 TEU, 13,539,884 TEU, 4,526,406 TEU 등으로 약 2%, 2%, 1%정도 증가하는 것으로 나타났다.

• 한국항해항만학회지
• /
• 제46권4호
• /
• pp.344-350
• /
• 2022

물동량의 증가로 인해 컨테이너 터미널의 혼잡도가 높아지고 있고 이에 따른 장치장 및 게이트에서의 반출입 차량의 대기시간이 큰 폭으로 길어지고 있어 차량 운용 및 항만 운영 비효율이 극심한 상태이다. 이러한 문제 해결을 위해 부산항의 경우, 항만 공사 및 터미널 측에서 반출입 차량 예약시스템(VBS), 터미널 차량 혼잡도 정보, 예상 작업 처리 시간 정보 등을 서비스하고 있지만 실제 대기시간과 상이한 경우가 있어 가시적인 효과는 여전히 미흡한 실정이다. 따라서 이러한 문제를 해결하기 위한 기초자료로써 본 연구에서는 부산 신항의 컨테이너반출입 정보를 활용하여 딥러닝 기반의 반출입 차량 평균 대기시간 예측 모형을 제시하였다. 실제 평균 대기시간과의 비교를 통해 예측률을 검증한 결과 제시한 예측 모형이 높은 예측률을 보이는 것을 확인하였다.

• 한국항만경제학회지
• /
• 제25권4호
• /
• pp.131-146
• /
• 2009

본 논문은 부산항의 항만환경 변화에 따른 북항과 신항의 철도물동량을 분석하고자 연구를 수행하였으며 특히 신항만 건설과 신항만 배후철도 건설계획에 따라 예상되어지는 철송물동량을 예측하고자 하였다. 이를 위해 우선 부산항의 물동량 예측에 대한 국토해양부 및 KMI, KDI의 물동량 예측을 근거로 신항과 북항의 시설능력 및 예측 물동량 배분의 비중을 구하고 이를 현재 북항의 수출입 물동량의 철송물동량 비중을 근거로 신항과 북항의 철송 물동량을 예측하였다. 현재 부산항의 수출입 물동량 대비 철도운송율은 발송(수입) 10.68%, 도착(수출) 12.10%로 분석되었으며 신항과 비교적 유사한 신선대터미널의 경우에는, 수출입 물동량에 대한 철도운송 비율이 발송(수입) 12.11%, 도착(수출) 13.98%로 부산항 전체 물동량 대비 철도물동량에 비해 상대적으로 높게 나타나고 있다. 또한 KDI의 전국무역항 항만기본계획(2008)에 따르면 국내화물 운송수단별 운송분담율 중, 철도운송의 경우 2009년 기준으로 전체운송화물의 15.5%를 점유하는 것으로 예측하고 있는 바, 이를 적용한다면 부산항에서의 철도운송량은 더욱 증가할 것으로 예상된다. 아울러 신항만의 철도운송시설 건설계획과 철도운송 효율성을 제고시키면 철도운송 분담율을 더욱 제고시킬 수 있을 것으로 예측되었다. 아울러 현재까지는 구체화되지 않은 친환경을 위한 모달시프트 정책의 추진이 가시화되면 실질적인 철도물동량은 더욱 증가할 것이다. 신항만은 철송장의 건설로 해상과 철도운송 연계의 편리성이 확보되나 북측컨테이너 철송장의 경우에는 철도운영자와 철송장 운영자의 이원화로 원활한 철도운송의 장애요인으로 작용할 것으로 예측되는 바, 남측컨테이너철송장은 철도운영자와 철송장운영자를 통합하여 운영할 필요가 있다. 북항의 경우에는 신선대역의 역할이 중시되며 철도공사의 열차장대화에 맞는 시설의 확보와 부산진역 기능의 보완 기능 확보도 동시에 추진되어야 할 것이다. 아울러 철도로의 모달시프트에 대한 환경친화적인 정책적 지원방안의 강구도 필요하다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2023년도 추계학술대회
• /
• pp.116-118
• /
• 2023

최근 환경오염에 대한 규제 강화로 인해 선박 운항은 경제적이며 지속가능한 최적화 항법에 대한 필요성이 대두되고 있다. 하지만 기상예보 기술의 발전에도 불구하고, 여전히 잘못된 기상예보로 인한 악천후에 조우하는 선박 사고들은 지속적으로 발생하고 있다. 본 연구에서는 악천후에 조우하는 선박의 실태를 파악하고 분석하기 위해, 운항중인 선박의 정보를 측정하고자 하였다. 여기서 측정한 데이터의 종류는 항해 (위치, 속도, 방위, 타각 등) 및 엔진 (엔진 회전수, 출력, 축 추력, 연료 소비량) 관련 정보, 기상 상태 (바람, 파도), 선박운동 (선박종, 횡운동 등) 등의 정보들이 포함되었다. 실측 실험을 시행한 선박의 종류는 28,000 DWT급 벌크선, 63,000 DWT급 벌크선, 20,000 TEU급 컨테이너선, 12,000 TEU급 컨테이너선박이다. 각 선박의 실선실험은 여러 가지 종류의 데이터를 각각 취득하여 다목적으로 선박 운항에 관련한 연구들에 활용하고자 한다. 또한 실선실험 시의 해상 상태를 확인하기 위해, 파도 시뮬레이션 모델을 이용하여 방향성 파랑 스펙트럼 등을 재현하였다. 실선 실험의 데이터 취득 및 파도 시뮬레이션 결과 등을 통하여, 선박레이더를 이용한 정확한 파도정보 파악 및 화물 붕괴 사고 등에 대한 연구를 진행하고 있다. 이에 더불어, 선박운항의 안전성 및 효율성 관점에서 다양하게 활용될 것으로 기대된다.

• 한국항만경제학회지
• /
• 제28권4호
• /
• pp.193-207
• /
• 2012

본 연구는 의사결정나무분석을 이용하여 컨테이너 수출입 물동량을 예측한다. 컨테이너 수출입 물동량에 영향을 미칠 가능성이 있는 요인을 독립변수로 선정하였는데, 생산자물가지수와 소비자물가지수, 수출물량지수와 수입물량지수, 미국과 한국의 산업생산지수, 그리고 원/달러 환율을 선정하였다. 분석기간은 2002년 1월부터 2011년 12월까지 10년간의 월별자료를 이용하였으며, 의사결정나무를 형성하기 위해 다양한 알고리즘이 제안되고 있는데, CRT(Classification and Regression Trees)알고리즘을 활용하였다. 분석결과는 첫째, 컨테이너 수출물동량에 대한 최적분리는 수출물량지수에 의해 분리되었다. 수출물량지수는 115.90으로 분리되어 지는데, 수출물량지수가 115.90보다 큰 경우는 다시 수출물량지수가 152.35보다 큰 경우와 115.90과 152.35사이인 경우로 분리되어진다. 여기서 수출물량지수가 152.35보다 큰 경우는 858,191TEU/(월)이고, 115.90과 152.35사이인 경우는 716,582TEU/(월)로 컨테이너 수출물동량이 예측된다. 둘째, 컨테이너 수입 물동량에 대한 최적분리는 수입물량지수에 의해 분리되었다. 수입물량지수가 116.20에서 분리되어 지는데, 수입물량지수가 116.20보다 큰 경우는 다시 수입물량지수가 134.60보다 큰 경우와 116.20과 134.60사이인 경우로 분리되어진다. 여기서 수입물량지수가 134.60보다 큰 경우는 869,227TEU/(월)이고, 116.20과 134.60사이인 경우는 738,724TEU/(월)로 컨테이너 수입물동량이 예측된다.