한국빅데이터학회지 (The Journal of Bigdata)

  • 제6권2호
  • /
  • Pages.85-98
  • /
  • 2021
  • /
  • 2508-1829(pISSN)
  • /
  • 2713-6361(eISSN)
한국빅데이터학회 (Korea Bigdata Society)
권호 표지
DOI QR코드

DOI QR Code

MLP를 이용한 공컨테이너 수요예측

Demand Forecast For Empty Containers Using MLP

  • 김동윤 (인천대학교 동북아물류대학원) ;
  • 방선호 (인천대학교 동북아물류대학원) ;
  • 장지영 (인천대학교 동북아물류대학원) ;
  • 신광섭 (인천대학교 동북아물류대학원)
  • 투고 : 2021.11.26
  • 심사 : 2021.12.06
  • 발행 : 2021.12.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

COVID-19의 대유행은 컨테이너를 사용하는 국가 간 수출입 물동량 불균형을 더욱 악화시켰으며, 이는 공컨테이너 수급의 문제까지 이어지게 되었다. 적정 수요만큼의 공컨테이너 확보는 안정적이고 효율적인 항만 운영을 위해 필수적인 요소이다. 지금까지 여러 기법을 사용한 공컨테이너 수요예측 방안이 연구되어 왔다. 그러나 항만 및 선사에서 직접 활용 가능한 수요예측 보다는 월 혹은 연 단위의 장기적인 예측에 머루르고 있었다. 본 연구에서는 실제 인공신경망을 이용한 일별, 주별 단위 예측 방안을 제시한다. 이를 위해 머신러닝 기법 중 다층 퍼셉트론과 회귀분석을 활용하여 수요예측을 진행하였으며, 데이터 부족 문제를 해결하기 위해 적컨테이너와 공컨테이너의 입항 후 다시 항만으로 유입되는 과정을 기반으로 데이터를 재가공하였다. 이를 통해, 정확도가 매우 높지는 않지만, 현장에서는 활용 가능한 일별 및 주별 수요 예측 모델을 개발할 수 있었다.

The pandemic of COVID-19 further promoted the imbalance in the volume of imports and exports among countries using containers, which worsened the shortage of empty containers. Since it is important to secure as many empty containers as the appropriate demand for stable and efficient port operation, measures to predict demand for empty containers using various techniques have been studied so far. However, it was based on long-term forecasts on a monthly or annual basis rather than demand forecasts that could be used directly by ports and shipping companies. In this study, a daily and weekly prediction method using an actual artificial neural network is presented. In details, the demand forecasting model has been developed using multi-layer perceptron and multiple linear regression model. In order to overcome the limitation from the lack of data, it was manipulated considering the business process between the loaded container and empty container, which the fully-loaded container is converted to the empty container. From the result of numerical experiment, it has been developed the practically applicable forecasting model, even though it could not show the perfect accuracy.

키워드

과제정보

이 논문은 2021년도 정부(산업통상자원부)의 재원으로 한국산업기술진흥원의 지원을 받아 수행된 연구임 (P0008691, 2021 산업혁신인재성장지원사업)

참고문헌

  1. 김두환, 이강배., "LSTM 을 활용한 부산항 컨테이너 물동량 예측", 한국항만경제학회지, 제36권, 제2호, pp 53-62, 2020. 
  2. 김형호, 성기덕, 전준우, 여기태, "해운선사 주가와 해상 운임지수의 영향관계 분석", Journal of Digital Convergence, 제14권, 6호, pp 157-165, 2016.  https://doi.org/10.14400/JDC.2016.14.6.157
  3. 문성혁, "공컨테이너의 효율적 관리방안에 관한 연구", 한국해양대학교 해사산업대학원, 2008. 
  4. 백지오, 강민철, 설민욱, 임서정, "항만 공컨테이너 재고량 예측을 위한 ARIMA, 머신러닝 적용 연구", 한국정보처리학회 학술대회논문집, 제27권, 제2호, PP 953-955, 2020. 
  5. 손용정, 김현덕, "의사결정나무분석을 이용한 컨테이너 수출입 물동량 예측", 한국항만경제학회지, 제28권, 제4호, pp193-207, 2012. 
  6. 이재득, "승법계절 ARIMA 모형에 의한 부산항 컨테이너 물동량 추정과 예측", 한국항만경제학회지, 제29권, 제3호, pp 1-23, 2013. 
  7. 전찬영, 송주미, "데이터 마이닝 기법을 이용한 항만물동량 예측 활용방안 연구", pp 1-160, 2006. 
  8. 조준호, 변제섭, 김희철, "글로벌 해운시장 현황 분석 및 시계열 모형을 이용한 부산신항 컨테이너 물동량 예측에 관한 연구", 한국정보전자통신기술학회논문지, 제10권, 제4호, 2017. 
  9. Chan Hing Kai, Shuojiang Xu and Xiaoguang Qi., "A comparison of time series methods for forecasting container throughput", International Journal of Logistics Research and Applications, Vol. 22,No. 3, pp 294-303, 2019.  https://doi.org/10.1080/13675567.2018.1525342
  10. Chen Shih-Huang and Jun-Nan Chen., "Forecasting container throughputs at ports using genetic programming", Expert Syst.Appl, Vol. 37, No. 3, pp 2054-2058, 2010.  https://doi.org/10.1016/j.eswa.2009.06.054
  11. DHL., "OCEAN FREIGHT MARKET UPDATE NOVEMBER 2021-", 2021. 
  12. Ding Min-jie, Shao-zhong Zhang, Hai-dong Zhong, Yao-hui Wu and Liang-bin Zhang, "A prediction model of the sum of container based on combined BP neural network and SVM", Journal of Information Processing Systems, Vol. 15, No. 2, pp 305-319, 2019.  https://doi.org/10.3745/JIPS.04.0107
  13. Koyuncu Kaan, Leyla Tavacioglu, Neslihan Gokmen and Umut Celen Arican, "Forecasting COVID-19 impact on RWI/ISL container throughput index by using SARIMA models", Marit.Policy Manage, pp 1-13, 2021. 
  14. Kuzmicz Katarzyna Anna and Erwin Pesch., "Approaches to empty container repositioning problems in the context of Eurasian intermodal transportation", Omega, No 85, pp 194-213, 2019. 
  15. Lee Bin Hong Alex, "Empty container logistics optimization: an implementation framework and methods", 2014. 
  16. LIU YUAN, "Machine Learning Approach to Forecasting Empty Container Volumes", 2019. 
  17. Ping Fang Feng and Fang Xue Fei, "Multivariant forecasting mode of Guangdong province port throughput with genetic algorithms and Back Propagation neural network", Procedia-Social and Behavioral Sciences, Vol. 96, pp 1165-1174, 2013.  https://doi.org/10.1016/j.sbspro.2013.08.133
  18. Shankar Sonali, P. Vigneswara Ilavarasan, Sushil Punia and Surya Prakash Singh, "Forecasting container throughput with long short-term memory networks", Industrial management & data systems, 2019. 
  19. Tegbrant August and Axel Karlander., "Improved transport efficiency through reduced empty positioning of containers-Transport buyers' perspective", 2021. 
  20. Ubaid Ayesha, Farookh Hussain and Muhammad Saqib, "Container Shipment Demand Forecasting in the Australian Shipping Industry: A Case Study of Asia-Oceania Trade Lane", Journal of Marine Science and Engineering, Vol. 9, No. 9, pp 968, 2021.