Evaluation of the Utilization Potential of High-Resolution Optical Satellite Images in Port Ship Management: A Case Study on Berth Utilization in Busan New Port

고해상도 광학 위성영상의 항만선박관리 활용 가능성 평가: 부산 신항의 선석 활용을 대상으로

Abstract

Over the past 20 years, Korea's overall import and export cargo volume has increased at an average annual rate of approximately 5.3%. About 99% of the cargo is still being transported by sea. Due to recent increases in maritime cargo volume, congestion in maritime logistics has become challenging due to factors such as the COVID-19 pandemic and conflicts. Continuous monitoring of ports has become crucial. Various ground observation systems and Automatic Identification System (AIS) data have been utilized for monitoring ports and conducting numerous preliminary studies for the efficient operation of container terminals and cargo volume prediction. However, small and developing countries' ports face difficulties in monitoring due to environmental issues and aging infrastructure compared to large ports. Recently, with the increasing utility of artificial satellites, preliminary studies have been conducted using satellite imagery for continuous maritime cargo data collection and establishing ocean monitoring systems in vast and hard-to-reach areas. This study aims to visually detect ships docked at berths in the Busan New Port using high-resolution satellite imagery and quantitatively evaluate berth utilization rates. By utilizing high-resolution satellite imagery from Compact Advanced Satellite 500-1 (CAS500-1), Korea Multi-Purpose satellite-3 (KOMPSAT-3), PlanetScope, and Sentinel-2A, ships docked within the port berths were visually detected. The berth utilization rate was calculated using the total number of ships that could be docked at the berths. The results showed variations in berth utilization rates on June 2, 2022, with values of 0.67, 0.7, and 0.59, indicating fluctuations based on the time of satellite image capture. On June 3, 2022, the value remained at 0.7, signifying a consistent berth utilization rate despite changes in ship types. A higher berth utilization rate indicates active operations at the berth. This information can assist in basic planning for new ship operation schedules, as congested berths can lead to longer waiting times for ships in anchorages, potentially resulting in increased freight rates. The duration of operations at berths can vary from several hours to several days. The results of calculating changes in ships at berths based on differences in satellite image capture times, even with a time difference of 4 minutes and 49 seconds, demonstrated variations in ship presence. With short observation intervals and the utilization of high-resolution satellite imagery, continuous monitoring within ports can be achieved. Additionally, utilizing satellite imagery to monitor changes in ships at berths in minute increments could prove useful for small and developing country ports where harbor management is not well-established, offering valuable insights and solutions.

한국의 전체 수출입 물동량은 지난 20여년 동안 연평균 약 5.3%씩 증가하였고, 약 99%가량의 화물이 여전히 해상을 통해 운송되고 있는 것으로 나타났다. 최근 해상 물동량 증가, 코로나 및 전쟁 등의 이유로 해상 물류가 혼잡해지고 예측이 어려워지고 있어 지속적인 항만의 모니터링이 중요하다. 다양한 지상 관측 시스템과 automatic identification system (AIS) 정보를 이용하여 항만을 모니터링하고 항만 내 컨테이너 터미널의 효율적 운영과 물동량 예측을 위한 많은 선행 연구가 진행되었다. 하지만, 소형 무역항이나 개발도상국의 무역항의 경우 대형 항만에 비해 환경 문제와 노후화된 인프라 등의 이유로 항만을 모니터링하기에 어려움이 있다. 최근 인공위성의 활용성이 높아짐에 따라 광범위하고 접근하기 어려운 지역에 대해 위성 영상을 이용하여 지속적인 해상 물동량 데이터 수집 및 해양 감시체계 구축을 위한 선행 연구가 진행되고 있다. 본 연구는 고해상도 위성영상을 이용하여 부산 신항을 대상으로 항만 내 컨테이너 터미널에 존재하는 선석에 정박한 선박을 육안으로 탐지하고 선석 활용률을 정량적으로 평가하고자 한다. 국토위성, 아리랑위성 3호, PlanetScope, Sentinel-2A를 이용해 항만 내 선석에 정박하고 있는 선박을 육안으로 탐지하였고 선석에 정박 가능한 전체 선박의 수를 이용하여 선석 활용률을 산출하였다. 산출 결과 2022년 6월 2일의 경우 0.67, 0.7, 0.59로 변화하는 것을 보였으며, 영상 촬영 시각에 따라 선박의 수가 변화한 것으로 확인되었다. 2022년 6월 3일의 경우 0.7로 동일한 것으로 나타났고 이는 선박의 종류는 변화하였으나 촬영 시각에 선박의 수는 동일한 것으로 확인이 되었다. 선석 활용률은 값이 클수록 해당 선석에서의 작업이 활발하게 이루어지고 있는 것을 의미하고 있으며, 이는 선석이 혼잡하여 정박지에서 대기하고 있는 다른 선박의 대기시간이 길어지고 운임료가 증가할 수 있기 때문에 선석 활용률을 이용하여 기초적인 새로운 선박 운항 계획 수립에 도움이 될 것으로 판단된다. 선석에서의 작업시간은 수시간에서 수일이 소요되는데 영상의 촬영 시간 차이에 따른 선석에서의 선박의 변화율을 산출한 결과 4분 49초의 시간차이에도 선박의 변화가 있는 것을 확인할 수 있었다. 이는 관측 주기가 짧고 고해상도 위성영상을 모두 이용한다면 항만내 지속적인 모니터링이 가능할 것으로 사료된다. 그리고 항만 내 선박의 변화를 최소 시간 단위로 확인할 수 있는 위성 영상을 활용하면 항만 관리가 이루어지지 않는 소형 무역항이나 개발도상국의 무역항 등에서도 유용하게 사용할 수 있을 것으로 기대된다.

1. 서론

우리나라의 전체 수출입 물동량은 지난 20여년 동안 연평균 약 5.3%씩 증가하였고, 이 가운데 약 99%가량의 화물이 여전히 해상을 통해 운송되고 있는 것으로 나타났다(Min and Ha, 2014). 최근 해상 물동량 증가, 코로나 및 전쟁 등의 이유로 해상 물류가 혼잡해지고 예측이 점점 어려워지고 있어 지속적인 항만의 모니터링이 중요하다. 항만 내 컨테이너 터미널 현황 모니터링은 항만 운영 효율화에 중요하며 선박의 입항 대기 시간과 해상 운임비를 감소시킬 수 있다. 항만을 모니터링하여 항만 내 컨테이너 터미널의 효율적 운영과 물동량 예측을 위한 선행연구에서는 다양한 지상 관측 시스템과 automatic identification system (AIS) 정보를 활용하여 항만 혼잡도, 선박 대기율, 선박 대기지수 등의 항만 활용지수가 개발되었다(Kim and Kim, 2016; Lee, 2019).

대형 항만의 경우 Port-MIS와 같은 항만 내 일어나는 모든 작업의 모니터링 시스템이 잘 구현 되어있으며, 이 정보들을 이용해 항만의 혼잡도, 선박의 대기시간 등 모니터링을 수행하고 있다. 하지만, 소형 무역항이나 개발도상국의 무역항의 경우 대형 항만과의 경쟁, 환경 문제, 노후화된 인프라 등의 이유로 이러한 시스템이 잘 구축되어 있지 않아 항만을 모니터링하기에 어려움이 있다(Argyriou and Tsoutsos, 2023). 또한, 국외 항구의 정보를 얻기 위해서는 일정 비용이 발생한다.

최근에는 인공위성의 활용성이 높아짐에 따라 광범위하고 접근하기 어려운 지역에 대해 위성 영상을 이용하여 지속적인 해상 물동량 데이터 수집 및 해양 감시체계 구축을 위한 선박 탐지 연구가 진행되고 있다(Park et al., 2022; Bentes et al., 2018; Bo et al., 2021; Kim et al., 2018; Kim et al., 2020). 위성영상 기반 선박 탐지 결과물을 이용하여 다양한 현업 활용 연구 개발이 진행되고 있다. 노르웨이의 Kongsberg 회사는 AIS에서 식별되지 않는 선박들을 탐지하기위해 다종 위성영상 자료에 딥러닝 알고리즘을 적용하여 선박을 탐지하고 분석한 자료를 제공함으로써 해양 안보 강화에 기여하고 있다. 우리나라에서는 아리랑위성 2호(KOrea Multi-Purpose SATellite-2, KOMPSAT-2)의 다중 분광 밴드 (multispectral band, MS) 반사도 값을 활용하여 국내 광양만 연안 해역을 대상으로 새로운 선박탐지 지수를 제시한 사례가 있다(Park et al., 2018). 선행 연구와 같이 광학영상을 이용하여 일정 주기의 항만 주변의 선박을 모니터링하는 기술이 개발되고 있지만, 인공위성 영상의 획득 주기 특성 상 지속적인 항만 모니터링을 하기 위해서 실제 현장에서 요구하는 시간 간격의 정보가 필요하다. 최근 군집형 고해상도 초소형 위성들이 많이 개발되고 발사되어 재방문 주기가 줄어들었으며, 이에 시간 해상도가 향상되었다. 이러한 위성들을 이용한다면 지속적인 모니터링이 충분히 가능할 것으로 사료된다.

본 연구에서는 고해상도 다종 위성영상을 이용한 항만 내 컨테이너 터미널에 존재하는 선석에 정박한 선박을 육안으로 탐지하고 선석 활용률을 정량적으로 평가하였으며, Port-MIS를 이용해 검증하였다.

2. 연구지역 및 자료

2.1. 연구 지역

부산항은 부산광역시에 있는 국제 무역항으로 부산항만공사가 운영하고 있으며 국내 최대의 무역항으로 환적 처리량은 2018년 기준 11,429천 TEU로 컨테이너 물량의 52.8%를 차지하였으며 싱가포르항 다음으로 세계 2위의 환적 중심 항만이 되었다(Jo et al., 2020). 컨테이너가 속한 부두는 부산 북항과 신항이 있으며, 그 중 부산 신항은 부산광역시 강서구와 경상남도 창원시 진해구의 경계에 있는 항만(Fig. 1)으로 대규모 국제무역항으로 포화상태인 부산 북항을 대체하여 1997년 10월에 착공 후 총 3단계 사업을 통하여 최대 56개 선석 규모로 개발되었으며, 연간 3천 7백만 TEU 컨테이너 화물처리 능력을 갖추었다(Ministry of Oceans and Fisheries, 2019). 부산 신항 컨테이너 부두에는 6개의 터미널이 있으며 다수 터미널 운영사에 의해 분리 운영되고 있다(Nam et al., 2021). 터미널은 선박에 화물을 양하 하거나 적하하는 기능이 있으며, 양적하의 원활한 기능을 위해 야드를 포함하고 있다. 컨테이너 야드는 컨테이너를 인수, 인도하고 보관하는 장소이며, 화물 집하장, 컨테이너 야드, 화물 조작장으로 구획화 되어 있다. 본 항만은 동북아게이트 물류 중심 항만, 고효율 스마트 항만 등의 선박 대형화 및 4차 산업혁명 기술에 대비한 동아시아 최첨단 물류 허브 항만 육성을 목적으로 개발되고 있다.

Fig. 1. PlanetScope image of Busan New Port and terminal location.

2.2. 연구 자료

본 연구에서는 항만 내 선박을 육안분석하기 위해 2022년 6월 2~3일 대상으로 총 4개의 위성을 활용하였다. 한국항공우주연구원(Korea Aerospace Research Institute)에서 제공받은 아리랑위성 3호(KOrea Multi-Purpose SATellite-3, KOMPSAT-3) 영상 1개와 국토지리정보원에서 제공받은 국토위성(Compact Advanced Satellite 500-1, CAS500-1) 영상 1개, PlanetScope 영상 3개, Sentinel-2A 영상 1개를 구축하였으며(Fig. 2), 위성 촬영 시각은 Table 1과 같다.

Fig. 2. High-resolution satellite image of Busan New Port. (a) CAS500-1, (b–d) PlanetScope, (e) KOMPSAT-3, and (f) Sentinel-2A.

Table 1. Satellite imagery timestamp

국토위성은 표준영상 L1R 자료를 사용하였고, 선박을 육안탐지하기 위해 정밀정사보정 된 국토위성의 L2G 자료와 아리랑위성 3호 L1O 자료를 사용하였다. 아리랑위성 3호의 L1O 자료는 기하왜곡을 보정하고 universal transverse mercator (UTM)로 투영된 자료이다. L1O 자료에는 L1R 영상처리에 적용되는 모든 방사 및 센서 보정이 포함되어 제공된다. 국토위성, 아리랑 3호 위성은 Advanced Earth Imaging Sensor System-Compact(AEISS-C) 센서와 Advanced Earth Imaging Sensor System(AEISS) 센서를 각각 탑재하여 전정색(panchromatic) 밴드에서 각각 0.5 m와 0.7 m, 다중 분광 밴드의 경우 2 m와 2.8 m의 공간해상도를 제공한다(Park et al., 2022). 국토위성과 아리랑 위성 3호는 재방문 주기가 28일로 동일하며, 관측폭(swath width)은 각각 12 km와 16 km이다 (Lee et al., 2017; Table 2).

Table 2. Characteristics of the CAS500-1, KOMPSAT-3, PlanetScope, and Sentinel-2A

PlanetScope 위성은 Planet에서 운용중인 CubeSat(10 × 10 × 30 cm)으로 전 지구를 매일 촬영할 수 있는 것이 가장 큰 특징이다. 총 8개의 밴드로 4 m급 공간해상도로 데이터가 획득 가능하다. Sentinel-2A 영상은 Top-of-atmosphere (TOA) Level-1C 정사영상에서 대기보정이 수행된 Level-2A 영상을 사용하였다. 위성영상은 10 m 해상도의 영상을 활용하였다(Table 2). 이 연구에 사용된 다중센서 위성영상들의 촬영 시간 간격은 최소 2분에서 최대 20시간 39분으로 다양하며 영상들의 선박을 관측하기에 충분한 공간해상도를 가지고 있어 선박의 수를 육안으로 탐지하는데 효과적으로 사용될 수 있다.

위성영상을 활용하여 산출된 선석 활용율과 변화율을 검증하기 위해 부산항만공사의 체인 포털에서 제공하는 컨테이너터미널 종합정보 조회 시스템을 이용하였다(https://www.chainportal.co.kr/). 체인 포털은 항만물류 정보공유 통합 플랫폼으로 수출입 및 컨테이너 운송업무 효율 증대를 위해 항만 이해 관계자간 정보를 실시간으로 공유함으로써 항만물류 민간 비즈니스 활성화를 지원한다. 종합정보에는 선석 배정현황, 본선 작업현황, 양적하 목록, 컨테이너 정보조회 등 다양한 정보를 조회할 수 있으며 본 연구에서는 위성영상이 촬영된 시각에 선석 배정현황 정보를 이용하여 산출된 결과물들을 검증하였다(Fig. 3).

Fig. 3. Allocation status of berths at Pier 2.

3. 연구 방법

본 연구에서는 부산 신항을 대상으로 고해상도 다종 위성영상을 활용하여 항만 선박관리 활용 가능성을 평가해 보고자 Fig. 5와 같은 방법으로 연구를 수행하였다. 영상 자료의 Red, Green, Blue 밴드를 공간 정보 분석 소프트웨어인 QGIS (https://www.qgis.org/)를 통해 병합(merge)하여 RGB영상을 생성하였고, 추가적으로 국토위성과 아리랑위성 3호는 각각 팬샤프닝(pansharpening)을 수행하여 0.5 m, 0.7 m 급 공간해상도의 영상을 생성하였다. Fig. 4는 KOMPSAT-3 영상의 RGB 영상과 팬샤프닝된 영상의 예시이다. 영상에서 선석에 존재하는 선박들을 육안으로 식별하여 총 선박의 수를 추출하였고 (Fig. 6), 이를 이용해 항만 내 선석 활용률을 산출하였으며 산출된 선석 활용률은 식(1)과 같다.

Fig. 4. The RGB image and the pansharpening image from KOMPSAT-3. (a) RGB image with a spatial resolution of 2.8 m. (b) The pansharpening image with a spatial resolution of 0.7 m.

Fig. 5. Flow chart of calculation of berth utilization rate.

Fig. 6. The vessels detected visually from the berths (red polygons) are as follows: (a) CAS500-1 (2022.06.02, 01:57:27 (UTC)), (b) PlanetScope (2022.06.02, 02:02:16 (UTC)), (c) KOMPSAT-3 (2022.06.02, 04:31:26 (UTC)), (d) PlanetScope (2022.06.03, 01:10:26 (UTC)), (e) PlanetScope (2022.06.03, 02:04:30 (UTC)), and (f) Sentinel-2A (2022.06.03, 02:07:01 (UTC)).

\(\begin{aligned}B_{u}=\frac{S_{n}}{B_{n}}\end{aligned}\)       (1)

B_u는 선석 활용률, B_n은 선석의 활용가능한 총 선박 수, S_n은 위성영상에서 산출된 항만 내 선박의 수를 의미한다. 선석 활용률은 항만 내 선석이 얼마나 활용되고 작업이 활발하게 이루어지고 있는지를 보여주는 지수로서 1에 가까울수록 선석의 활용률이 높음을 의미한다. 식(1)을 이용하여 각각의 위성영상이 촬영된 시각에 존재하는 선박의 수를 이용하여 선석 활용률을 산출하였다. 또한 영상이 촬영된 시간의 차이만큼 선석 내 선박 수의 변화를 이용해 선석 변화율을 산출하였다.

산출된 선석 활용률과 변화율을 검증하기위해 부산항만공사에서 제공하는 컨테이너 터미널 통합정보 조회 서비스를 이용하였다. 통합정보 조회 서비스에 기준일을 설정할 경우 해당일에 대하여 선석 배정현황을 제공해주며, 제공된 정보를 이용해 영상이 촬영된 시각에 대해 선석에서 양하 및 적하하고 있는 선박을 조회할 수 있다. 따라서 선석에 정박하고 있는 선박을 조회하고 이를 바탕으로 위성영상을 이용해 산출된 선석 활용률과 변화율을 검증하였다.

4. 결과 및 토의

Fig. 6의 빨간색 폴리곤 영역은 부산 신항 항만 내에서 육안으로 탐지된 선박이다. 동일한 방법으로 영상이 촬영된 시각에 대하여 육안으로 판별된 선석에 존재하는 선박의 수와 부산항만공사에서 제공하는 선석 내 동시 접안가능한 최대 선박수를 산출하였다(Table 3). 제 1부두와 제 2부두의 경우 각각 5만톤급 3대와 6대, 제 3부두와 제 4부두의 경우 5만톤급 2대와 2만톤급 2대 총 4대씩 정박이 가능하며, 제 5부두와 제 6부두는 각각 5만톤급 4대와 3대가 정박이 가능하다. 다목적 터미널은 5만톤급 1대와 2만톤급 2대가 가능하여 부산 신항에 존재하는 모든 선석에 정박가능한 선박의 수는 총 27대이다. 이는 부산항만공사에서 제공되는 선석에 정박 가능한 선석의 수이며 선박의 크기에 따라 최대 정박가능한 선박의 수는 변동될 수 있다. 그러나 이 연구에서는 이론상의 최대 정박 가능한 선박의 수를 이용하여 선석 활용률을 산출하였다. 2022년 6월 2일의 경우 제 2부두, 제 4부두, 제 5부두와 다목적 터미널을 제외하고 선박의 수가 변화하였으며, 선박의 양하 및 적하가 끝나고 선박이 출항한 것으로 판단된다. 2022년 6월 3일의 경우 제 5부두와 제 6부두만 변화가 나타났으며, 전날과 같은 이유로 선박이 출항한 것으로 판단된다.

Table 3. Number of vessels detected in satellite images and maximum berth occupancy capacity

위성영상에서 육안 판독된 선박의 수를 검증하기 위해 부산항만공사에서 제공하는 컨테이너 터미널 통합 정보 조회 서비스를 이용해 영상이 촬영된 시각에 실제로 존재하는 선박을 조회하였다(Table 4). 실제 위성영상을 이용해 산출된 선박의 수와 컨테이너 터미널 통합정보 조회 서비스에서 나타난 선박의 수가 제 3부두를 제외한 나머지 부두에서는 차이가 나타나지 않는 것을 확인하였다. 그러나 선박의 수는 차이가 없었지만, 실제 모선명은 변화하는 것을 확인할 수 있었으며, 영상이 촬영되지 않은 시간에 작업이 끝난 선박과 작업을 시작하려 정박하려는 선박이 이동한 것으로 보인다. 이는 위성영상의 촬영 공백과 영상 내에서 선박을 구분하기 어려운 한계가 있다. 제 3부두에서는 국토위성이 촬영된 시각인 10시 57분 27초와 아리랑위성 3호가 촬영된 시각인 13시 31분 26초에서 선박의 수가 차이가 나타났는데 이는 제 3부두의 일부 영역이 위성영상 촬영영역에서 벗어나 선박의 존재와 이동 유무를 확인하기 어려웠기 때문이다. 이는 고해상도 위성영상의 촬영 영역이 부산 신항을 벗어나지 않고 정확히 촬영이 된다면 위성영상에서 산출된 정보만으로도 모니터링이 가능할 것으로 사료된다.

Table 4. Number of vessels detected in the container terminal integrated information service

Table 5는 위성영상에서 산출된 선박의 수를 이용하여 영상이 촬영된 시각에 따라 산출된 선석 활용률이다. 2022년 6월 2일의 경우 선석에서의 선박의 수가 조금씩 변화하여 값이 변화하는 것을 보이지만 2022년 6월 3일의 경우 제 5부두 와 제 6부두의 선석에서의 선박의 수는 변화하지만 전체 선박의 수는 동일하여 선박 활용률 값이 일정하게 나타나는 것으로 확인되었다. 산출된 선석 활용률은 컨테이너터미널 종합정보 조회 시스템에서 나타난 신시간 선박 정보(Table 4)와 위성영상에서 탐지된 선박 수, 부산항만공사에서 제공하는 정박가능한 최대 선박수(Table 3)를 이용한다면 정량적으로 비교할 수 있다. 이는 부산항만공사에서 제공하는 정량적인 정보로 육안으로 탐지된 선박수를 이용해 산출된 선석 활용률을 위성영상으로도 충분히 활용 가능하다는 것을 보여준다. 선석 활용률은 값이 클수록 해당 선석에서의 작업이 활발하게 이루어지고 있는 것을 의미하고 있으며, 이는 선석이 혼잡하여 정박지에서 대기하고 있는 다른 선박의 대기시간이 길어지고 운임료가 증가할 수 있기 때문에 선석 활용률을 이용하여 기초적인 새로운 선박 운항 계획 수립에 도움이 될 것으로 판단된다.

Table 5. Berth utilization rate based on satellite imagery

위성영상의 촬영 시간 차이는 2분 31초, 4분 49초, 54분 4초, 2시간 29분 10초 및 20시간 39분으로 나타났고, 각각의 시간 차이 별 선박의 수 변화와 선석에서의 변화율을 산출하였다(Table 6). 선석에서 수행되는 작업은 최소 수시간에서 최대 수일이 소요되는데 4분 49초의 시간 차에서도 선박의 변화가 나타나는 것을 확인할 수 있었다. 영상 촬영 시간 간격이 짧고 높은 공간해상도를 가진 위성영상을 사용한다면 정확한 선석 내 선박 모니터링이 가능할 것으로 보인다.

Table 6. Berth occupancy change rate in berths based on time difference in satellite imagery timestamp

5. 결론

최근 물동량 증가, 코로나 및 전쟁 등의 이유로 인해 해상 물류가 혼잡해지고 예측이 점점 어려워 항만을 지속적으로 모니터링 할 수 있는 시스템의 개발이 필요하다. 본 연구에서는 기초적인 모니터링 시스템을 개발하고자 위성영상을 활용해 항만 활용지수에 기초가 되는 선석 활용률을 산출하였다. 고해상도 위성영상인 국토위성, 아리랑위성 3호, PlanetScope, Sentinel-2A 위성을 이용해 2022년 6월 2일부터 6월 3일까지 부산 신항을 대상으로 총 6장의 영상을 획득하였다. 사용된 위성영상은 50 cm–10 m의 고해상도 영상으로 선박의 육안 탐지가 가능하여 항만 내 선석에 존재하는 선박을 육안으로 탐지하였다. 탐지된 선박은 부산항만공사에서 제공하는 컨테이너 터미널 통합정보 조회 서비스를 이용해 검증해본 결과 제 3부두를 제외하고 모두 일치하는 것으로 확인되었다. 이는 국토위성과 아리랑위성 3호가 촬영된 영역이 제 3부두의 일정영역이 촬영되지 않아 선박의 존재와 이동 유무를 확인하기 어려워 이러한 차이를 보였다.

6월 2일에 촬영된 시간을 기준으로 선석 활용률은 각각 0.67, 0.7, 0.59로 산출되었으며, 6월 3일에는 모두 0.7로 나타났다. 선석 활용률이 모두 같게 나온 6월 3일의 경우 검증 자료인 컨테이너 터미널 종합정보 조회 시스템을 확인한 결과 각 부두에서의 선박의 수는 변화하였으나 전체 선박의 수는 변화가 없어 모두 같은 값으로 나타났다. 이를 바탕으로 선석 활용률이 높을수록 선석에서의 작업이 활발하게 진행되고 있음을 의미한다.

선석에서의 작업시간은 수시간에서 수일이 소요되는데 영상의 촬영 시간 차이에 따른 선석에서의 선박의 변화율을 산출한 결과 4분 49초의 시간차이에도 선박의 변화가 있는 것을 확인할 수 있었다. 이는 관측 주기가 짧고 고해상도 위성영상을 모두 이용한다면 항만내 지속적인 모니터링이 가능할 것으로 사료된다. AIS를 이용하면 육안 판독으로 산출된 선석 활용률보다 좀 더 신뢰도 높은 결과값을 보여줄 수 있지만, AIS 및 지상시스템이 구축되어 있지 않은 항만이 존재한다. 이러한 항만이나 개발도상국의 항만을 모니터링하기 위해 위성영상을 활용하였다. 또한 무료로 제공되는 Sentinel-2A 위성의 경우 10 m의 높은 공간해상도를 보여주고 있고 본 연구에서 선박 탐지가 가능하여 선석 활용률을 산출할 수 있었다. 위성영상을 이용한다면 보다 쉽게 선석 활용률을 산출할 수 있다는 장점을 보여준다.

또한, 선박의 대기시간 및 항만 혼잡도 등과 같이 선석 활용률을 이용하여 기초적인 선박 운항 계획 수립에 도움이 될 것으로 판단된다. 그리고 항만 내 선박의 변화를 최소 시간 단위로 확인할 수 있는 위성 영상을 활용하면 항만 관리가 이루어지지 않는 소형 무역항이나 개발도상국의 무역항 등에서도 유용하게 사용할 수 있을 것으로 사료된다. 선박을 자동으로 탐지하기 위해서는 AI 기술의 접목이 필요하며, AI 기술을 이용해 선박을 탐지한 연구가 많이 진행되고 있다(Bentes et al., 2018; Bo et al., 2021; Kim et al., 2018, 2020; Park et al., 2022).

향후 연구에서는 자동 선박 탐지를 위해 학습자료를 구축하고 자동 선박탐지 알고리즘들 중 하나인 You Only Look Once (YOLO)를 통해 선박을 분류 및 탐지하고자 한다. 선석에서 정박중인 선박과 겹쳐 보이는 크레인에 의해 선박을 정확하게 탐지하기에 어려움이 있어 이러한 오차를 최소화할 수 있는 기술 개발이 필요하다. 이러한 기술을 개발하여 탐지 오차를 줄이고 이를 바탕으로 정확하게 선박 탐지하고 선박을 분류하여 선석 활용률을 산출하고자 한다.