• Journal of Navigation and Port Research
• /
• v.42 no.6
• /
• pp.529-538
• /
• 2018

The port industry is an important national industry which significantly affects Korea's imports and exports which are centered on economic structure. For instance, the Port of Busan, which handles 75% of domestic container freight volume, is expected to become increasingly critical for container liner routes. For this reason, there have been continued efforts to expand freight service to attract international freight volume. This study analyzes the structural characteristics of the port network connected to the Port of Busan by analyzing the pattern of the container liner route from 2012 to 2016 by using social network analysis. According to the Port of Busan's liner route network, the port with the highest degree of centrality, closeness centrality, and betweenness centrality was found to be the Port of Singapore. The comparison of Busan's annual container handling rank by countries and the port center network analysis of Port of Busan rank was found to be different. As a result, it was established that China's East Port, which occupies a high percentage of the volume of cargo handled by Port of Busan, is not a hub port of Busan when viewed on the Busan's container terminal liner network. In addition, even if the number of Port of Busan container liner service increases, it is estimated that the vessels to be added to the fleet will be limited to small to medium sized, or that Busan port has characteristic of a feeder port for the Port of Singapore, according to the network.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2009.10a
• /
• pp.187-188
• /
• 2009

On this study, the artificial neural network, one of the nonlinear forecasting methods, is compared with ARIMA model through performing a forecast of container traffic. The existing studies have been used the rule of thumb in topology design for network which had a great effect on forecasting performance of the artificial neural network. However, this study applied the genetic algorithm, known as the effectively optimal algorithm in the huge and complex sample space, as the alternative.

• 해운
• /
• no.6 s.28
• /
• pp.44-44
• /
• 2006

• 해운
• /
• no.6 s.28
• /
• pp.45-45
• /
• 2006

• 해운
• /
• no.8 s.19
• /
• pp.37-37
• /
• 2005

• 해운
• /
• no.8 s.19
• /
• pp.42-42
• /
• 2005

• 해운
• /
• no.10 s.21
• /
• pp.42-42
• /
• 2005

• 해운
• /
• no.2 s.25
• /
• pp.41-41
• /
• 2006

• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.254-259
• /
• 1998

오늘날 컨테이너의 과다한 물동량 증가로 인하여 수작업으로 이루어지는 컨테이너 식별자를 처리하는데 어려움을 겪고 있는 가운데, 이를 자동으로 인식하고 그 결과를 항만 물류 처리 자동화 시스템에 적용하고자 하는 필요성이 대두되고 있다. 이에 본 논문에서는 컨테이너의 인식 처리를 자동화하기 위한 방안으로 컨테이너의 식별자 인식에 신경망 알고리즘의 하나인 Back-propagation을 적용하였으며, BP 알고리즘을 적용하기 위해서 적절한 scaling 비율을 구하고, 학습 DB를 구축하여 기존의 식별자 인식보다 신속하고 정확한 처리가 가능하도록 구현하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.06a
• /
• pp.252-257
• /
• 2007

우리나라의 항만은 수 출입화물의 99.5%를 처리하며, 육로 및 철도 수송 물동량의 기종점 역할을 수행하는 중요한 곳으로서 항만 물동량의 신속한 처리와 자동화 시스템에 의한 비용절감은 엄청난 효과를 가져온다. 따라서 본 논문에서는 항만에서 취급하는 컨테이너를 자동으로 식별할 수 있는 자동화 방법을 제안한다. 실제 컨테이너 영상을 그레이 영상으로 변환한 후, 프리윗 마스크(Prewitt-Mask)를 적용하여 윤곽선을 추출하고 컨테이너를 식별할 수 있는 개별 식별자의 형태학적 특징 정보를 이용하여 식별자 후보영역을 검출한다. 검출된 식별자 후보영역은 개별 식별자 영역외에 잡음 영역이 포함되어 있으므로 4방향 윤곽선 추적 알고리즘과 Grassfire 알고리즘을 적용하여 잡음을 제거하고 개별 식별자들을 각각 객체화한다. 잡음이 제거된 식별자 후보 영역에서 객체화 한 개별 식별자는 컨테이너 식별을 위해 FCM 기반 퍼지 RBF 네트워크를 적용하여 인식한다. 본 논문에서 제안한 컨테이너 식별자 인식 방법의 성능을 평가하기 위해 실제 컨테이너 영상 300장을 대상으로 실험한 결과, 기존의 방법보다 인식 성능이 개선되었음을 확인할 수 있었다.