• 디지털융복합연구
• /
• 제15권3호
• /
• pp.157-163
• /
• 2017

항만 물동량 예측은 항만관리 기관의 투자계획에 매우 중요한 요소이다. 더불어 최근 항만은 물동량 유치를 위한 치열한 경쟁을 이어가고 있기 때문에 항만 정책수립에 있어 국내외 주요국의 물동량 예측은 중요한 의미를 갖는다. 항만 물동량 예측이 항만의 개발정책에 매우 중요하지만 최적의 물동량 예측 모델 개발에는 아직 어려움을 겪고 있다. 이러한 측면에서 본 연구는 중국 컨테이너 물동량 예측모델 제시를 연구의 목적으로 하였다. 중국 컨테이너 물동량 예측은 Clarkson's Shipping Intelligence Network를 통해 수집한 2004년 1월부터 2015년 12월까지 12년간의 월간 데이터를 System Dynamics를 사용하여 2004년부터 2020년까지 변화를 시뮬레이션 하였다. 실제 중국 컨테이너 물동량 데이터와 Stock-flow 다이어그램을 통해 도출된 예측값을 비교하여 모델의 정확도를 검증했다. 검증결과 수 출입 컨테이너 예측모델은 MAPE값이 각각 6.21 %, 7.68 %로 나타나 정확한 예측모델로 확인되었다.

• 대한교통학회지
• /
• 제32권6호
• /
• pp.600-614
• /
• 2014

본 연구는 SARIMA 모형을 활용하여 기존에 다루어지지 않았던 분기별 항만 컨테이너 물동량을 예측하였다. 구체적으로 모델 추정에 활용된 자료는 1994년 1사분기부터 2010년 4사분기까지 총 84분기동안의 국내 전체 항만 컨테이너 물동량 자료이다. 본 연구에서 추정된 예측 모형의 예측 정확도를 검증하기 위하여 2011년 1사분기부터 2013년 4사분기까지 물동량을 예측하여 실제 물동량과 비교하였다. 또한 기존에 널리 활용되고 있는 ARIMA 모형을 활용하여 추정한 예측 모형과의 비교를 통해 분기별 항만 물동량 예측에 있어서 SARIMA 모형의 상대적 우수성을 검증하였다. 기존에 항만 물동량을 예측하는 대부분의 연구는 주로 장기 예측에 초점이 맞추어져 있다. 또한 월별, 연도별 물동량 자료가 활용된 경우가 대부분이다. 분기별 항만 컨테이너 물동량 자료를 활용하여 단기 수요를 예측함과 동시에 SARIMA 모형의 우수성을 입증한 본 연구는 충분한 가치가 있다고 판단된다.

• 한국항만경제학회지
• /
• 제26권1호
• /
• pp.83-104
• /
• 2010

본 연구의 목적은 환동해권 교역 거점으로서 동해항 및 속초항의 컨테이너화물 물동량을 예측함으로써 컨테이너화물의 수급정책의 제시 및 지역경제의 활성화에 기여하는 데 있다. 본 연구의 방법론으로는 관련 문헌의 서베이 및 국제컨테이너물동량의 O/D조사에 기초한 물동량 추정방법론이 적용되었다. 컨테이너화물의 O/D자료로는 한국해양수산개발원의 "해상물동량 O/D자료를 활용한 컨테이너물동량 추정"자료가 활용되었다. 또한 내륙컨테이너기지의 컨테이너화물 예측을 위해서는 일본 서안물동량, 중국 동북3성 물동량 및 극동 러시아물동량에 대해서 심층적으로 분석하였다. 결론으로는 첫째, 강원도의 컨테이너항만정책으로서 FEU당 10만원의 인센티브 수준이 5만원 수준보다 더 바람직한 것으로 나타났다. 둘재, 동해항 및 속초항만의 컨테이너 물동량은 2008년 6,653TEU에서 2010년 22,388TEU, 2015년 152,367TEU, 2020년 354,217TEU로 추정되었다. 세째, 동해항 및 속초항은 자동차로 1시간 이내 거리이므로 공동 항만마케팅이 요구된다.

• 한국항만경제학회지
• /
• 제29권3호
• /
• pp.1-23
• /
• 2013

본 연구는 1992년부터 2011년까지 월별자료를 사용하여 여러 가지 시계열 추정모델과 승법 계절 ARIMA 모형을 설정하여 부산항의 컨테이너 물동량을 추정하고 예측하였다. 여러 가지 모델로 추정한 결과 부산항의 컨테이너 물동량과 물동량 변동 모두 계절을 승법한 ARIMA 모델 $(1,0,1){\times}(1,0,1)_{12}$로 추정하였을 때, 추정결과와 Akaike information, Schwarz, Hannan-Quin 기준 등으로 보아, 가장 좋은 ARIMA 추정과 예측 모형으로 나타났다. 그리하여 부산항 물동량 추정의 최적모형인 ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의해 향후 8년간 96개월에 대한 부산항 물동량 미래 예측치(2013-2020년)를 월별로 추정하여 예측한 결과 2013년부터 부산의 물동량은 연도별로 조금씩 지속적으로 증가하는 추세를 보일 것으로 나타났다. ARIMA $(1,0,1){\times}(1,0,1)_{12}$ 모형에 의한 부산항의 컨테이너 물동량의 연도별 예측량은 2013년 1천 891만 TEU, 2014년 2천 34만 TEU, 2015년 2천 188만 TEU, 2016년 2천 353만 TEU, 2017년 2천 531만 TEU, 2018년 2천 722만 TEU 그리고 2020년 3천 148만 TEU 등으로 나타났다.

• 한국항해항만학회지
• /
• 제26권2호
• /
• pp.183-188
• /
• 2002

컨테이너 물동량 예측은 항만과 항만의 개발에 있어서 매우 중요하다. 일반적으로 이동평균법, 지수평활법, 회귀분석과 같은 통계적인 방법들은 물동량 예측에서 많이 사용되어졌다. 하지만, 컨테이너 물동량 예측에 영향을 주는 여러 가지 요소들을 고려해 보면 다중병렬처리시스템인 신경망을 이용하는 것이 효과적이다. 본 연구는 신경망의 역전파학습알고리즘을 이용하여 컨테이너 활동량을 예측하였다. 신경망을 이용하여 영향력 있는 요소들을 선별하였으며, 선별된 요소들을 이용하여 물동량 예측을 하였다. 또한 제안된 신경망 알고리즘과 통계적인 방법의 예측들을 비교하였다.

• 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.

• 사물인터넷융복합논문지
• /
• 제10권1호
• /
• pp.39-45
• /
• 2024

항만 성능에 대한 정확한 평가는 컨테이너 물동량은 매우 중요한 요소이며, 효과적인 항만 개발 및 운영 전략에 대한 정확한 예측이 필수적이다. 하지만 해양 산업의 급격한 변화로 인해 컨테이너 물동량 예측의 정확성이 향상되기는 어렵다. 이를 해결하기 위해 사물인터넷(IoT)을 이용한 항만 성능에 미치는 영향을 분석하여 부산항의 경쟁력과 효율성을 향상시키기 위해 적용이 필요하다. 이에 본 연구에서는 부산항의 미래 컨테이너 물동량을 예측하기 위한 예측 모델을 개발하는 것을 목표로 이를 통해 항만 관리 기관의 개선된 의사 결정과 항만 생산성을 향상시키는 데 초점을 맞추고 있다. 항만 컨테이너 물동량을 예측하기 위해 본 연구에서는 기계 학습 모델의 Extreme Gradient Boosting (XGBoost) 기법을 도입하였다. XGBoost는 다른 알고리즘에 비해 높은 정확도, 빠른 학습 및 예측 속도,과적합을 방지하고 Feature Importance 제공하는 장점이 돋보인다. 특히 XGBoost는 회귀 예측 모델링에 직접 사용할 수 있어 기존 연구에서 제시된 물동량 예측 모델의 정확도 향상에 도움이 된다. 이를 통해 본 연구는 4.3% MAPE (Mean absolute percenture error) 값으로 제안된 방법이 컨테이너 물동량을 정확하고 신뢰성 있게 예측할 수 있다. 본 연구에서 제시한 방법론을 통해서 부산 컨테이너물동량의 정확성을 높일 수 있을 것으로 판단된다.

• 한국항만경제학회지
• /
• 제24권2호
• /
• pp.1-17
• /
• 2008

본 연구에서는 부산 북항의 장래 물동량을 시계열 모형을 이용하여 정량적으로 예측하였다. 항만물동량을 화물의 특성에 따라 크게 컨테이너, 유류, 일반화물 3가지로 구분하였다. 북항의 물동량 예측에서는 먼저 기존 물동량의 계절지수를 산정하고, 지수평활모형과 ARIMA모형 중에서 최적모형을 선정하였다. 이를 통해 추정된 각 화물별 해당연도의 물동량에 계절지수를 적용하여 물동량을 월별로 산출하였다. 2011년과 2015년의 컨테이너 예측 물동량은 각각 21,390만톤, 23,144만톤이며, 이는 2007년 대비 2011년과 2015년에 각각 약 7.4%, 16.2%로 증가한 것이다. 유류화물의 물동량은 동일하게 약 705만톤으로 2007년 대비 약 4.7% 증가하는 것으로 나타났으나 2002년의 물동량보다는 낮을 것으로 예측되었다. 그리고 일반화물의 물동량은 약 805만톤으로 2007년 대비 2011년과 2015년에 각각 약 0.74%, 0.75% 감소할 것으로 나타나 2007년과 거의 비슷한 수준을 유지할 것으로 예측되었다. 향후 북항에서 처리될 것으로 예측된 전체 항만물동량은 2011년과 2015년에 각각 22,900만톤과 24,654만톤으로 예상되었다. 이는 2007년 대비 각각 약 7.0%, 15.2% 증가한 물동량이다. 이러한 물동량의 증가는 컨테이너화물의 견인차 역할로 인한 결과로 예측되었다. 또한 북항 전체의 장래 월별 물동량을 보면 4월에 가장 많고, 2월에는 가장 적을 것으로 나타났다.

• 한국항만경제학회지
• /
• 제36권2호
• /
• pp.53-62
• /
• 2020

해운항만물류산업은 세계 경제활동과 밀접한 관계를 가지고 있으며, 특히 무역의존도가 높은 우리나라의 항만 시설은 중요한 사회간접자본시설이다. 부산항은 우리나라 최대의 항만으로 우리나라 컨테이너 운송의 75%가 부산항을 통해 운송되고 있으며, 국가 경쟁력 측면에서 그 중요성은 매우 크다. 항만 물동량 예측은 항만 개발 및 운영 전략에 영향을 미치며, 정확도 높은 컨테이너 물동량 예측은 필수적이다. 하지만 오늘날 해운항만물류산업 환경의 급격한 변화로 인해 기존 시계열 예측 방법으로는 예측 정확도 향상에 어려움이 있다. 본 연구에서는 부산항 컨테이너 물동량 예측 정확도 향상을 위해 딥러닝 모형 중 LSTM 모형을 활용하여 컨테이너 물동량을 예측한다. 모형의 성능 평가를 위해서 SARIMA 모형과 LSTM 모형의 예측 정확도를 비교한다. 그 결과 LSTM 모형이 SARIMA 모형보다 예측 정확도가 높게 나타났으며, 예측치가 실측치의 특성을 반영하여 잘 나타나고 있음을 확인하였다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2010년도 추계학술대회
• /
• pp.108-109
• /
• 2010

본 연구에서는 비선형예측기법으로서 그 우수성을 인정받고 있는 인공신경망모형을 사용하여 컨테이너 물동량 예측을 수행하였다. 그러나 인공신경망모형을 사용해 시계열의 예측결과를 ARIMA모형과 같이 널리 알려진 다른 전통적인 수요예측기법들과 비교 평가한 과거 연구들을 보게 되면 각기 주장하는 바와 그 결론이 상반됨을 알 수 있다. 그래서 인공신경망의 예측성과를 높이기 위한 기존의 선행연구들의 다양한 시도들을 바탕으로 국내 항만의 컨테이너물동량을 예측하고, 그를 통해 여러 모형간의 비교 검증작업을 수행하였다.