• 한국벤처창업학회:학술대회논문집
• /
• 2007.04a
• /
• pp.187-199
• /
• 2007

항만의 개발은 투자시점에서 10여년이 소요되는 대규모 자본과 시간이 소요되는 사업이므로 항만 물동량을 사전에 정확히 예측하지 못하면, 과잉투자, 중복투자 또는 기관시설이 부족하는 등 큰 문제에 봉착하여 진다. 항만 물동량 예측은 항만 개발에 앞서 매우 중요한 과제이다. 따라서 본 논문에서는 파워심 프로그램을 활용한 항만 물동량 예측 시뮬레이터 개발에 앞서 기초 연구단계로 항만 물동량 발생 요소들의 관계를 정립하고 인과관계를 시스템 다이내믹스 기법을 이용하여 밝혔다. 이 시뮬레이터는 항만 물동량 예측 등 관련 산업기술 발전에 기여하리라 전망된다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.95-97
• /
• 2022

다양한 소스에서 수집되고 연동되는 항로표지 상태 데이터에서의 이상탐지는 항로표지의 고장예측에 있어서 중요한 역할을 한다. 이 연구에서는 항로표지 고장예측 서비스를 위해 상태 데이터를 모델링하고 분석할 수 있는 기계학습 모델의 연구 방법을 소개한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2013.10a
• /
• pp.133-135
• /
• 2013

장래의 해상교통량에 대한 정확한 예측은 항로설계 및 해상교통의 안전성 평가 측면에서 중요한 요소이다. 본 연구는 신뢰성 있는 해상교통량을 추정하기 위해 시계열 모델의 지수평활법과 ARIMA 모형을 이용하여 모형의 식별 및 진단 방안을 제시하였다. 제시된 방법의 효과를 검증하기 위하여 주요항만인 부산항, 광양항, 인천항, 평택항의 해상교통량을 예측하였다. 그 결과로 부산항은 ARIMA 모형, 광양항은 Winters 승법 모형, 인천항은 단순계절 모형, 평택항은 ARIMA 모형이 더 적합한 모형으로 알 수 있었으며, 각 항만별 계절에 따라 월별 교통량의 차이를 보이는 것으로 분석되었다. 본 연구 결과는 향후 항로 및 항만설계 또는 해상교통 안전성 평가에 보다 신뢰성 있는 추정치를 제공할 수 있을 것으로 보인다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.05a
• /
• pp.81-83
• /
• 2023

자율운항선박은 선원의 항해 조작 없이 선박 스스로 운항하는 선박을 의미한다. 자율운항선박의 운항 시 충돌 및 사고 위험도가 큰 지역은 운항 중 선박을 많이 조우하게 되는 항 내 및 연안 지역이다. 실제로 충돌사고의 85% 이상이 항 내 및 연안 지역에서 발생한다. 따라서 자율운항선의 운항 안전성 확보를 위해 항 내 및 연안 지역에서의 운항 안전성을 검토하는 것은 미래 자율운항선 항 내 운용 체계에서 중요한 역할을 하게 된다. 대양에서는 선박 자체의 운항성능이 중요하지만, 항구 입출항 시에는 타선 및 터미널등과의 상호작용이 자율운항선의 입출항 안전성과 직결된다. 따라서 본 연구에서는 자율운항선이 항구 근처에 접근하여 입출항을 위해 대기하고 있는 경우에 입출항 결정을 내릴 수 있는 결정 알고리즘을 위한 해상혼잡도를 예측하는 알고리즘을 개발하는 과정을 소개한다. 혼잡 예측 알고리즘 개발을 위해 선박의 AIS통항데이터를 분석하여 주요 항로를 구분하고 주요 항로의 이용 빈도 및 운항 시점의 선박 집중도 및 충돌위험 상황을 파라미터로 하여 현재 시점부터 2주후 미래까지의 항로 혼잡도를 예측하고, 정확도를 제시한다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.295-296
• /
• 2022

자율운항선박은 선원의 항해 조작 없이 선박 스스로 운항하는 선박을 의미한다. 자율운항선박의 운항 시 충돌 및 사고 위험도가 큰 지역은 운항 중 선박을 많이 조우하게 되는 항 내 및 연안 지역이다. 실제로 충돌사고의 85% 이상이 항 내 및 연안 지역에서 발생한다. 따라서 자율운항선의 운항 안전성 확보를 위해 항 내 및 연안 지역에서의 운항 안전성을 검토하는 것은 미래 자율운항선 항 내 운용 체계에서 중요한 역할을 하게 된다. 대양에서는 선박 자체의 운항성능이 중요하지만, 항구 입출항 시에는 타선 및 터미널등과의 상호작용이 자율운항선의 입출항 안전성과 직결된다. 따라서 본 연구에서는 자율운항선이 항구 근처에 접근하여 입출항을 위해 대기하고 있는 경우에 입출항 결정을 내릴 수 있는 결정 알고리즘을 위한 해상혼잡도를 예측하는 알고리즘을 개발하는 과정을 소개한다. 혼잡 예측 알고리즘 개발을 위해 선박의 AIS통항 데이터를 분석하여 주요 항로를 구분하고 주요 항로의 이용 빈도 및 운항 시점의 선박 집중도 및 충돌위험 상황을 파라미터로 하여 특정 시간이 지난 후의 혼잡도를 예측하는 시스템을 개발하고자 한다.

• Journal of Korean Society of Coastal and Ocean Engineers
• /
• v.7 no.3
• /
• pp.233-240
• /
• 1995

A large part of shoaling of navigation channel surrounded by fine sand is caused by suspended sediment in non-equilibrium state. We develop a numerical model for predicting shoaling of navigation channel where concentration of suspended sediment in such state is accurately simulated. In this study, effects of channel geometry on the shoaling of the channel are investigated numerically. A composite slope of navigation channel is also proposed to reduce non-equilibrium property of suspended sediment. It is found that the composite slope can effectively reduce non-equilibrium property of suspended sediment and the amount of sediment deposited in the main channel.

• Journal of Korean Society of Transportation
• /
• v.32 no.6
• /
• pp.600-614
• /
• 2014

This paper develops a model to forecast container volumes of all Korean seaports using a Seasonal ARIMA (Autoregressive Integrated Moving Average) technique with the quarterly data from the year of 1994 to 2010. In order to verify forecasting accuracy of the SARIMA model, this paper compares the predicted volumes resulted from the SARIMA model with the actual volumes. Also, the forecasted volumes of the SARIMA model is compared to those of an ARIMA model to demonstrate the superiority as a forecasting model. The results showed the SARIMA Model has a high level of forecasting accuracy and is superior to the ARIMA model in terms of estimation accuracy. Most of the previous research regarding the container-volume forecasting of seaports have been focussed on long-term forecasting with mainly monthly and yearly volume data. Therefore, this paper suggests a new methodology that forecasts shot-term demand with quarterly container volumes and demonstrates the superiority of the SARIMA model as a forecasting methodology.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.86-87
• /
• 2023

해상환경에 적용된 최적항로예측 알고리듬을 자율운항선박의 기본 시스템으로 가정하고 육상의 육상원격제어시스템을 통해 선박이 제어되는 환경을 ECDIS 시스템을 사용하여 시뮬레이션하고 자율운항선박과 육상원격제어 간 안전운항를 위해 상호 시스템 공유를 이용한 협업을 바탕으로 최적항로예측 시뮬레이션을 개선하는 방안을 분석하였다.

• Journal of Korea Port Economic Association
• /
• v.36 no.2
• /
• pp.53-62
• /
• 2020

The maritime and port logistics industry is closely related to global trade and economic activity, especially for Korea, which is highly dependent on trade. As the largest port in Korea, Busan Port processes 75% of the country's container cargo; the port is therefore extremely important in terms of the country's national competitiveness. Port container cargo volume forecasts influence port development and operation strategies, and therefore require a high level of accuracy. However, due to unexpected and sudden changes in the port and maritime transportation industry, it is difficult to increase the accuracy of container volume forecasting using existing time series models. Among deep learning models, this study uses the LSTM model to enhance the accuracy of container cargo volume forecasting for Busan Port. To evaluate the model's performance, the forecasting accuracies of the SARIMA and LSTM models are compared. The findings reveal that the forecasting accuracy of the LSTM model is higher than that of the SARIMA model, confirming that the forecasted figures fully reflect the actual measurement figures.

• Journal of Korea Port Economic Association
• /
• v.37 no.1
• /
• pp.179-196
• /
• 2021

Port congestion rate at Busan Port has increased for three years. Port congestion causes container reconditioning, which increases the dockyard labor's work intensity and ship owner's waiting time. If congestion is prolonged, it can cause a drop in port service levels. Therefore, this study proposed an anomaly detection method using ARIMA(Autoregressive Integrated Moving Average) model with the daily volume data from 2013 to 2020. Most of the research that predicts port volume is mainly focusing on long-term forecasting. Furthermore, studies suggesting methods to utilize demand forecasting in terms of port operations are hard to find. Therefore, this study proposes a way to use daily demand forecasting for port anomaly detection to solve the congestion problem at Busan port.