Prophet 모형을 활용한 국내 중소형 컨테이너항만 물동량 예측에 관한 연구 : 인천, 평택·당진, 울산항을 중심으로

Abstract

항만은 국제무역의 관문이며, 물류 거점으로서 국가 경제에 중요한 역할을 담당하는 시설이다. 특히, 우리나라의 경우 무역의존도가 59.83%로 높은 편이며, 국제화물수송량의 99.7%가 해상운송을 통해 처리되고, 10대 도시 중(인구 기준) 4개가 항만을 기반으로 발전하였기 때문에, 항만이 국가 경제에 미치는 영향이 크다고 할 수 있다. 정부에서는 이러한 항만의 중요성을 인식하고 항만시설을 지속적으로 확충하고 있으며, 시설 확충 계획을 위해서는 항만 물동량 예측이 필요하게 되었다. 그에 따라 부산항이나 우리나라 전체 항만을 대상으로 한 물동량 예측 관련 연구가 활발하게 진행되어왔다. 하지만 점차 각 지역의 중소형 항만이 기능과 역할을 분담하며 성장과 발달함에 따라 중소형 항만들의 입지가 높아졌으나, 해당 항만을 대상으로 한 연구는 활발하게 이루어지지 않았다. 또한, 최근 해운항만물류 분야 연구에서 딥러닝 모형을 활용한 예측 시도가 많이 이루어지고 있는데, 딥러닝 모형의 경우 많은 양의 연산을 수행하기 때문에, 학습에 많은 시간이 소요되고 적정 수준의 사양을 가진 장비가 필요하다는 단점이 있다. 이에 본 연구에서는 국내 중소형 컨테이너항만인 인천항, 평택·당진항, 울산항을 대상으로 컨테이너 물동량 예측을 진행하였다. 예측을 위해 예측 성능이 우수하고, 구현이 비교적 용이한 것으로 알려진 방법론인 Propohet 모형을 활용하였다. 이후, 선행연구에서 사용되어온 딥러닝 LSTM 모형 및 SARIMA 모형의 예측 결과와 비교하여 성능을 검증하였으며, 연구 결과는 아래와 같다. 첫째, 인천항과 평택·당진항과 같이 물동량 자료에 뚜렷한 계절성이 나타나는 경우 Prophet 모형과 SARIMA 모형의 예측 성능이 우수한 것으로 나타났다. 따라서 구현의 용이성과 연산시간을 고려하였을 때, 데이터가 계절성을 나타내는 경우에는 Prophet 모형을 사용하는 것이 효과적임을 확인하였다. 둘째, 울산항과 같이 물동량 자료에 뚜렷한 계절성이 나타나지 않는 경우에도 Prophet 모형이 가장 우수한 결과를 도출하였지만, LSTM 모형 예측값의 변동 형태가 실제값의 변동 형태와 유사한 것으로 나타났다. 따라서 급격한 시장변화가 예상되는 경우에는 Prophet 모형과 LSTM 모형을 함께 활용하는 것이 효과적인 것으로 판단하였다.

Ports are generally deemed as logistics hub and facilitators of international trade playing an important role in the development of national economies. In particular, South Korea has a high trade dependence at 59.83% and 99.7% of cargo is handled through sea transportation. In addition, the four of the top 10 cities in terms of population have developed their economies due to port activities. Therefore, ports have a great impact on the national economy and the Korean government has recognized the importance of ports and continued to expand port facilities. For this reason, it is pivotal to forecast port throughput to correctly establish developments plans to expand facilities. Accordingly, research on the forecasting of port throughput has been actively conducted. Past research mainly focused on Busan and other large ports in South Korea. However, small and medium-sized ports in each region have gradually grown and developed specific activities and value chains. Nevertheless, research on these ports was not actively conducted. In addition, many attempts of forecasting using deep learning models have been made in recent research in the field of shipping and port logistics, but deep learning models are generally time-consuming and require equipments with appropriate specifications. In this study, the container throughput for the ports of Incheon, Pyeongtaek-Dangjin, and Ulsan Port is forecasted. Specifically, the ports considered in the study are small and medium-sized container ports in South Korea. A Prophet model is applied, which is a methodology known for its excellent forecasting performance and it is relatively easy to design. In the next step, the performance of Prophet model is verified by comparing the forecasting results of the deep learning LSTM model and the SARIMA model used in precedent researches. The results show that the forecasting performance of the Prophet model and the SARIMA model was excellent when the throughput data yields seasonality, such as Incheon and Pyeongtaek-Dangjin Port. Therefore, considering the ease of implementation and the operation time, it was confirmed that it is effective to use Prophet model when the data shows seasonality. Second, even when there was no clear seasonality in the throughput data, such as in the case of Ulsan Port, Prophet model produced the best results. However, it was found that the fluctuation form of the forecasting value of LSTM model was similar to the one of the actual value. Therefore, we judged that it would be effective to use the Prophet model and the LSTM model together when rapid market changes are expected.