선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구는 인기있는 시계열 방법으로 지수평활법과 ARIMA 모형을 적용하여 장래 해상교통량을 추정하기 위한 방법을 제시하였다.
- 본 연구는 인천항의 장래 해상 교통량을 좀 더 정확히 예측하여 항로 설계 및 해상교통관리(Vessel Traffic Services, VTS) 분야에 기초 자료를 제공하는데 의의가 있다.
제안 방법
- 1996년 1월부터 2013년 6월까지 Port-MIS 통계 자료를 월별 L2 환산교통량으로 산출한 후, 시계열 모형을 이용하여 분석하였다. 정상성 검증, 모형의 식별과 모수의 추정 및 모형의 진단 단계를 거쳐 인천항은 지수평활법의 단순계절 모형 보다 ARIMA(0,1,1)(0,1,1)12 모형이 더 적합한 모형임을 추정하였다.
- 또한 ARIMA 및 인공신경망(Artificial Neural Network, ANN) 모형들을 비교·분석하여 항만 물동량 예측력을 제고하기 위해 ARIMA 모형과 ANN 모형을 결합한 하이브리드 ARIMA-ANN 모형을 제시하고 그에 대한 실증분석도 수행되었다(Shin et al., 2008; Shin and Jeong, 2011).
- 표준선박 길이는 항로, 정박지, 선석규모 설정 등에 활용되고 해상교통혼잡도와 해상교통류의 점유영역에 대한 Mesh 설정, 안전이격거리 기준에도 이용되고 있다. 또한 항만에는 크기가 다양한 선박들이 혼재되어 운항하며, 동일한 척수의 선박이 입항하더라도 그 크기 분포가 다르므로, 교통량을 추정하기 위해서 표준선박을 도입하여 L2 환산교통량을 산출하여 시계열 모형을 이용하여 예측하였다. 제시된 방법의 효과를 검증하기 위하여 국내 주요 무역항만 중의 하나인 인천항을 지정하여 해상교통량을 추정하였다.
- 표준선박 길이는 항로, 정박지, 선석규모 설정 등에 활용되고 해상교통혼잡도와 해상교통류의 점유영역에 대한 Mesh설정, 안전이격거리 기준에도 이용되고 있다(Lee and Ahn, 2013). 또한 항만에는 크기가 다양한 선박들이 혼재되어 운항하며, 동일한 척수의 선박이 입항하더라도 그 크기 분포가 다르므로, 교통량을 추정하기 위해서 표준선박을 도입하여 L2 환산교통량을 산출한 후 시계열 모형을 적용하였다. 예측 실험 데이터는 1996년 1월부터 2013년 6월까지 인천항 Port-MIS의 월별 톤급별 입항 척수 자료를 활용하였다.
- 마지막으로 모형의 식별, 추정과 진단과정이 완료되면 선택된 모형을 이용하여 예측을 실시한다.
- 물동량을 기반으로 교통량을 추정한 기존 연구방법과는 달리 표준선박을 산출하여 L2 환산계수를 적용하여 월별 L2 환산교통량을 시계열 모형으로 예측하였다. 표준선박 길이는 항로, 정박지, 선석규모 설정 등에 활용되고 해상교통혼잡도와 해상교통류의 점유영역에 대한 Mesh 설정, 안전이격거리 기준에도 이용되고 있다.
- 본 연구는 물동량을 기반으로 교통량을 추정한 기존 연구 방법과는 달리 표준선박을 산출하여 L2 환산계수를 적용하여 월별 L2 환산교통량을 기반으로 예측하였다. 표준선박 길이는 항로, 정박지, 선석규모 설정 등에 활용되고 해상교통혼잡도와 해상교통류의 점유영역에 대한 Mesh설정, 안전이격거리 기준에도 이용되고 있다(Lee and Ahn, 2013).
- 월별 L2 환산교통량 자료를 바탕으로 ARIMA 모형과 지수평활법을 이용하여 인천항의 해상교통량을 예측하였다.
- 모형의 식별에 의해서 선정된 모형에 대한 p 개의 AR 모수 ∅1, ∅2, ⋯ ∅p와 q개의 MA 모수 θ1, θ2, ⋯ θq의 값을 추정한다. 추정된 모수들의 정상성과 가역성을 점검하고, t-검증통계량의 절대값 크기를 통해서 유의성 여부를 판별한다. 추정된 모수가 유의하지 않을 경우, 다시 식별 단계로 돌아가서 또 다른 ARIMA 모형을 임시로 선별한다.
- L2 환산계수는 선박의 길이를 제곱한 것으로 선박이 차지하는 면적을 감안한 값이며, 항해중인 선박의 필요한 해역 면적은 L2 에 비례한다. 톤급별 L2 환산계수를 적용하여 월별 L2 환산교통량 현황을 파악후 시계열 모형을 구축하여 장래 교통량을 예측하였다.
대상 데이터
- 본 연구에서 예측하고자 하는 대상항만은 선종이 다양하고 물동량이 많은 인천항을 선택하였다. 분석방법은 Fig.
- 또한 항만에는 크기가 다양한 선박들이 혼재되어 운항하며, 동일한 척수의 선박이 입항하더라도 그 크기 분포가 다르므로, 교통량을 추정하기 위해서 표준선박을 도입하여 L2 환산교통량을 산출한 후 시계열 모형을 적용하였다. 예측 실험 데이터는 1996년 1월부터 2013년 6월까지 인천항 Port-MIS의 월별 톤급별 입항 척수 자료를 활용하였다.
- 또한 항만에는 크기가 다양한 선박들이 혼재되어 운항하며, 동일한 척수의 선박이 입항하더라도 그 크기 분포가 다르므로, 교통량을 추정하기 위해서 표준선박을 도입하여 L2 환산교통량을 산출하여 시계열 모형을 이용하여 예측하였다. 제시된 방법의 효과를 검증하기 위하여 국내 주요 무역항만 중의 하나인 인천항을 지정하여 해상교통량을 추정하였다. 그 결과로 인천항은 지수평활법 보다 ARIMA 모형이 좀 더 적합한 모형인 것으로 나타났으며, 계절에 따라 월별 교통량의 차이를 보이는 것을 알 수 있었다.
성능/효과
- 제시된 방법의 효과를 검증하기 위하여 국내 주요 무역항만 중의 하나인 인천항을 지정하여 해상교통량을 추정하였다. 그 결과로 인천항은 지수평활법 보다 ARIMA 모형이 좀 더 적합한 모형인 것으로 나타났으며, 계절에 따라 월별 교통량의 차이를 보이는 것을 알 수 있었다.
- 단순계절 모형의 정상 R제곱이 ARIMA 모형보다 크다. 또한 절대퍼센트오차의 최대값(Maximum Absolute Percentage Error, MaxAPE)과 절대오차의 최대값(Maximum Absolute Error, MaxAE)을 제외한 평균제곱오차의 제곱근(Root Mean Square Error, RMSE), 평균절대백분위오차(Mean Absolute Percentage Error, MAPE), 평균절대오차(Mean Absolute Error, MAE) 통계량 값들을 비교하면, 단순계절 모형이 ARIMA 모형보다 작은 것을 알 수 있다.
- 인천항에 최근 2012년 1월부터 2013년 6월까지 입항한 선박 척수와 총톤수를 Port-MIS 통계 자료로 톤급별 평균 톤수를 산출하고 근사식 (1)을 통해 톤급별 선박 길이를 Table 2와 같이 산출한 결과, 인천항의 최근 입항한 선박의 평균 길이는 131.0m로 추정할 수 있다.
- 환산교통량으로 산출한 후, 시계열 모형을 이용하여 분석하였다. 정상성 검증, 모형의 식별과 모수의 추정 및 모형의 진단 단계를 거쳐 인천항은 지수평활법의 단순계절 모형 보다 ARIMA(0,1,1)(0,1,1)12 모형이 더 적합한 모형임을 추정하였다.
후속연구
- 인천항의 해상교통량 예측 결과는 향후, 전국 무역항만의 교통량 예측 추정에 관한 기초 자료로 효과적으로 활용될 수 있을 것이다. 또한 연구 대상을 전국 무역항만으로 넓혀 ARIMA 모형과 지수평활법 중 어느 시계열 모형이 각 항만에 더 적합한지향후 연구로 진행하고자 한다.
- 본 연구결과는 항로 폭 설정과 같은 항만 설계 측면에 반영할 수 있을 것이고, 해상교통관제 측면에서는 교통량의 변화에 능동적인 관제를 할 수 있을 것이다. 인천항의 해상교통량 예측 결과는 향후, 전국 무역항만의 교통량 예측 추정에 관한 기초 자료로 효과적으로 활용될 수 있을 것이다.
- 본 연구결과는 항로 폭 설정과 같은 항만 설계 측면에 반영할 수 있을 것이고, 해상교통관제 측면에서는 교통량의 변화에 능동적인 관제를 할 수 있을 것이다. 인천항의 해상교통량 예측 결과는 향후, 전국 무역항만의 교통량 예측 추정에 관한 기초 자료로 효과적으로 활용될 수 있을 것이다. 또한 연구 대상을 전국 무역항만으로 넓혀 ARIMA 모형과 지수평활법 중 어느 시계열 모형이 각 항만에 더 적합한지향후 연구로 진행하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.