항만 터미널의 컨테이너 트럭 턴타임 예측 시스템 구축

초록

물류 분야에서 항만의 혼잡은 컨테이너 처리 시간의 증가로 인한 항만 운영의 비용 증대와 비효율성이라는 심각하고 부정적인영향을 일으킬 수 있다. 현재 이와 같은 문제를 해결하기 위해 수많은 물류 회사가 개별적으로 보유하고 있는 운영시스템을 더효율적으로 만들기 위해 노력하고 있지만, 항만 출입의 혼잡 문제를 해결하는 것에 대해서는 연구가 부족한 실정이다. 본 논문에서는 효율적인 항만 운영을 위하여 컨테이너 트럭의 턴타임(Turn-Time)을 기계학습 모델을 통해 예측하는 방법을 연구하였다. 상기 연구에서는 항만 터미널 회사에서 5년간 축적한 트럭 정보, 시간, 적재/하역 정보 등 복잡한 데이터가 담긴 실제 데이터를 활용하였으며, LSTM 모델을 기반으로 한 턴타임 예측 알고리즘을 구축하였다. 턴타임 예측 알고리즘 구현을 위해 주어진 시계열 데이터를 시간, 일, 주 단위의 세 가지 유형으로 분류하여 모델의 입력 데이터로 사용하였다. 시간 유형에 따른 예측 알고리즘을 생성할 때, 입력 시간 간격이 7시간일 때 오차는 18.31분으로 정확도가 가장 낮은 입력 시간 간격인 20시간일 때 오차 25.17분보다 약27% 오차가 감소함을 알 수 있었다. 일 유형의 경우에는 시간 간격이 길어질수록 예측 정확도가 높아지는 경우를 보였으며 20일로 시간 간격을 설정할 때에 오차가 18.18분으로 가장 정확도가 높았고 정확도가 가장 낮은 3일의 시간 간격에서의 오차 25.82분대비 약 30%의 오차가 감소함을 알 수 있었다. 주 유형의 경우에는 3주의 시간 간격으로 설정할 때에 오차가 32.03분으로 가장낮은 정확도를 보였다. 반면, 시간 간격을 7주로 설정할 때에는 오차가 14.13분으로 약 56% 이상의 오차 감소를 보였으며 전체 결과 중 가장 좋은 성능을 보였다. 아울러, 본 연구에서는 상기 예측 모델의 활용을 높이기 위하여 모바일 사용자 애플리케이션과함께 데이터 수집, 처리, 분석 등 다양한 구성요소로 이루어진 시스템을 소개한다.

키워드