55. 딥러닝(LSTM)기반 항만 진출입 컨테이너 트럭의 터미널 도착량 예측 / 김진수, 김재헌, 신현주, 이건우

포스터 Session, 교통운영, 30(금) 12:30-13:00, 복도, pp.240-241 

딥러닝(LSTM)기반 항만 진출입 컨테이너 트럭의 터미널 도착량 예측 / 김진수(한양대학교), 김재헌(한양대학교), 신현주(한양대학교), 이건우(한양대학교)

컨테이너의 반입 및 반출을 목적으로 하는 외부트럭의 항만 내 컨테이너 터미널 출입은 항만 내부의 교통 및 안전관리, 컨테이너 반출입 계획 및 그에 필요한 장비의 배정 등을 포함한 컨테이너 작업 계획에 영향을 미치며, 따라서 컨테이너 터미널의 운영 및 서비스 수준에도 영향을 미치는 요인 중 하나이다. 기존 연구에서는 선박 입출항 시간 및 반입, 반출 등 출입 목적에 따른 외부 트럭 출입을 분석한 연구도 있고, 터미널을 이용하는 트럭의 도착 자료를 이용하여 트럭 도착량을 예측한 연구도 있으나, 신경망 기반 모형을 이용하여 트럭 도착량을 예측한 연구는 적은 편이다. 본 연구에서는 부산항 터미널을 이용하는 선박의 입출항 자료 및 터미널 내 컨테이너 반출입 자료를 이용하여 시퀸스 기반 데이터를 구성하고, 구성된 데이터를 이용하여 순환신경망 기반 학습 모형(Long short-term memory, LSTM)을 개발 및 적용하여 터미널로 접근하는 트럭의 도착량을 예측하였다. 모형 성능의 평가를 위해 선형회귀분석 및 다른 신경망 모형도 적용하여 예측 정확도를 비교하였으며, 그 결과 LSTM 기반 모형이 가장 정확한 예측을 하는 것을 확인하였다.

좌장 : 오철