컨테이너 터미널 내 반출입 차량 대기시간 예측에 관한 연구

A Study on the Prediction of Gate In-Out Truck Waiting Time in the Container Terminal

물동량의 증가로 인해 컨테이너 터미널의 혼잡도가 높아지고 있고 이에 따른 장치장 및 게이트에서의 반출입 차량의 대기시간이 큰 폭으로 길어지고 있어 차량 운용 및 항만 운영 비효율이 극심한 상태이다. 이러한 문제 해결을 위해 부산항의 경우, 항만 공사 및 터미널 측에서 반출입 차량 예약시스템(VBS), 터미널 차량 혼잡도 정보, 예상 작업 처리 시간 정보 등을 서비스하고 있지만 실제 대기시간과 상이한 경우가 있어 가시적인 효과는 여전히 미흡한 실정이다. 따라서 이러한 문제를 해결하기 위한 기초자료로써 본 연구에서는 부산 신항의 컨테이너 반출입 정보를 활용하여 딥러닝 기반의 반출입 차량 평균 대기시간 예측 모형을 제시하였다. 실제 평균 대기시간과의 비교를 통해 예측률을 검증한 결과 제시한 예측 모형이 높은 예측률을 보이는 것을 확인하였다.

Due to the increase in container cargo volume, the congestion of container terminals is increasing and the waiting time of gate in-out trucks has significantly lengthened at container yards and gates, resulting in severe inefficiency in gate in-out truck operations as well as port operations. To resolve this problem, the Busan Port Authority and terminal operator provide services such VBS, terminal congestion information, and expected operation processing time information. However, the visible effect remains insufficient, as it may differ from actual waiting time.. Thus, as basic data to resolve this problem, this study presents deep learning based average gate in-out truck waiting time prediction models, using container gate in-out information at Busan New Port. As a result of verifying the predictive rate through comparison with the actual average waiting time, it was confirmed that the proposed predictive models showed high predictive rate.