대한민국에서는 국제 화물의 99.7%가 항만을 통해 운송된다. 대규모 화물 물동량을 처리하는 항만에서는 장시간의 트럭 대기 시간이 중요한 사회적 문제로 대두되고 있다. 항만 운영 효율을 향상시키고 운전자의 안전을 확보하기 위해서는 체계적인 혼잡 관리가 필요하며, 이를 위해서는 트럭 회차 시간(Turnaround Time, TAT)을 사전에 예측할 수 있어야 한다. 그러나 기존의 TAT 예측 연구는 데이터 수집이 가능한 개별 항만에 초점이 맞추어져 있어, 다른 항만에 이러한 모델을 적용하는 데 제약이 있었다. 본 연구의 목적은 TAT 예측 모델의 서로 다른 항만으로의 전이 가능성을 평가하는 것이었다. 분석을 위해 중대형 트럭의 주행 궤적을 포착하는 디지털 운행기록계 데이터를 활용하였다. 그 결과, 장단기 메모리(Long Short-Term Memory) 기반 모델이 항만의 복잡한 운영 특성을 효과적으로 포착하며 부산신항과 부산항(북항)에서 높은 예측 정확도를 보였다. 또한 성능이 가장 우수한 부산신항 모델로부터 전이 학습(transfer learning)을 적용함으로써, 데이터가 제한적인 대상 항만인 군산항에 대한 예측 정확도가 상당히 향상되었다. 본 연구는 데이터 이용 가능성이 제한된 항만에서도 전이 학습을 적용할 수 있음을 확인하였으며, 현실적인 운영 제약 하에서 실무적으로 활용 가능한 TAT 예측 모델을 개발할 수 있음을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.