[이정혜 교수님 연구실] Inter-country Trade Similarity Graph-based Long Short-Term Memory for Port Throughput Prediction

1. 연구배경

효율적이고 체계적인 항만 개발 및 계획 수립을 위해서는 항만 화물 물동량 예측이 필수적임. 항만 물동량 예측의 중요성이 커짐에 따라, 과학적이고 효율적인 물동량 예측 방법론이 제안되고 있으나, 기존의 항만 물동량 예측 연구는 대부분 집계된 통계 자료(예: 월별, 연간 항만 물동량)와 시계열 예측 모델에 기반하고 있음. 항만 물동량 데이터는 국가 간 무역을 함축하고 있기에 특정 항만의 통계 및 추세의 관점에서만 해석하는 것이 아닌 각 국가 및 항만 간의 상호작용과 관계를 고려할 필요가 있음.

그림1. 항만 물동량 예측을 위한 본 연구의 프레임워크 구조

본 연구는 기존의 물동량 추세 기반의 연구의 한계를 극복하기 위해, 새로운 항만 무역거래 유사도 그래프와 그래프 신경망(RNN)을 결합한 새로운 항만물동량 예측 모델을 제안함. 제안하는 프레임워크는 (1) 항만 무역거래 유사도 그래프 생성 및 (2) ITSG-LSTM을 통한 항만 물동량 예측으로 구성되어 있음.

• 항만 무역거래 유사도 그래프 생성: 기존 연구에서 활용하는 항만 물동량 통계 데이터는 특정 항만의 물동량 합계에 대한 정보를 제공할 수 있으나, 거래 국가/항만, 품목, 입항 목적 등 무역 거래에 대한 상세 정보를 확보할 수 없음. 항만 물동량 통계 데이터의 한계를 극복하기 위해, 본 연구에서는 선하증권(Bill of Lading; BL) 데이터의 무역 국가, 반입목적, 제품범주, 품목명, 물동량 등의 정보를 활용하여, 항만 무역거래 유사도 그래프를 생성함. 항만 무역거래 유사도 그래프는 항만과 거래하는 무역국가(노드)와 국가 간 거래 유사도(엣지) 그리고 무역국가의 항만 물동량(노드피쳐)으로 구성되어 있으며, 하나의 항만 무역거래 유사도 그래프는 특정 항만, 특정 시점(예: 울산항만, 2020년 1월)의 무역 특징을 포괄할 수 있도록 구성함.

그림2. 선하증권 데이터 예시 및 항만 무역거래 유사도 그래프 생성 과정

• ITSG-LSTM을 통한 항만 물동량 예측: ITSG-LSTM 모델은 항만 무역거래 유사도 그래프 데이터에 함축된 무역국가 간 상호작용 및 관계와 항만 물동량의 시계열 추세를 바탕으로 항만 물동량 예측을 함. 구체적으로 ITSG-LSTM 모델은 (1)무역국가 간 상호작용 학습을 위한 그래프 컨볼루션 네트워크(GCN), (2) 항만 물동량 시계열 추세 학습을 위한 장단기 메모리 (Long Short-Term Memory; LSTM), (3) 최종 항만 물동량 예측을 위한 완전 연결 계층(Fully Connected Layer; FC Layer)로 구성되어 있음.

                                                                                                                그림 3. ITSG-LSTM 구조

3. 기대효과
자원 배분 최적화: LBC와 DBC의 중·장기 처리량을 예측함으로써 항만이 인력, 장비, 운영계획을 보다 효율적으로 배분할 수 있음.
지속가능한 항만 개발 촉진: 신뢰도 높은 처리량 예측을 통해 운영 효율성과 환경적 책임을 함께 고려하는 전략 수립이 가능하며, 에너지 효율적 운영과 지속가능한 인프라 구축에 기여할 수 있음.
정책 및 운영 의사결정 고도화: 처리량 변화와 국가 간 연결 구조를 함께 고려함으로써 운임 조정, 서비스 차별화, 투자 우선순위 설정 등 보다 정교한 정책·운영 의사결정을 지원할 수 있음.

<용어정리>

• 선하증권 데이터: 화주와 선박회사간의 해상운송 계약에 의하여 선박회사가 발행하는 유가증권으로, 수출입 국가, 품목, 입항목적, 물동량 등 다양한 정보를 포함하고 있음.
• 그래프 신경망(RNN): 음성, 시계열처럼 순서가 있는 연속 데이터에 특화된 모델이며, 이전 정보가 다음 정보에 영향을 주는 시간적 흐름, 순차 의존성, 문맥 변화를 포착하는데 용이한 인공신경망임.
• 순환 신경망(Recurrent Neural Networks; RNN): 음성, 시계열처럼 순서가 있는 연속 데이터에 특화된 모델이며, 이전 정보가 다음 정보에 영향을 주는 시간적 흐름, 순차 의존성, 문맥 변화를 포착하는데 용이한 인공신경망임.

<논문 정보>

• Wonho Sohn, Dongcheol Lim, Suhyeon Kim*, and Junghye Lee*, "Inter-country Trade Similarity Graph-based Long Short-Term Memory for Port Throughput Prediction" , Engineering Applications of Artificial Intelligence, 159, Nov. 2025.