우리나라의 해운여객은 연간 6.3%의 성장률을 보이며 빠른 속도로 늘고 있고 그에 맞추어 항만터미널의 개설도 지속적으로 이루어지고 있다. 여객수요에 맞추어 요구되는 항만터미널의 개발계획에 있어 여객수요에 대한 예측은 필수적 과정이며 예측결과는 중요한 결정 자료이다.
본 논문에서는 7년간 여객수요가 26%의 비율로 증가하면서 빠르게 발전하고 있는 평택항을 중심으로 하여 장래의 항만여객 수요를 예측하는 통계적 기법을 비교평가하여 결과를 분석하였다. 본 논문에 적용된 기법들은 단순이동평균법, 가중이동평균법, 지수평활법, 선형회귀분석법 등이며, 각 분석기법을 사용하여 평택항의 여객수요를 월별 단위로 분석하고, 예측 값을 계산하여 이를 비교 평가에 사용하였다. 연구결과 평택항 여객수요 예측 기법은 지수평활법이 가장 우수했으며 회귀분석 모형을 제외한 다른 기법도 적용성이 큰 것으로 확인되었다. 각 예측기법들이 추정 값에서 차이를 보이는 것은 예측기법 상호간에 특징과 자료의 특성이 반영되기 때문이다. 항만터미널은 각각의 개별성과 특징을 가지고 여객의 수요가 변하므로 여객수요를 추정하는 예측기법에 있어서도 항만의 특성을 잘 반영하는 예측기법을 선정하여 사용하는 것이 필요하다고 판단된다.
향후에는 보다 다양한 특성을 포함하는 자료를 이용하여 각 특성에 적합한 기법을 선정하여 더욱 세분화된 수요예측을 통하여 예측결과가 관련 개발계획 과정에 적극적으로 적용될 수 있도록 하는 노력이 필요하다고 생각된다.
Alternative Abstract
The growth of maritime passengers in South Korea is about 6.3% per year, and the opening of port terminals is also continuously increasing. The forecasting of passenger demand is an essential element for the port terminal development planning process, and forecasting results can be used as important decision making data.
This study compared the performance of various forecasting techniques that could be used to predict the harbor passenger demand based on the real operating data collected from the Pyeongtaek port, which had a rapid increasing harbor passenger demand at a rate of 26% for the last 7 years. The statistical techniques applied in this study were a simple moving average method, a weighted moving average method, an exponential smoothing method, and a linear regression analysis method. Monthly harbor passenger demands were estimated from each technique, and then the estimated errors were calculated and compared each other.
From the analysis results, the least error was found from the exponential smoothing method among techniques. In addition, other tested techniques also showed a reasonable error pattern except the linear regression technique. This performance difference of each technique was attributed to the inherent characteristics of the forecasting technique and data pattern. Therefore more accurate forecasting results could be obtained from in-depth analysis of data pattern and the careful selection of corresponding technique.