Measuring capacities in multimodal maritime port systems with anchorage queues

이 논문은 항만 운영 능력과 극한 능력을 구분하여 추정하는 새로운 프레임워크를 제시하고, 휴스턴 항을 사례로 적용하여 운영 능력은 약 0.9 척/시간, 극한 능력은 약 1.4 척/시간으로 추정하며, 안정적 조건에서는 액체 벌크 터미널이, 교란 후에는 파일럿 가용성이 주요 병목 요인임을 규명했습니다.

핵심

🚢 항만은 거대한 '물고기 양식장'과 같습니다

항만은 배들이 들어와서 화물을 싣고 내리는 곳입니다. 이 논문은 항만을 **물고기가 잡히는 '어장'**과 **물고기를 처리하는 '가공 공장'**이 연결된 시스템으로 봅니다.

1. 두 가지 다른 '용량'의 개념

이 논문은 항만의 능력을 두 가지로 나눕니다.

• 운영 용량 (Operating Capacity): "평소의 건강한 식습관"

  • 비유: 사람이 매일 꾸준히 건강하게 먹을 수 있는 양입니다.
  • 의미: 항만이 장기간 안정적으로, 배들이 대기하는 줄 (대기열) 이 너무 길어지지 않게 처리할 수 있는 최대 배 수입니다.
  • 예시: 항만이 하루에 100 척의 배를 처리할 수 있다면, 그중 90 척까지가 '운영 용량'입니다. 이 정도면 배들이 줄을 서서 기다려도 불만이 없을 정도로 여유가 있습니다.

• 최종 용량 (Ultimate Capacity): "비상식적인 과식"

  • 비유: 명절이나 축제 때, 배가 많이 몰려서 잠시 동안은 평소보다 훨씬 많은 양을 처리해내는 '최고 기록'입니다.
  • 의미: 안정성은 무시하고, 단기간에 처리할 수 있는 절대적인 최대량입니다. 이때는 배들이 대기 줄이 엄청나게 길어지고, 나중에 온 배는 몇 시간씩 기다려야 하지만, 시스템이 멈추지 않고 최대한 많은 배를 밀어냅니다.
  • 예시: 평소 90 척이던 항만이, 태풍이 지나가서 배들이 몰려들었을 때 잠시 동안 140 척까지 처리해낼 수 있다면, 이것이 '최종 용량'입니다. 하지만 이 상태는 오래 유지할 수 없습니다.

2. 왜 이 구분이 중요한가요? (비유: 고속도로와 정체)

• 평소 (운영 용량): 고속도로가 3 차선이라서 보통 시간에는 1 시간당 3,000 대가 지나갑니다. 이 정도가 '운영 용량'입니다.
• 비상 (최종 용량): 하지만 만약 사고가 나고 모든 차가 몰려서, 경찰이 신호를 통제하며 1 시간당 4,000 대를 억지로 통과시킨다면 이것이 '최종 용량'입니다.
  • 문제는, 4,000 대를 통과시키려면 뒤에 오는 차들은 3 시간씩 기다려야 한다는 것입니다.
  • 이 논문의 핵심: 기존 연구들은 이 두 가지를 섞어서 "이 항만은 4,000 대를 처리한다"라고 말했지만, 실제로는 3,000 대만 안정적으로 처리할 수 있다는 사실을 놓쳤습니다. 장기적인 계획은 '운영 용량'을 보고, 재난 복구 계획은 '최종 용량'을 봐야 합니다.

3. 연구팀은 어떻게 이걸 계산했나요? (휴대폰과 시뮬레이션)

연구팀은 텍사스의 **휴스턴 항 (Port of Houston)**을 사례로 들었습니다.

• 운영 용량 계산 (간단한 수학 공식):

  • 비유: 항만의 과거 기록 (AIS 데이터) 을 보며 "평소에 배가 얼마나 기다렸나?"를 계산하는 것입니다.
  • 방법: 복잡한 시뮬레이션 없이, 배들이 얼마나 기다렸는지, 대기열이 얼마나 길었는지를 수학 공식 (대기 행렬 이론) 에 대입해 계산했습니다.
  • 결과: 휴스턴 항의 평소 안정적 처리 능력은 시간당 약 0.9 척이었습니다.

• 최종 용량 계산 (가상 시뮬레이션):

  • 비유: 컴퓨터 게임처럼 항만을 가상으로 만들어서, "배를 10 배나 몰아넣으면 어떻게 될까?"를 실험해 보는 것입니다.
  • 방법: 배가 몰려오는 속도를 점점 높여가며, 항만이 얼마나 많은 배를 처리해내는지를 관찰했습니다. 그리고 그 데이터를 수학 모델에 맞춰서 "최대 한계"를 찾아냈습니다.
  • 결과: 비상 상황 시 최대 시간당 약 1.4 척까지 처리할 수 있었습니다.

4. 어디서 병목 (목 막힘) 이 생기나요?

이 연구는 항만의 어떤 부분이 병목이 되는지도 찾아냈습니다.

• 평소 (운영 용량): 액체 화물 (석유 등) 터미널이 가장 느립니다. 배가 들어와도 화물을 싣고 내리는 시설이 부족해서 배가 기다립니다.
• 비상/재난 후 (최종 용량): 조종사 (Pilot) 의 수가 가장 큰 병목이 됩니다. 배가 몰려와도 조종사가 부족하면 배가 항만 안으로 들어갈 수 없기 때문입니다.

결론적으로:

• 장기 계획을 세울 때는 '액체 화물 터미널'을 확장해야 합니다.
• 재난 복구를 계획할 때는 '조종사 수'를 늘리는 것이 가장 중요합니다.

📝 한 줄 요약

이 논문은 **"항만의 능력을 '평소의 안정적 처리량'과 '비상시의 최대 처리량'으로 나누어 측정하는 새로운 방법"**을 제시하며, 이를 통해 항만의 병목 현상을 정확히 찾아내고 더 나은 계획을 세울 수 있게 도와줍니다. 마치 **"평소에는 3,000 대만 보내는 게 좋지만, 비상시에는 4,000 대까지 보내는 게 가능하다는 사실을 구분해서 알려주는 것"**과 같습니다.

기술 요약

이 논문은 다중 모달 (multimodal) 해상 항만 시스템의 수용 능력 (capacity) 을 추정하기 위한 새로운 프레임워크를 제시합니다. 특히, 항만 시스템의 수용 능력을 '운영 수용 능력 (Operating Capacity)'과 '최대 수용 능력 (Ultimate Capacity)'으로 구분하여 정의하고, 이를 계산하는 방법론을 개발했습니다.

아래는 이 논문의 기술적 요약입니다.

1. 문제 정의 (Problem Statement)

• 기존 연구의 한계: 항만 수용 능력은 일반적으로 개별 구성 요소 (선박, 터미널, 조수 등) 의 능력을 합산하거나 시뮬레이션 기반의 지표 (대기 시간, berthing 점유율 등) 를 통해 추정해 왔습니다. 그러나 이러한 방법들은 시스템 전체의 상호의존성을 충분히 반영하지 못하거나, 추정된 용량이 장기적으로 안정적인지 (sustainable) 아니면 일시적인 과부하 상태인지 (unstable) 를 명확히 구분하지 못했습니다.
• 핵심 문제: 항만은 교란 (disruption, 예: 태풍, 안개) 이나 수요 급증 시 일시적으로 정상 운영 수준을 초과하여 처리할 수 있습니다. 하지만 이러한 상태는 장기적으로 유지될 수 없으며, 정박지 (anchorage) 에 선박이 무한히 쌓이는 불안정한 상태를 초래합니다. 기존 모델들은 이러한 '안정적 운영 상태'와 '극한 상황에서의 최대 처리 능력'을 구분하는 체계적인 방법론이 부족했습니다.

2. 방법론 (Methodology)

저자는 두 가지 서로 다른 수용 능력을 정의하고 각각에 맞는 수학적 모델을 개발했습니다.

A. 운영 수용 능력 (Operating Capacity, $C_o$)

• 정의: 안정된 정박지 대기 조건 하에서 항만이 장기적으로 유지할 수 있는 최대 선박 처리율 (vessels per hour, vph).
• 모델링: 대기행렬 이론 (Queueing Theory) 기반의 간결한 모델을 사용합니다.
  • 항만 시스템을 '다중 클래스 G/M/1 대기행렬'로 모델링합니다.
  • 수로 (Channel) 와 터미널 (Terminal) 을 각각의 서버로 간주하고, 킹맨의 공식 (Kingman's formula) 과 리틀의 법칙 (Little's law) 을 적용하여 대기 시간과 대기열 길이를 분석합니다.
  • 데이터 요구사항: AIS(자동식별시스템) 선박 추적 데이터와 항만 운영 로그만으로도 추정 가능하여 시뮬레이션 없이도 초기 스크리닝 도구로 활용 가능합니다.
  • 특징: 장기적인 지속 가능한 처리량을 계산하며, 시스템이 안정 상태를 유지하는 한계를 파악합니다.

B. 최대 수용 능력 (Ultimate Capacity, $C_u$)

• 정의: 정박지 대기열의 안정성과 무관하게 항만이 단기적으로 달성할 수 있는 절대적인 최대 처리량.
• 모델링: 시뮬레이션 기반의 상미분방정식 (ODE) 모델을 사용합니다.
  • 다양한 도착률 ($\lambda$) 하에서 항만 시스템의 상세 이산사건 시뮬레이션 (Discrete-event simulation) 을 수행합니다.
  • 시뮬레이션 결과 (도입된 선박 수 vs. 처리된 선박 수) 를 바탕으로 ODE 를 적합 (fitting) 시켜 '출구 곡선 (exit curve)'을 생성합니다.
  • ODE 구조:
    • 성장 단계 (Growth phase): 도착률이 증가함에 따라 처리량도 선형적으로 증가하다가 최대치에 도달합니다.
    • 감소 단계 (Decline phase): 극심한 혼잡으로 인해 자원 경쟁이 심화되면 처리량이 감소하여 포화 상태 (Saturated capacity, $C_s$) 에 도달합니다.
  • 데이터 요구사항: 상세한 항만 시뮬레이션 모델과 다양한 시나리오에 대한 실행 데이터가 필요합니다.

C. 두 용량의 관계

• 이론적으로 $C_o$는 항상 $C_u$보다 엄격하게 작습니다 ($C_o < C_u$).
• $\theta$ (전환 매개변수) 가 무한대로 갈 때 두 값은 서로 가까워지지만, 실제 항만 시스템에서는 항상 $C_u > C_o$이며, $C_o$를 초과하여 운영하면 대기열이 무한히 증가하는 불안정 상태가 됩니다.

3. 주요 기여 (Key Contributions)

1. 운영 및 최대 수용 능력의 개념적 구분: 항만 계획과 회복 탄력성 분석을 위해 두 가지 용량을 명확히 구분하고 정량화하는 방법론을 최초로 제시했습니다.
2. 데이터 효율성: 운영 수용 능력은 시뮬레이션 없이 AIS 데이터만으로 추정 가능하여 저비용 분석이 가능하며, 최대 수용 능력은 시뮬레이션과 ODE 를 결합하여 정밀한 극한 상황 분석을 가능하게 합니다.
3. 이론적 기반: 기존 시뮬레이션 연구들이 경험적 지표에 의존했던 것과 달리, ODE 기반의 이론적 모델을 통해 시스템의 동적 거동을 설명했습니다.
4. 휴스턴 항 사례 연구: 실제 데이터를 기반으로 한 검증 및 오픈소스 시뮬레이션 프레임워크 제공.

4. 연구 결과 (Results: Port of Houston Case Study)

휴스턴 항 (Port of Houston) 을 대상으로 한 실증 분석 결과는 다음과 같습니다.

• 추정 용량:
  • 운영 수용 능력 ($C_o$): 약 0.9 vph (시간당 0.9 척).
  • 최대 수용 능력 ($C_u$): 약 1.4 vph (시간당 1.4 척).
  • 이는 항만이 정상적으로 약 14% 의 추가 수요를 감당할 수 있음을 의미하며, 단기적으로는 최대 78% 까지 처리가 가능하지만 이는 불안정한 상태입니다.
• 병목 현상 분석 (Bottleneck Analysis):
  • 정상 운영 시: 수로 (Channel) 제약은 주요 병목이 아니며, 액체 벌크 (Liquid-bulk) 터미널이 주요 병목으로 작용합니다.
  • 교란 후 회복 시 (Post-disruption): 파일럿 (선박 조종사) 의 가용성이 가장 큰 병목이 됩니다. 파일럿 수를 10% 줄이면 최대 수용 능력이 약 7.1% 감소합니다.
• 모델 검증: AIS 데이터 기반의 예측 대기 시간과 실제 관측값 간의 오차가 1.24% 미만으로 매우 낮아 모델의 정확성을 입증했습니다.

5. 의의 및 시사점 (Significance)

• 전략적 계획 수립: 장기적인 인프라 투자 (터미널 확장 등) 는 '운영 수용 능력'을 늘리는 데 초점을 맞추어야 하며, '최대 수용 능력'을 높이는 것은 재해 복구 및 위기 관리 전략에 더 적합합니다.
• 자원 최적화: 항만 운영자는 현재 어떤 자원이 병목인지 (정상 시 vs. 위기 시) 를 파악하여 자원 배분을 최적화할 수 있습니다. 예를 들어, 평소에는 터미널 처리 능력을 강화하고, 재해 복구 시에는 파일럿 인력을 우선적으로 확보해야 합니다.
• 회복 탄력성 분석: 항만 폐쇄 후 선박 대기열이 어떻게 소멸하는지, 그리고 시스템이 얼마나 빠르게 정상화될 수 있는지를 정량적으로 예측할 수 있는 도구를 제공합니다.

이 논문은 항만 시스템의 복잡성을 이해하고, 데이터 기반의 의사결정을 통해 항만의 효율성과 회복 탄력성을 동시에 향상시키는 중요한 이정표가 됩니다.