메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Hyeonsoo Shin (Korea Maritime & Ocean University) Chiyeol Kim (Korea Maritime & Ocean University) Hwanseong Kim (Korea Maritime & Ocean University)
저널정보
한국마린엔지니어링학회 Journal of Advanced Marine Engineering and Technology (JAMET) 한국마린엔지니어링학회지 제46권 제6호
발행연도
2022.12
수록면
394 - 401 (8page)
DOI
10.5916/jamet.2022.46.6.394

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study proposes a long short-term memory neural network model to predict the waiting time of container vessels at Busan Port. Based on Port Management Information System (Port-MIS) data, the vessel waiting time and vessel service time of container vessels in Busan Port were extracted from the vessel calling status (VCS) between January 2001 and August 2022. The method and procedures for calculating the vessel waiting time and vessel service time using the time stamp, call sign, number of arrivals, vessel type, navigation status, and facility code are described for ongoing measurements. Additionally, a multivariate long short-term memory model was applied to predict the future vessel waiting time with the vessel service time, number of waiting vessels, and container throughput as the input features. Predictions were made multiple times with different window sizes, and the mean square error, mean absolute error, and root mean square error were used to assess the performance of the model. The results prove the feasibility of using the long short-term memory model for predicting the vessel waiting time. The computation method and prediction model of this study provide significant implications and support shipping market participants and port authorities in making more informed decisions regarding the utilization of port facilities and the upcoming port congestion status.
#Vessel waiting time #Long short-term memory (LSTM) #Neural network #Busan port #Port management information system (Port-MIS)

목차

Abstract
1. Introduction
2. Port-MIS (Port Management Information System) data
3. Port-MIS data-driven vessel waiting/service time computation
4. Vessel waiting time prediction with LSTM
5. Conclusions
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Deep learning-based oil spill detection with LWIR camera
Ho-Min Pa ,  k ,  Gyung-Soo Pa 외 4명 Journal of Advanced Marine Engineering and Technology (JAMET) 2021 .12
Study on the simulation of the dynamic characteristics of a marine diesel generator
Kim Hee-Moon ,  Hyeonmin Jeon ,  Kyoungkuk Yoon 외 1명 Journal of Advanced Marine Engineering and Technology (JAMET) 2021 .12
디젤엔진용 저널 베어링의 크러시 측정에 관한 연구
배병한 ,  김종호 수산해양교육연구 2021 .06
선원의 교육ㆍ훈련 인정에 관한 연구 -외국 교육기관의 교육·훈련 증명서 인정을 중심으로-
진호현 ,  김진권 수산해양교육연구 2021 .06
A parameter study to improve dimensional accuracy of FDM-type 3D printer based on various filaments
Jihyeon Kim ,  Junghyuk Ko Journal of Advanced Marine Engineering and Technology (JAMET) 2021 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-559-000342903