Key Aids to Navigation in Fairway Using Social Network Analysis – Focused on Busan Port No.5 Fairway

Sangwon Park; So Ra Kim; Young-Soo Park

doi:10.7470/jkst.2023.41.3.267

Preview

Article

Journal of Korean Society of Transportation. 30 June 2023. 267-280
https://doi.org/10.7470/jkst.2023.41.3.267

Key Aids to Navigation in Fairway Using Social Network Analysis – Focused on Busan Port No.5 Fairway

사회연결망 분석을 이용한 항로 내 주요 항로표지 도출에 관한 연구 – 부산항 제5항로를 중심으로

Sangwon PARK¹

So Ra KIM²

Young-Soo PARK³^*

박 상원¹

김 소라²

박 영수³^*

¹Senior Researcher, Logistics and Maritime Industry Research Division, Korea Maritime Institute, Busan 49111, Korea

²Ph.D candidate, Ocean Science and Technology School, Korea Maritime and Ocean University, Busan 49112, Korea

³Professor, Division of Navigation Convergence Studies, Korea Maritime and Ocean University, Busan 49112, Korea

¹한국해양수산개발원 물류해사연구본부 전문연구원

²한국해양대학교 해양과학기술전문대학원 박사과정생

³한국해양대학교 항해융합학부 교수

^{*Corresponding Author}

ABSTRACT

The ship operator recognizes the fairway boundary and determine the direction to proceed through the lateral marks installed at the boundary of the fairway among AtoN. Therefore it is possible to recognize the AtoN that is mainly used in the fairway by analyzing the volume of marine traffic passing through the lateral marks. The purpose of this study is to derive an AtoN that plays an important role in the fairway by using maritime traffic data to examine the adequacy of the AtoN. A social network analysis was performed on the lateral marks located on the No. 5 fairway in Busan Port, and the L conversion was used to reflect the traffic volume according to the length of the vessel. As a result of the analysis, it was confirmed that the density of ships is high at the point where the flow of ships diverges to Busan New Port and Masan, and the AtoN near the point (No. 9 and 10 lateral marks) have the highest centrality within the fairway. This study is significant in quantitatively deriving the main AtoN using maritime traffic data, and is expected to serve as a basis for reviewing the layout of AtoN based on traffic volume in the future.

Keywords

AtoN

centrality

lateral mark

marine traffic

social network analysis

선박운항자는 항로표지 중 항로의 경계에 설치되어있는 측방표지를 통해 항로 경계를 인지하고 진행할 방향을 판단한다. 그러므로 측방표지를 통과하는 선박교통량을 분석하면, 항로에서 주로 사용되는 항로표지를 알 수 있다. 본 연구의 목적은 항로표지의 적절성 검토를 위해 해상교통 데이터를 활용하여 항로상 중점적인 역할을 하는 항로표지를 도출하는 것이다. 이를 위하여 부산항 제5항로상에 위치한 측방표지를 대상으로 사회연결망 분석을 시행하였으며, 분석 시 선박 길이에 따른 교통량을 반영하기 위해 L환산을 사용하였다. 분석 결과, 부산신항과 마산으로 선박의 흐름이 분기되는 지점이 선박의 밀집도도 높으며, 근처의 항로표지(9번, 10번 측방표지)가 항로 내에서 가장 중심성이 높은 것으로 분석되었다. 본 연구는 해상교통 데이터를 활용하여 중심이 되는 항로표지를 정량적으로 도출한 것에 의의가 있으며, 추후 항로표지 배치 시 교통량을 기반한 항로표지 배치 검토의 기초자료가 될 것으로 기대된다.

키워드

항로표지

중심성

측방표지

해상교통

사회연결망 분석

MAIN

서론
연구의 범위 및 방법
1. 연구의 범위
2. 연구 방법론
분석 결과
1. 가중연결 중심성
2. 매개중심성
고찰
1. 선박 밀집도 관점의 고찰
2. 선행연구 결과 비교분석
결론

서론

항로표지는 항행하는 선박에 대하여 등광, 형상, 색채, 음향, 전파 등을 수단으로 선박의 위치, 방향 및 장애물의 위치 등을 알려주는 항행보조시설이다(MOLEG, 2022). 항로표지를 이용하는 주체는 선박이기 때문에 항로표지를 설치할 때에는 설치해역의 여건 및 해상교통 상황을 종합적으로 고려하여 배치 및 그 기능을 결정해야 한다(MOLEG, 2022). 특히 「항로표지법 시행규칙」 제4조에 따르면, 항로표지 배치 및 기능을 결정할 때에는 선박 통항량과 통항 선박 중 가장 큰 선박의 종류, 총톤수, 만재흘수 등 해상교통 상황을 고려토록 정하고 있다.

한편 해상부표식은 부표의 방향에 따라 측방표지의 표면색과 광색을 녹색과 홍색으로 나누는 방식으로 「항로표지의 기능 및 규격에 관한 기준」에 따라 총 7가지의 종류로 나뉜다. 이 중 측방표지는 지정된 항로를 표시하는 데에 사용하며, 통항 항로의 좌측과 우측을 표시한다. 즉 해상에 항로가 설치된 곳은 항로의 한계와 좌‧우측을 구분하기 위해 측방표지가 설치된다고 볼 수 있다.

항로를 통항하는 선박은 좌‧우측의 측방표지를 통해 항로의 한계, 항로의 형태 및 선박이 진행해야하는 방향을 확인할 수 있다. 그러므로 측방표지를 통과하는 선박의 흐름을 분석하면, 선박의 항로 이용 패턴을 확인할 수 있다. 또한 선박이 통과하는 측방표지를 연결한다면, 대상 항로의 측방표지 네트워크 지도를 작성할 수 있으며, 네트워크 지도를 통해 측방표지 간 연결성을 확인할 수 있을 것이다. 이를 통해 연결의 중심이 되는 항로표지나 항로 연결에 중요한 위치에 배치된 항로표지를 도출할 수 있다.

항로표지와 관련한 연구를 살펴보면, Kim(2001)은 목포 부근의 교통환경과 기존항로 및 항로표지의 배치에 대해서 분석하고 여건 개선을 위한 항로표지의 추가 배치를 제시하였다. Kim et al.(2014)은 항로표지의 데이터베이스를 쉽게 관리하고 항로표지 배치에 대한 의사결정 지원을 위한 방안으로 운용 소프트웨어를 개발하였다. 운용 소프트웨어의 기능 중 항로배치 의사결정은 시각적으로 설치된 항로표지를 검증할 수 있도록 하며, 시각적으로 관심항로표지의 시인 개수, 시각적 인식량, 시각적 인식률, 누적 시각적 인식량, 누적 시각적 인식율, 시각 평균 인식량 및 시간 평균 인식율을 확인할 수 있다. 개발된 소프트웨어는 항로표지 배치를 선박운항자가 시각적으로 확인할 수 있는 특징이 있다. Fang et al.(2014)은 항로표지의 배치는 가장 잘 인식될 수 있는 곳이라 했으며, 가시성을 토대로 부산북항의 평가를 수행하였다. 이 때 기상조건, 항로표지의 광원과 배경 조명간의 거리 등을 고려하였다. Kim et al.(2008)은 무역항 항로에 배치되는 등부표의 최적 배치에 대한 기준을 설정하기 위해 항해사들을 대상으로 등부표 시인거리와 배치에 대한 설문조사를 실시하고 결과를 분석하였다.

Lee et al.(2022)는 어선이나 소형 선박들이 이용하는 좁은 수로에 설치된 항로표지를 중심으로 기존에 설치된 항로표지가 해상교통 환경의 변화에 대응하여 제대로 된 역할을 하는지 검토하고 개선방안을 제시하였다. 특히 가항수역 상에 분포한 양식장으로 항로표지가 제대로된 기능을 하지 못하는 사례를 소개하였다. Moon et al.(2021)은 AIS 데이터를 기반으로 부산항 2항로를 통항하는 선박과 항로표지 간 이격거리를 도출하였으며, 이를 통해 해당 항로를 이용하는 선박의 통항패턴을 추정하였다. Park(2017)은 항로표지 시설의 표준평가모델을 개발하였다. 표준평가모델은 적절성, 효과성, 효율성, 지속가능성 및 영향력 요인을 이용하여 항로표지시설을 평가하며, 이 중 효과성 요인은 선박 충돌위험도와 해상교통량을 사용하였다. Lee et al.(2020)은 해상교통 흐름을 반영한 해상교통평가지표를 이용하여 등부표 접촉사고의 위험성을 평가하였다.

선행연구에서 항로표지 배치는 주로 선박운항자가 볼 수 있는 시인거리나 광도에 집중되어 있었다. 또한 해상교통흐름을 고려해서는 이격거리를 통한 선박 통항패턴이나 등부표와의 접촉 가능성에 대한 연구가 있었다. 본 논문은 해상교통데이터를 활용하여 해상교통흐름 기반 항로표지 배치 네트워크를 도출하며, 중심이 되는 항로표지를 식별하는데 차별성이 있다. 더불어 항로표지와 항로표지 간 교통흐름을 평가하기 위해서 네트워크의 흐름에서 중심성을 평가할 수 있는 사회연결망 분석 방법론을 사용하고자 한다.

본 논문의 목적은 항로표지의 배치의 적절성을 검토하기 위해 해상교통 데이터를 활용하여 항로상 중점적인 역할을 하는 항로표지를 도출하는 것이다. 이를 위하여 항로표지 설치 기수가 많은 부산항 제5항로를 대상으로 중심 항로표지를 도출하고자 한다. 본 논문에서는 부산항 제5항로 항로표지 중 항로에 설치된 측방표지를 분석대상으로 하며, 사회연결망 분석방법을 활용하여 교통흐름의 중심이 되는 항로표지를 제시하고자 한다.

연구의 범위 및 방법

1. 연구의 범위

항로표지는 해상교통의 안전을 도모하고 선박의 운항능률 증진에 이바지하기 위해 변화하는 해상교통 환경을 고려하여 적절하게 설치되어야 한다. 여러 설치 조건 중에 국제적으로 간편하고 누구나 식별하기 쉽게 설치되어야 한다는 조건이 있으며, 이는 해상에 다양한 국적의 선박이 해역을 이용하기 때문이다. 이러한 이유로 IALA(International Association of Marine Aids to Navigation and Lighthouse Authorities, 국제항로표지협회)는 해상부표식을 정하여 세계를 2개 지역으로 구분하고 있다. A 지역은 우현 측 녹색, 좌현 측 홍색을 채택하며, B 지역은 좌현 측 녹색, 우현 측 홍색을 채택한다.

그러므로 선박운항자는 항로에 접근할 때, 형상과 색상을 보고 항로의 좌측과 우측을 구분할 수 있다. Figure 1은 B방식의 측방표지(Lateral marks) 형상을 나타내며, Figure 1(a)는 좌현표지, Figure 1(b)는 우현표지이다.

항로의 측방표지는 항로의 경계에 설치되어 있으며, 선박운항자는 측방표지를 통해 항로 경계를 인지한다. 즉 측방표지를 통과하는 해상교통량을 분석하면, 측방표지의 이용량을 알 수 있다. 또한 항로의 시작과 끝, 분기점에 측방표지가 설치되어 있으므로 항로 전체에서 주요 항로표지를 도출할 수 있다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F1.jpg

Figure 1.

Lateral marks of B type

본 연구의 목적은 해상교통 측면에서 항로표지 네트워크 중심성을 도출하는 것이므로, 해상교통량이 많은 부산항을 연구대상으로 설정했다. 부산항에는 5개의 항로가 있으며, 이 중 부산항 제5항로에 항로표지가 가장 많이 설치되어 있다. 또한 해당 항로에서 부이 접촉 사고도 많이 발생하였다(Lee et al., 2020). 그러므로 부산신항과 마산항으로 연결되는 부산항 제5항로 부근을 대상해역으로 설정하여 네트워크 분석을 실시하고자 한다. Figure 2는 대상해역을 나타낸다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F2.jpg

Figure 2.

Target area

대상 해역의 항로표지를 통과하는 선박의 현황은 해상교통조사를 통해서 획득하였다. Inoue and Hara(1973)는 정확한 해상 교통량 분석을 위해서 1년 이상의 연속적인 실제 조사가 필요하지만, 현실적으로 시간 및 비용으로 실시하기 어려우므로 최소 3일 이상의 조사가 필요하다고 하였으며, 7일 정도의 조사 기간이 유효성을 갖는다고 하였다. 이에 따라 해상교통조사는 2020년 2월 9일 00:00부터 2월 15일 24:00까지 총 7일간 조사한 AIS(Automatic Identification System, 선박자동식별시스템) 데이터를 활용하였다. Table 1은 대상해역을 통항한 선박과 평균 선박 길이를 나타내는 표이다. 7일간 총 518척의 선박이 대상해역을 통항했으며, 평균 선박 길이는 121.13m 였다. 그리고 화물선이 가장 많이 통항했으며, 평균 선박 길이도 218.05m로 가장 큰 것으로 조사되었다.

Table 1.

Passing vessel type and length on target area

	Total	Cargo	Tanker	Fishing	Towing	Pilot	etc.
No.of ships	518	195	71	62	75	5	110
Ave. Length (m)	121.13	218.05	75.83	31.73	34.29	15.4	92.98

Figure 3은 해상교통조사 데이터를 처리하는 방법을 나타낸다. 사회연결망 분석에 활용하기 위해서 항로표지를 연결한 노드를 통과하는 시간을 측정하였다. 즉 노드를 사이에 두고 선박데이터 수신 시간을 비교하여 시간순서를 교통흐름으로 간주했다. 이는 노드와 노드 간의 통항 순서를 결정하여 네트워크의 방향을 설정하기 위함이다. Figure 3에서 (a)선박은 북쪽으로 향하고 (b)선박은 남쪽으로 향하여 서로 반대 방향으로 이동하는 것을 확인할 수 있다. 선박마다 어떤 노드에서 어떤 노드로 이동하는지 확인하여 사회연결망 분석을 위한 데이터를 가공했다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F3.jpg

Figure 3.

Concept of data processing

2. 연구 방법론

사회연결망 분석은 대상 간의 관계와 연결 구조 등을 체계적으로 평가하고 설명할 수 있는 분석법이다(Kwak, 2014). 대상 간의 복잡한 관계를 수학적으로 계량화하고 시각화할 수 있어 다양한 분야에서 널리 활용되고 있다. 특히 교통흐름은 한 지점과 다른 지점이 연결되어 나타나기 때문에 사회연결망 분석을 적용할 수 있으며, 항공분야에서 많이 이용되고 있다.

Zhang(2003)은 중국과 아시아 태평양 지역의 네트워크 측면에서 홍콩공항의 항공화물 네트워크 패턴을 분석하였다. Guimera(2004)는 전 세계 공항네트워크는 멱함수의 법칙과 매개 중심성 분포를 포함하는 좁은 세상 네트워크임을 설명하였다. Li(2004)는 128개의 중국 내 공항과 1,165개의 노선으로 구성된 공항 네트워크를 분석하였다. Dobruszkes(2006)는 유럽의 LCC 항공사들의 토폴로지(topology) 분석 및 네트워크 차이를 연구했다. Matsumoto(2007)는 전 세계 항공 네트워크 구조와 국가 간 항공교통 밀도를 분석하기 위해 중력모형을 적용하였다. Bagler(2008)는 인도 공항의 네트워크 관점에서 토폴로지를 탐색하기 위해 복잡계 가중 네트워크를 분석했다. Oh(2010, 2014)는 아시아 주요국가의 공항네트워크 구조와 공항네트워크의 특성을 아시아-태평양 지역의 주요공항 대상으로 분석했다. Chung(2015)은 공항의 집중도 및 항공 유동성 자료를 이용하여 아시아 지역 주요공항의 네트워크 구조변화와 화물 전이 현상을 분석하였다. Choi(2013)는 DEA(Data Envelopment Analysis)와 SNA(Social Network Analysis)를 접목하여 세계 주요공항의 효율성과 영향력 측정에 관한 연구를 수행했다. Pearson(2015)은 아시아 지역의 주요 저비용항공사를 대상으로 인지 성과와 실제 성과를 비교하여 저비용항공사의 네트워크 경쟁역량을 측정하였다. Lordan(2015)은 전서비스항공사(FSC: full service carriers)와 저비용항공사의 지역별 네트워크 비교를 실시하였고, Cong(2016)은 중국의 항공교통 네트워크는 멱함수 법칙을 따른다는 분석 결과를 제시하였다.

Bae et al.(2017)은 네트워크 연결망 관점에서 저비용항공사에 따른 공항 네트워크의 구조적 특성을 파악하였다. Leem(2011)은 SNA를 이용하여 선사 국적을 기반으로 한 아시아 주요 항만 네트워크 분석을 실시하였으며, Oh and Kim(2020)은 해상교통 분석을 위한 자동화된 교통 네트워크를 생상 방법을 제안했다. 이 때 해상교통 흐름상의 노드는 히트맵을 이용한 밀집 구역의 변침점을 활용하였다. Filipiak et al.(2020)과 Dobrkovic et al.(2018)은 유전자 알고리즘을 활용하여 교통 네트워크를 생성하는 방안을 제안하였다. Kang et al.(2014)는 사회연결망 분석을 활용하여 세계 주요 정기선사의 항만 네트워크를 분석했으며, 항만물동량과 더불어 사회연결망 분석을 통한 네트워크 구조도 허브항만으로서의 조건이 될 수 있음을 제안하였다. Jeon et al.(2016)은 소셜 네트워크 분석을 통해 아시아 지역 크루즈 항로의 네트워크 구조를 도출하고 싱가폴 항만의 중심성이 가장 높은 것을 도출하였다. Son(2021)은 광양항을 대상으로 정기 컨테이너 서비스의 네트워크 분석을 수행했으며, 컨테이너 항만의 연결중심성을 도출하고 포스트 코로나 시대를 전망하였다.

본 연구에서는 항로상에 위치한 좌측과 우측의 측방표지를 교통 흐름 지점이라고 가정하고, 지점과 지점 사이를 통과하는 선박을 엣지라 가정하였다. 즉 항로표지는 노드이며, 이를 통항하는 선박은 항로표지와 항로표지를 연결하는 엣지이다. 이때 입항과 출항이 존재하기 때문에 엣지의 방향은 있는 것으로 간주하였다.

네트워크를 해석하기 위해서는 다양한 중심성 지표가 있다. 그중 본 연구에서는 매개 중심성(Betweenness Centrality)과 가중 연결 중심성(Weighted Degree Centrality)을 사용하였다.

매개 중심성은 노드가 포함된 전체 네트워크 내 위치 중심성을 결정하며, 직접 연결되지 않는 노드들 간의 관계를 매개하는 정도를 표현한다. 어떤 노드가 네트워크상 최단 경로에 위치할 경우 노드는 구조적으로 유리한 위치에 있는 것으로 간주한다. 매개 중심성이 높은 것은 다양한 항로표지와 연결되어 있는 길목에 위치한 항로표지라는 의미이다. 즉 특정 교통흐름과 교통흐름을 연결되는 지점에 위치한 항로표지는 매개 중심성이 높으며, 매개 중심성이 높은 항로표지를 중심으로 교통흐름이 분리되는 것으로 판단할 수 있다. 그러므로 매개중심성이 높은 항로표지는 항로표지 관리자 입장에서는 교통은 연결하는 중요한 항로표지라 할 수 있다.

매개 중심성의 수식은 Equation 1과 같다.

(1)

C_{B} (i) = \sum_{i < k} \frac{p_{j k} (i)}{p_{j k}}

여기서, $C_{B} (i)$ : 매개 중심성

$p_{j k}$ : 노드 j와 노드 k를 지나는 최단경로 개수

$p_{j k} (i)$ : 노드 j와 노드 k를 지나는 최단경로 중 노드 i를 포함하는 경로 개수

가중 연결 중심성은 노드와 노드 사이 연결된 링크의 수와 통항수 가중치를 통해서 연결 정도를 확인한다.

가중 연결 중심성은 항로표지와 항로표지 간 이동한 선박의 수를 가중치로 두어, 항로표지 간 얼마나 많은 선박이 이용했는지 확인할 수 있다. 더불어 선박을 크기를 고려한 L환산을 사용하면, 표준선박이 많이 사용한 네트워크 구간을 도출할 수 있다. 즉 가중 연결 중심성을 통해 교통흐름에서 어떤 항로표지가 가장 많이 사용되고 있는지 확인할 수 있으며, 이는 선박운항자 관점에서 주로 많이 이용하는 항로표지라 할 수 있다.

가중 연결중심성의 식은 Equation 2와 같다.

(2)

C_{D}^{W} (i) = \sum_{j \neq i}^{N} W_{i j}

여기서, $C_{D}^{W}$ : 가중연결 중심성

$w_{i j}$ : 노드 i와 j의 가중치

여기서 w는 가중치로 노드 i에서 j로 가는 연결정도를 나타내는 것이 아니라, 연결된 횟수를 나타낸다. 그러므로 단순히 연결 수만 고려하는 것이 아니라 연결된 횟수를 가중치로 계산한다.

분석 결과

1. 가중연결 중심성

가중연결 중심성은 노드와 노드 간의 연결 횟수를 가중치로 두기 때문에 선박의 길이에 따른 교통량을 반영하기 위해서 L환산을 사용하였다. L환산은 표준선박의 길이로 대상 선박의 길이를 나눠서 표현하는 것이다(Park et al., 2013; Park et al., 2022). 예를 들어 표준선박 길이를 70m라 가정한다면, 140m의 선박 1척이 항로표지를 통과했을 때는 선박의 길이를 고려하여 1척이 아닌, 2척이 통과했다고 간주하는 것이다. 이러한 가중치를 적용한 이유는 선박의 길이에 따라 항로표지를 통과하는데 걸리는 시간이 다르기 때문에 척수에 차별을 두기 위함이었다.

본 연구에서는 표준선박을 70m로 설정하였다. Figure 4는 L환산을 기반으로 한 항로표지간 네트워크를 나타내는 그림이다. 대상 구역을 통항하는 전체 선박과 선종별(Cargo, Tanker, Fishing, Towing, Pilot, etc.)로 구분하여 네트워크 지도를 표현하였다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F4.jpg

Figure 4.

Social network analysis between AtoN based on L conversion

노드의 크기는 해당 항로표지를 통과하는 선박의 L환산 척수로 구분하였으며, link의 두께는 노드와 노드를 통과하는 선박의 L환산 척수로 구분하였다. Table 2는 선종별 연결중심성을 나타내는 표이다.

Table 2.

Weighted degree per ship’s type

Node	Total	Cargo	Tanker	Fishing	Towing	Pilot	etc.
A	44.21484	36.18187	1.918132	0.079671	0.529671	0.378572	5.126923
B	71.82299	56.7456	3.685715	0.362637	1.394973	1.245605	8.388462
C	108.884	77.2522	9.039561	2.731319	2.600852	2.316484	14.94358
D	102.2253	63.81648	10.48846	4.439011	3.596374	2.653846	17.23111
E	120.2113	78.7533	12.82967	3.122802	3.964506	3.151648	18.38935
F	120.178	80.82857	13.1522	1.455495	4.252418	3.320879	17.16847
G	117.7676	80.66813	12.82747	1.153846	4.408462	3.385714	15.32397
H	82.1667	61.90989	5.446154	0.173077	1.606814	3.831868	9.198901
I	84.94607	63.88791	5.505495	0.288462	2.307912	4.175275	8.781011
J	91.37446	67.20989	5.545055	0.453297	4.081374	4.34011	9.744736
K	47.4807	34.34615	2.772528	0.358517	2.68978	2.327473	4.986253
L	38.15748	15.51319	7.774726	1.237363	3.117582	0.960989	9.553638
M	32.8399	11.95	7.458792	1.138462	2.89011	0.606594	8.795945
N	17.37325	5.989561	3.87033	0.626924	1.414286	0.354396	5.117753

부산항 제5항로를 통항하는 전체 선박을 기준으로 중심성이 가장 높은 항로표지는 노드 E, F, G로 나타났다. 해당 항로표지는 Cargo, Tanker, Towing, etc. 선박에서도 중심성이 높게 나타났으며, 이들 선종의 항적은 서로 유사한 것으로 나타났다. 반면 어선의 경우에는 노드 C, D, E가 상대적으로 높게 나타났다. 어선의 경우 Figure 4(d)의 항적과 같이 대부분 항로를 따르지 않고, 짧은 거리로 이동하기 때문에 C, D, E의 중심성이 높게 나타난 것으로 판단된다. Pilot boat와 Towing은 노드 J가 높게 나타났다. 이들은 도선 대상 선박이 입출항할 때 지원하는 선박으로 특히 부산신항 입구가 중심성이 높은 것으로 나타났다.

2. 매개중심성

매개중심성은 노드와 노드 간의 직접 연결과 관련이 있으므로 노드 간 연결성이 중요하다. 본 연구의 노드 연결성은 L환산 선박 척수 1척을 기준으로 했다. 이는 표준선박이 한 척 이상 지나가면, 그 항로표지는 연결되어 있다는 것을 의미한다. Table 3은 선종별 매개중심성을 나타내는 표이다.

Table 3.

Betweenness centrality per ship’s type

Node	Total	Cargo	Tanker	Fishing	Towing	Pilot	etc.
A	0	0	0	0	0	0	0
B	0.044823	0.035256	0	0.051282	0.153846	0.153846	0.07181
C	0.044823	0.05235	0.282051	0.134615	0.282051	0.282051	0.086538
D	0.009566	0.017094	0	0	0.384615	0	0.135913
E	0.102177	0.148077	0.461538	0.224359	0.461538	0.461538	0.122405
F	0.371492	0.312821	0.512821	0.230769	0.512821	0.512821	0.431242
G	0.20943	0.250534	0.346154	0.096154	0.557692	0.538462	0.224206
H	0.097534	0.140919	0.387821	0	0.253205	0.384615	0.282051
I	0.067925	0.081303	0.282051	0.012821	0.141026	0.070513	0.145833
J	0.015385	0.06453	0.153846	0.012821	0.176282	0.070513	0.076923
K	0.004002	0	0	0	0	0	0
L	0.072978	0.208333	0.214744	0.166667	0.282051	0.282051	0.136142
M	0.025977	0.105449	0.089744	0.096154	0.153846	0.153846	0.13141
N	0.017223	0	0	0	0	0	0.065781

부산항 제5항로를 통항하는 전체 선박을 기준으로 매개중심성이 가장 높은 항로표지는 노드 F로 나타났다. 해당 항로표지는 Cargo, Tanker, fishing, etc. 선박에서도 중심성이 높게 나타났다. 어선은 C-D-E, D-E-F로 이어지는 항적이 많으므로, 노드 E도 중심성이 높게 나타났다.

노드 F는 대상 해역의 항로표지 중에서 위치상으로 중심이 되는 항로표지임을 알 수 있다. 노드 F는 네트워크의 중심에 위치하여 항로표지와 항로표지를 연결하는 위치에 있으며, 항적의 특징이 차이가 많이 나는 어선과 화물선에서도 동일하게 F는 높게 나타났다. 이는 선박이 최단거리로 이동할 때 노드 F의 항로표지를 가장 많이 지나간다는 의미이며, 지리적으로도 중심 위치에 있다는 의미이다. 그러므로 항로표지 관리 시에는 Lightning 등 해당 항로표지의 역할이 끊어지지 않게 관리할 필요가 있다.

고찰

1. 선박 밀집도 관점의 고찰

선박밀집도는 단위공간 당 선박 척수를 의미한다. 밀집도를 통해 부산항 제5항로의 선박 밀집도를 확인할 수 있다. Figure 5는 부산항 제5항로를 통항하는 선박의 7일간 L²환산 교통량 밀집도를 나타낸다. 밀집도를 구분하기 위한 그리드 간격은 500m로 설정했다. 밀집도를 도출하기 위해 항로표지 주변을 포함하여 대상해역을 그리드화했으며, 각각의 그리드에 30초당 몇 척의 선박이 통과했는지 측정하였다. 동일한 시간대에 몇 척의 선박이 어떤 그리드에 많았는지 확인할 수 있으며, 이를 7일간 누적하면 7일동안 어떤 그리드에 선박이 집중되는지 확인할 수 있다. 이 때 선박의 척수는 L²환산법을 사용하였다. L²환산법은 L환산으로 도출된 값을 제곱하는 것으로 선박 길이를 공간화한 것이다. 밀집도는 공간의 개념이기 때문에 선박이 차지하는 면적을 고려하였다(Park et al., 2013). 이때 표준선박은 항로표지 중심성 분석과 동일하게 70m로 하였다.

L²환산을 적용한 밀집도는 노드 K, J, I 부근이 높은 것으로 나타났다. 부산항 제5항로 부근을 항행하는 어선은 약 31.73m로 70m의 표준선박을 이용하여 환산하면, 0.45이다. 그러므로 표준선박보다 작은 선박의 영향력은 줄어들고, 표준선박보다 큰 선박은 영향력이 커진다. 노드 K, J, I는 부산신항을 출입항 할 수 있는 항로로 표준선박 이상의 대형선박이 통항하고 있으며, 출입항을 위해 속력을 조절하기 때문에 상대적으로 밀집도가 높은 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F5.jpg

Figure 5.

Density of L² conversion traffic volume in target area

Figure 6은 각 노드별 L² 환산 선박 교통량을 활용한 밀집도와 가중연결 중심성을 비교한 그래프이다. L² 환산 선박 교통량의 밀집도는 노드 K, J, I 순으로 높은 것으로 나타났으며, 해당 구역은 부산항 신항으로 입출항하는 대형선박이 속력을 조절하면서 통항하는 구역이다. 반면, 가중연결 중심성은 노드 E, F, G 순으로 높은 것으로 나타났다. 가중 연결 중심성은 선박 교통량을 토대로 노드와 노드 간 많은 흐름이 있는지를 알 수 있는 것으로 Figure 4의 교통흐름을 보면 노드 E, F, G는 항로를 횡단하는 어선과 마산항을 오가는 선박, 부산신항을 오가는 선박이 모두 연결되는 노드임을 알 수 있다. 특히 노드 F의 경우, Table 3에서 보는 바와 같이 매개중심성이 가장 높은 노드이다. 노드 F는 다양한 교통흐름의 중심의 항로표지임과 동시에 다양한 교통흐름을 연결하는 위치에 있는 항로표지임을 알 수 있다.

선박 밀집도는 선박 크기를 고려하여 얼마나 많은 선박이 일정한 구역을 통항하는지 확인 할 수 있다. 밀집도는 교통이 혼잡한 구역을 식별할 수 있으며, 이는 선박의 통항 안전과 연결될 수 있다. 반면, 사회연결망 분석의 연결중심성은 노드와 노드 간의 흐름을 반영한 분석이며 교통흐름이 많은 구역과 많은 흐름의 연결지점에 있는 노드를 식별할 수 있다. 「항로표지의 기능 및 규격에 관한 기준」에 따르면, 부표는 선박에서 가장 가까운 부표의 접근 전 약 100m 이상에서 다음에 설치된 부표 또는 연속된 2개의 부표를 식별할 수 있도록 설치되어야 하기 때문에, 항로의 측면에 설치된 측방표지는 선박운항자가 항로의 경계를 알 수 있을 뿐만아니라 다음 나아가야할 위치까지 파악 할 수 있다.

그러므로 항로표지는 현재 위치와 다음에 선박이 나아가야할 항로표지의 위치까지 고려해야하기 때문에 연결성이 중요하며, 정적인 선박밀집도보다는 동적인 연결 중심성이 항로표지 적정성을 판단하기 위해서는 적절한 것으로 판단된다.

https://cdn.apub.kr/journalsite/sites/kst/2023-041-03/N0210410301/images/kst_2023_413_267_F6.jpg

Figure 6.

Comparison of traffic volume and centrality between nodes

2. 선행연구 결과 비교분석

기존 선행연구에서 부산항 제5항로를 대상으로 평가한 내용과 본 연구를 통해 도출된 중심성을 비교하였다. Lee et al.(2020)은 PARK model과 IWRAP MK2를 활용하여 항로표지와 접촉 위험도를 도출하였다. 그 결과 PARK model의 경우 No. 4, 6, 7(노드 C, D, E)이 접촉 위험도가 높게 도출되었으며, IWRAP의 경우 No. 4, 11(노드 C, G)이 충돌확률이 높게 도출되었다. 저자는 모델의 특성으로 위험도가 다르게 나타났다고 하였다. PARK 모델은 이격거리의 영향이 크며, IWRAP은 교통 흐름의 분포를 이용하여 도출하기 때문이다. Park(2017)은 항로표지를 적절성, 효과성, 효율성, 지속가능성, 영향력으로 구분하여 평가하는 모델을 개발하였으며, 모델을 이용하여 부산항 제5항로의 항로표지를 평가하였다. 평가결과, No. 1, 10, 11(노드 B, F, G)의 평가 점수가 높게 도출되었다. 해당 모델은 국가 종합관리를 위한 평가 모델로 항로표지를 관리하는 관리자 중심의 모델이다. 그러므로 경제적인 사항까지 포함되어 있다.

Table 4는 부산항 제5항로에 설치되어 있는 항로표지를 평가한 선행연구와 본 연구에서 도출한 중심도를 비교한 표이다. 본 연구에서는 출항하는 방향과 입항하는 방향을 구분하였으나, 항로표지는 쌍으로 활용했으므로 Weighted degree는 in-degree와 out-degree의 평균값을 제시하였다. 연구에서 도출한 중심성은 항로표지를 이용하는 선박의 교통량을 활용하였으므로 사용자 입장의 중심성이다. 사용자 입장에서는 No. 5, 6(노드 D), No. 7, 8(노드 E)의 중심성이 높았으며, 이는 충돌위험도 모델에서 높게 도출된 결과와 유사하였다. 매개 중심성이 높았던 항로표지는 No. 9, 10(노드 F)으로 이는 항로표지 관리자 입장에서 평가했던 선행연구 결과와 유사했다.

선박 교통 흐름을 네트워크로 표현하여 항로에서 교통 흐름의 중심을 도출한 것에 의의가 있으며, 선박 충돌위험 면이나 항로표지 관리 면에서 유사한 결과가 도출되었다.

Table 4.

Comparison of centrality with previous studies

	Lee et al.(2020)		Park(2017)	This study
Methodology Buoy(No.)	PARK model (%)	IWRAP Mk2 (Accident candidates/year)	Index	Social Network
Methodology Buoy(No.)	PARK model (%)	IWRAP Mk2 (Accident candidates/year)	Index	Weighted Degree Centrality	Betweenness Centrality
1 (Node B)	4.05	0.014	63.82	71.82	0.044
2 (Node B)	5.49	0.821	51.87	71.82	0.044
3 (Node C)	4.55	0.033	54.71	108.88	0.044
4 (Node C)	10.56	1.599	55.18	108.88	0.044
5 (Node D)	2.22	0.311	49.12	102.22	0.009
6 (Node D)	11.50	0.136	51.41	102.22	0.009
7 (Node E)	11.08	0.103	56.13	120.21	0.102
8 (Node E)	8.29	0.211	58.49	120.21	0.102
9 (Node F)	2.71	0.133	52.76	120.17	0.371
10 (Node F)	3.78	0.158	61.44	120.17	0.371
11 (Node G)	6.87	2.408	58.62	117.76	0.209
12 (Node G)	3.02	0.030	58.31	117.76	0.209

결론

항로표지는 항행하는 선박에 다양한 수단으로 선박 위치, 방향 및 장애물 위치 등을 알려주는 항행보조시설이다. 특히 측방표지는 항로의 한계에 설치되어 있으며, 측방표지를 지나는 선박의 교통흐름 분석을 통해 항로 내 주요 항로표지를 확인할 수 있다. 본 연구의 목적은 해상교통 데이터를 활용하여 항로상 중심적인 역할을 하는 항로표지를 도출하는 것이다. 중심역할의 항로표지를 도출하기 위해 사회연결망 분석을 활용했으며, 결과를 요약하면 다음과 같다.

(1) 통항하는 선박의 크기를 고려한 가중연결 중심성은 노드 E가 가장 높은 것으로 나타났으며, 노드 F, G순으로 높았다. 도선점 부근의 항로표지를 가장 많은 선박이 통항하였다. 매개중심성은 노드 F가 가장 높았다. 이 구역은 항로 분기가 끝나고 부산신항과 마산으로 선박의 흐름이 분기되는 지점으로 항로표지 간 연결에서 가장 중요한 역할을 하는 항로표지인 것으로 나타났다.

(2) 대상 해역의 밀집도를 분석하였을 때 가장 높았던 구역은 노드 K 부근 구역으로 부산신항으로 입출항하는 대형 선박과 입항을 위한 속력조절로 인해 단위시간/공간당 선박이 많았다. 반면 가중연결 중심성은 노드 E가 높았다. 항로 측면에 설치된 항로표지는 항로표지 간 연결성이 중요하기 때문에 연결망 분석이 적합함을 확인하였다.

(3) 요약하면, 부산항 제5항로에서 가장 중심이 되는 항로표지는 노드 F의 좌‧우현 항로표지로 나타났으며, 해당 항로표지 부근은 선박의 통항도 많으며, 항로가 분기되는 지점으로 항로표지의 역할이 매우 중요한 것으로 판단된다. 더불어 선행연구에서도 해당 항로표지는 위험도면에서나 항로표지 관리자 측면에서도 영향력 있는 항로표지로 분석되어 본 연구의 결과와 일치함을 확인했다.

본 연구는 대상 해역을 통항하는 선박교통량과 흐름의 방향을 활용하여 중심이 되는 항로표지를 도출한 것에 의의가 있다. 그러나 대상 해역의 한정, 측방표지 등 평가 대상의 한정 및 7일간의 비교적 짧은 교통데이터 이용으로 계절성을 고려하지 못한 점이 본 연구의 한계점이다. 또한 시인성 측면에서도 검증이 필요하다. 본 연구는 선박이 항로표지를 활용하여 진행하는 방향을 파악하고 검토한다는 점을 착안하여, 항로표지 주변을 통항하는 선박의 교통 데이터를 기반으로 대상해역 내 항로표지의 연결중심성을 분석했다. 연결중심성은 각각의 항로표지가 연결된 네트워크 상에서 어떤 항로표지가 중심적인 역할을 하는지 판단할 수 있는 평가 지표가 될 수 있다. 그러므로 해상교통량을 기반으로 대상해역의 연결중심성을 분석하고, 중심성이 높은 구역에 항로표지를 추가 배치하거나 우선 점검대상으로 하는 등의 분석도 확장할 수 있다. 추후 연구에서는 부산항 사례를 바탕으로 대상 항만을 확대하여 단계적으로 모형의 정확도를 높여 일반화할 예정이며, 시인성 측면의 항로표지 중요도와 함께 고려할 수 있는 방법론을 모색할 필요가 있다.

Funding

This research was a part of the project titled 'Marine digital AtoN information management and service system development(3/5) (20210650)', funded by the Ministry of Oceans and Fisheries, Korea.

References

Bae H. J., Park Y., Kim Y. I. (2017), Analyzing the LCC Network at Asian Major Airports, J. Korean Soc. Transp., 35(3), Korean Society of Transportation, 247-259. 10.7470/jkst.2017.35.3.247

Bagler Ganesh (2008), Analysis of Airport Network of India as Complex Weighted Network, Physica A, 397, 2972-2980. 10.1016/j.physa.2008.01.077

Choi S. G. (2013), An Study on Measurement for the Efficiency of the World Major Airports, Master Thesis, Graduate School of Logistics, Inha University.

Chung T. W. (2015), Competitive Composition of Main Airports in North Asia - Focused on Air Cargo, Journal of Korea Port Economic Association, 31(3), 93-105.

Cong W., Hu M., Dong B., Wang Y. (2016), Empirical Analysis of Airport Network and Critical Airports, Chinese Journal of Aeronautics, 29, 512-519. 10.1016/j.cja.2016.01.010

Dobrkovic A., Iacob M., van Hillegersberg J. (2018), Maritime Pattern Extraction and Route Reconstruction from Incomplete AIS Data, International Journal of Data Science and Analytics, 5, 111-136. 10.1007/s41060-017-0092-8

Dobruszkes F. (2006), An Analysis Europe Low Cost Airlines and their Networks, Journal of Transport Geography, 14, 249-264. 10.1016/j.jtrangeo.2005.08.005

Fang T.H., Kim Y.G., Gong I. Y., Park S., Kim A.Y. (2014), Quantifying Measures and Evaluation of AtoN Placement by Calculating Visibility in AtoN Simulator, Proceeding of Navigation and Port Research, 347-348.

Filipiak D., Węcel K., Stróżyna M., Michalak M., Abramowicz W. (2020), Extracting Maritime Traffic Networks from AIS Data Using Evolutionary Algorithm, Business & Information Systems Engineering, 62, 435-450. 10.1007/s12599-020-00661-0

Guimera R., Amaral L. A. N. (2004), Modelling the World-wide Airport Network, The European Physical Journal B, 38, 381-385. 10.1140/epjb/e2004-00131-0

Inoue K., Hara K. (1973), Relations between the Number of Observational Days and the Accuracy on the Estimation of Average Annual Daily Traffic Volume, Japan Institute Navigation, 50, 1-8. 10.9749/jin.50.1

Jeon J.W., Cha Y.D., Yeo G.T. (2016), An Analysis of the Cruise Courses Network in Asian Regions Using Social Network Analysis, Journal of Korea Port Economic Association, 32(1), 17-28.

Kang D.J., Bang H.S., Woo S.H. (2014), A Study on the Liner Shipping Network of the Container port, Journal of Korea Port Economic Association, 30(1), 73-96.

Kim A. Y., Lee Y. J., Park S. K., Oh J. Y., Kim Y. G. (2014), A Study on the AtoN Operational Software Development for the AtoN Management and the Decision Support of its Placement Planning, Journal of the Korean Society of Marine Environment and Safety, 20(5), 543-551. 10.7837/kosomes.2014.20.5.543

Kim J.H., Gug S., Yun J.H., Jung T.K. (2008), The User Analysis for Visual Range and Arrangement of Light-buoy on the Channel of the Domestic Trade-port, Journal of Navigation and Port Research, 32(5), 327-332. 10.5394/KINPR.2008.32.5.327

Kim S. W. (2001), A Study of New Route Establishment and Arrangement of Aids to Navigation on No.1 Fairway of Mokpo Port, Journal of the Research Institute of Maritime Industry, 11, 21-35.

Kwak K.Y. (2014), Social Network Analysis, Cheongram.

Lee H.H., Kim D.B., Kwon Y.M. (2022), Study on the Arrangement and Function of AtoN on Narrow Dhannels: Focused on the Cases of Narrow Channels on Southwestern Coast of Korea, Journal of the Korean Society of Marine Environment & Safety, 28(2), 297-306. 10.7837/kosomes.2022.28.2.297

Lee M. K., Park Y. S., Jeong H. S., Gug S. G. (2020), Risk Assessment for Contact Accident of Buoy-Focusing on Busan New Port-, Journal of Navigation and Port Research, 44(3), 158-165.

Leem B. H., Kim S. M., Hong H. K. (2011), Comparison of Asia Port Networks Based on National Shipping Companies: Social Network Analysis(SNA) Perspective, Journal of the Korean Association of Geographic Information Studies, 6(5), 45-56.

Li W., Cai X. (2004), Statistics Analysis of Airport Network of China, Physical Review E, 69(4), 046106. 10.1103/PhysRevE.69.04610615169068

Lordan O., Sallan J. M., Escorihuela A., Gonzalez-Prieto D. (2015), Robustness of Airline Route Networks, Physica A,455, 18-26. 10.1016/j.physa.2015.10.053

Matsumoto H. (2007), International Air Network Structures and Air Traffic Density of World Cities, Transportation Research Part E, 43, 269-282. 10.1016/j.tre.2006.10.007

MOLEG(Ministry of Goverment Legislation) (2022).

Moon B. S., Park Y. S., Kim T. G. (2021), A Study on the Vessel Separation Distance from Aids to Navigation: Focus on 2nd Sea Route on Busan Harbor, Korean Association of Maritime Police Science, 11(1), 229-244. 10.30887/jkmps.2021.11.1.229

Oh J. Y., Kim H. J. (2020), Spatiotemporal Analysis of Vessel Trajectory Data Using Network Analysis, Journal of the Korean Society of Marine Environment and Safety, 26(7), 759-766. 10.7837/kosomes.2020.26.7.759

Oh S. Y., Park Y. H. (2010), An Analysis for the Framework and Centralization of Airport Network in the Major Asian Countries, Journal of Aviation Management Society of Korea, 8(2), 43-58.

Oh S. Y., Park Y. H. (2014), Analyzing Airport Network Characteristics Applied to the Structural Equivalence, Journal of Korean Society Transportation, 32(2), 162-169. 10.7470/jkst.2014.32.2.162

Park H. R. (2017), A Study on the Standard Evaluation Model Development of Aids to Navigation Infrastructures, doctoral dissertation, Korea Maritime and Ocean University, Busan.

Park J. S., Park Y. S., Lee H. G. (2013), Marine Traffic Engineering, Dasom, Korea.

Park S., Kim C.H., Park Y.S. (2022), A Basic Study on Intersection Congestion Using Simulation: Focusing on the Crossing Vessel in Busan New Port Caution Area, J. Korean Soc. Transp., 40(3), Korean Society of Transportation, 319-334. 10.7470/jkst.2022.40.3.319

Pearson J., O’Connel J. R., Pitfield D., Ryley T. (2015), The Strategic Capability of Asian Network Airlines to Compete with Low Cost Carriers, Journal of Air Transport Management, 47, 1-10. 10.1016/j.jairtraman.2015.03.006

Son Y. J. (2021), An Analysis of Liner Container Service Network Using Social Network Analysis: A Focus on Gwangyang Port, The e-Business Studies, 22(1), 179-192. 10.20462/TeBS.2021.2.22.1.179

Zhang A. (2003), Analysis of International Air-cargo Hub: the case of Hong Kong, Journal of Air Transport Management, 9, 123-138. 10.1016/S0969-6997(02)00066-2

Journal of Korean Society of Transportation ISSN:1229-1366(Print) 2234-4217(Online) 대한교통학회지

Preview

Key Aids to Navigation in Fairway Using Social Network Analysis – Focused on Busan Port No.5 Fairway

ABSTRACT

MAIN

Figure 1.

Lateral marks of B type

Figure 2.

Target area

Table 1.

Passing vessel type and length on target area

Figure 3.

Concept of data processing

(1)

(2)

Figure 4.

Social network analysis between AtoN based on L conversion

Table 2.

Weighted degree per ship’s type

Table 3.

Betweenness centrality per ship’s type

Figure 5.

Density of L2 conversion traffic volume in target area

Figure 6.

Comparison of traffic volume and centrality between nodes

Table 4.

Comparison of centrality with previous studies

Funding

References

Density of L² conversion traffic volume in target area