AIS 빅데이터와 밀집도 분석을 이용한 COVID-19 팬데믹으로 인한 해상교통 변화에 대한 연구
A Study on Changes in Maritime Traffic Due to the Pandemic using AIS Big Data and Density Analysis
Article information
Abstract
Maritime transportation is one of the most economically efficient methods of transporting large volumes of cargo and serves as a crucial vehicle for global trade, accounting for about 80% of worldwide commerce. In particular, since Korea is surrounded by sea on three sides, more than 90% of its import and export cargo heavily relies on maritime transportation. However, the COVID-19 pandemic that began in late 2019 has brought about changes in maritime traffic patterns due to global border controls and changes in economic activity. In particular, for Korea, which is highly dependent on maritime logistics, it is important to understand how the pandemic has affected maritime traffic density and the changes by vessel type. In this study, the changes in maritime traffic density in Korea during the first year of the pandemic, starting from March 11, 2020, are examined. Korea’s sea area was divided into grid cells, and the length of ship trajectories within each grid cell was calculated to analyze changes in maritime traffic density. Maritime traffic density changes were analyzed for cargo ships, tanker ships, and passenger ships based on specific operating patterns, and traffic density within major ports was also examined. As a result, an increase in traffic density was observed for both cargo and tanker ships. The purpose of this study is to quantitatively analyze changes in maritime traffic density before and during the COVID-19 pandemic, thereby providing basic data for predicting maritime traffic patterns and developing response strategies in similar global crisis situations in the future.
1. 서 론
국제 항만 물류는 세계 각국의 경제 발전과 무역 교류에 큰 영향을 미치며, 이에 따른 해상교통 및 해운 운송의 중요성은 더욱 부각되고 있다. 해상교통을 통해 이루어지는 해운 운송은 해상에서 선박을 이용해 대량의 화물이나 승객을 경제적으로 운반하는 가장 효율적인 화물 운송 수단 중 하나로, 글로벌 무역과 물류에서 핵심적인 역할을 한다(Lee et. al., 2019). 전 세계 무역량의 약 80%가 해운 운송을 통해 이루어지며 (Millefiori et. al., 2021), 우리나라 또한 출입 물동량의 90% 이상이 해상을 통해 이루어질 만큼 해운 운송에 크게 의존하고 있다(Ministry of Oceans and Fisheries, 2021). 2020년 3월 11일, 세계보건기구(WHO, World Health Organization)가 COVID-19 팬데믹을 선언한 이후, 각국은 바이러스의 확산을 억제하기 위해 국경 통제와 이동 제한을 시행 하였다(Węcel et al., 2024). 이러한 조치는 항공 및 해운 운송, 국제 무역과 같은 물류 분야에 큰 타격을 주었으며, 그 결과 2020년 세계 경제 성장률은 -3.5%로 급락했다(Jin et al., 2024). 팬데믹은 전 세계 해상교통 패턴에도 다양한 변화를 가져왔다. 유럽 연안과 지중해에서는 해상교통량이 급격히 감소하였으며, 특히 관광 산업이 발달한 카리브해와 지중해에서는 여객선 통항량이 크게 줄어들었다(March et. al., 2021). 이러한 전 세계적인 해상교통 패턴 변화에 대한 분석은 이루어졌지만, 해운 운송에 크게 의존하고 있는 대한민국 해역에서의 팬데믹 동안 해상교통 패턴 변화에 대한 정량적인 연구는 아직 충분히 이루어지지 않은 실정이다. 이와 더불어, 팬데믹은 해운 운송 업계에도 큰 영향을 미쳤으며, 상하이 컨테이너 운임 지수가 5배 가까이 폭등하면서, 물류비가 급격히 상승하여 기업들의 운임료 부담이 크게 증가하였다(Son and Kim, 2023). 또한, 여객선과 크루즈 산업은 감염 확산 방지를 위한 여행 제한과 봉쇄 조치로 인해 운항 횟수가 급격히 감소하였으며, 이에 따라 많은 항만의 운영도 제한되면서 크루즈 교통은 크게 위축되었다(Oyenuga et. al., 2021). 국내의 경우, 2020년 6월 21일 부산 감천항에서는 러시아 선원 16명이 팬데믹 확진 판정을 받으면서 항만 내 작업자 약 200명이 자가 격리되었고, 이로 인해 항만 운영이 일시적으로 전면 중단되는 사태가 발생하기도 하였다. 이러한 사례는 환경 규제 강화, 전쟁, 감염병 등 다양한 외부 요인으로 인해 해상교통과 해운 운송에서 운임료 상승, 해상교통 패턴 변화, 항만 운영 지연 등과 같은 불확실성이 커지고 있음을 보여준다(Kim and Kim, 2021). 이에 따라 팬데믹과 같은 예측 불가능한 글로벌 위기 상황에서 해상교통 패턴에 미치는 영향을 파악하고, 선제적인 대응 전략을 마련하는 것은 필수적이다(Son and Kim, 2023).
본 연구에서는 팬데믹 선언을 기점으로, 선언 이전 1년과 선언 이후 1년 동안의 선박 자동 식별 시스템(AIS, Automatic Identification System) 데이터를 활용하여 해상교통 패턴 변화를 정량적으로 분석하였다. 분석에 사용된 AIS 빅데이터는 5년간 대한민국 전 해역에서 수집된 방대한 양의 데이터를 기반으로 하고 있으며, 본 연구에서는 이 중 팬데믹 선언 전후 각 1년간의 데이터를 추출하여 해상교통 패턴의 변화를 분석하였다. 분석 대상은 일정한 통항 패턴을 보이는 여객선(Passenger ship), 화물선(Cargo ship), 탱커선(Tanker ship)으로 설정하였으며, AIS 빅데이터의 효율적인 처리를 위해 빅데이터 플랫폼 기반인 HDFS(Hadoop File System)과 Zeppelin을 이용하여 전처리를 수행하였다. 또한 대한민국 모든 해역을 대상으로 해상교통 밀집도 분석을 수행하기 위해 선 밀집도 분석 방법을 활용하였으며, 팬데믹 선언 기점으로 전후의 밀집도 변화를 계산하여 해상교통이 증가하는 해역과 감소하는 해역으로 시각화하였다. 더 나아가 부산항, 인천항, 울산항, 여수항의 항계를 기준으로 해상교통 밀집도 변화를 분석하고, 이를 통해 팬데믹에 따른 항만별 해상교통 변화를 분석하였다. 본 연구에서는 팬데믹과 같은 글로벌 위기 상황에서 대한민국 해상교통 패턴의 변화를 예측하고, 효과적인 대응 전략을 마련하고자 한다.
2. 본 론
2.1 연구 개요
본 연구에서는 여객선, 화물선, 탱커선을 대상으로 팬데믹 전과 팬데믹 기간의 해상교통 밀집도 변화를 정량적으로 분석하였다. 세계 보건 기구의 팬데믹 선언 시점을 기준으로, 선언 전후 각 1년간의 AIS 데이터를 사용하여 해상교통 밀집도의 변화를 정량적으로 비교하였다. 분석에 사용된 AIS는 국제항해에 종사하는 총톤수 300톤 이상의 선박, 국제 항해에 종사하지 않는 500톤 이상의 화물선, 그리고 모든 여객선에 의무적으로 탑재된 장비로, 선박의 유형, 크기, 날짜 및 시간, 위치 등의 정보를 제공하며 해양 안전과 교통 관리에 있어 중요한 역할을 하고 있다(Son et. al., 2019). AIS 데이터는 1부터 99까지 선박 종류별로 분류되어 있으나, 본 연구에서는 일정한 통항 패턴을 보여주는 상선(여객선, 화물선, 탱커선)을 대상으로 하였다. Fig. 1은 본 연구의 분석을 위해 데이터를 저장, 정제 및 추출 후, 지리정보 시스템(GIS, Geographic Information System)을 활용한 분석 방법을 나타낸 것이다. 분석에 사용된 AIS 데이터는 400 Gigabyte를 초과하는 대용량 데이터로, HDFS에 적재 후, Zeppelin을 활용해 전처리 과정을 수행했다. HDFS는 데이터를 여러 서버에 분산 저장함으로써 대규모 데이터를 안정적으로 관리하고 처리할 수 있게 하며(Park and Lee, 2022), Zeppelin은 HDFS에 저장된 데이터를 실시간으로 불러와 시각화 및 분석 할 수 있는 도구로서, 대용량 AIS 데이터를 월별 및 선박 유형별로 효율적으로 처리하는 데 활용되었다. AIS 데이터는 선박의 이동 속도에 따라 매 2초에서 3분 간격의 높은 빈도로 지상 수신기 또는 위성 수신기로 전송되며, 이로 인해 데이터의 크기가 매우 방대해져 처리 속도와 저장 공간에 부담을 줄 수 있다(Oh and Park, 2018). 이를 해결하기 위해 전처리 단계에서 데이터를 1분 단위로 분할하고, 동일한 1분 내 여러 시점에서 수신된 경우 가장 먼저 수신된 데이터를 대표 값으로 선정하여 저장하였다. 이러한 처리방식은 해상교통 밀집도 분석에서 동일 시간대의 초 단위 차이가 선박의 전체 이동 경로에 큰 영향을 미치지 않는 점을 고려하여 데이터 처리의 효율성을 높이는 동시에 분석의 일관성을 유지할 수 있도록 한다(Oh and Kim, 2020). 또한, 전처리 과정에서는 해상 이동 업무 식별번호(MMSI, Maritime Mobile Service Identity)를 기준으로 정적 정보(선박의 기본 정보 등)와 동적 정보(선박의 실시간 위치 및 이동 경로 등)를 결합하여 분석에 필요한 데이터를 구축한 후, 이를 월별 및 선박 유형별로 분류하였다. 최종적으로 전처리 된 데이터는 지리정보 시스템을 활용하여 분석되었으며, 이 과정에서는 대한민국 해역의 공간적 범위를 정의하고, 일정 크기의 격자를 생성하여 각 격자 셀 내에서 선박이 이동한 거리를 계산하였다. 선박의 위치는 위⋅경도 좌표계로 기록되며, 이를 지리정보 시스템으로 분석하기 위해 ArcGISPro(ver. 3.3) 프로그램을 활용하여 위치 데이터를 점 데이터로 변환하였다. MMSI 번호를 기준으로 점 데이터를 선형데이터로 연결한 후, 각 격자 셀 내에서 선박의 총이동 거리를 합산하여 해상교통 밀집도를 산출하였다. 이를 바탕으로 월별 밀집도 지도를 생성하고 팬데믹 이전(2019년 3월 ~ 2020년 2월)과 팬데믹 기간(2020년 4월 ~ 2021년 3월)의 밀집도 지도를 각각 누적하여 두 시기의 누적된 밀집도 지도를 도출하였다. 마지막으로, 팬데믹 기간의 누적 밀집도 지도에서 팬데믹 이전 기간의 밀집도 지도를 격자 셀 단위로 차감하는 방식을 적용하여, 두 시기 간 해상교통 밀집도 변화 지도를 산출하였다.
Overview of maritime traffic density analysis using AIS data
2.2 AIS 데이터 개요
본 연구에서는 해양수산부의 GICOMS(General Information Center on Maritime Safety and Security)에서 수집한 Table 1에 제시된 AIS 데이터를 활용하여 해상교통 밀집도 분석을 수행하였다. AIS 데이터는 동적 정보와 정적 정보를 포함하며, 동적 정보는 선박의 위치 및 속도와 관련된 실시간 항행 정보를, 정적 정보는 선박의 물리적 특성과 관련된 정보를 제공한다(Yoo and Kim, 2022). 동적 정보에는 MMSI 번호, 날짜, 위도, 경도, SOG(Speed Over Ground), COG(Course Over Ground) 및 방향 등이 포함되며, 정적 정보는 MMSI 번호, 선박 유형, IMO(International Maritime Organization) 번호, 선박의 길이와 폭 등 선박의 고유 특성에 관한 정보가 포함된다(Kim et. al., 2019). 본 연구에서는 이러한 동적 및 정적 정보를 결합하여 대한민국 연안 해역에서의 해상교통 밀집도를 분석하였으며, 팬데믹 선언 시점인 2020년 3월을 기준으로 선언 이전 1년과 이후 1년의 데이터를 비교하였다.
AIS data information
2.3 분석 해역
Fig. 2는 본 연구의 분석 영역인 대한민국 해역의 범위를 나타낸다. 위도 32.6°N에서 38.5°N, 경도 124.5°E에서 132.0°E에 이르는 범위로 설정했으며, 불필요한 계산과 과도한 데이터 크기를 방지하기 위해 육지와 겹치는 부분은 제거하였다. 따라서 최종 격자는 바다 영역으로만 구성되었다. 대한민국 연안 해역을 대상으로 한 대용량 AIS 데이터의 처리 과정에서 발생하는 속도 문제와 계산 효율성을 고려하여 분석에 사용된 격자 크기는 4km x 4km로 설정 하였다(Lee et. al., 2020).
Analysis area
2.4 해상교통 밀집도 분석 방법
본 연구에서는 AIS 데이터를 활용해 대한민국 연안 해역의 선박 유형별 밀집도 변화를 산출하였다. 먼저, AIS 데이터를 선박 유형(Type)별로 분류한 뒤, 경도와 위도로 기록된 위치 데이터를 지리정보시스템을 활용하여 점 데이터로 변환하였다. 이후, MMSI 번호를 기준으로 점 데이터를 선형 데이터로 연결하여 선박의 이동 경로를 시각화하였으며, Fig. 3과 같이 4km x 4km 크기의 각 셀 내에서 선박이 이동한 총거리를 합산하여 해상교통 밀집도를 산출하였다. 밀집도 분석은 식(1)에 따라 이루어졌으며, 각 격자 셀 내에서 선박의 총 이동 길이 Li를 합산하여 해상교통 밀집도를 계산한다. 여기서 Li는 해당 격자 셀을 통과한 i번째 선박의 이동 거리를 의미하며, n은 해당 격자 셀을 통과한 선박의 총 개수를 나타낸다. 이 과정에서는 비정상적인 항적 데이터를 제거하는 단계가 포함 되었으며(Son et. al., 2022), 정제된 항적 데이터를 사용해 각 격자 내 공간 밀집도 분석을 수행했다(Lee et al., 2018).
Method for calculating vessel traffic route density
Fig. 4는 팬데믹 이전과 팬데믹 기간의 월별 해상교통 밀집도 지도를 각각 누적하여 두 시기의 누적 밀집도 지도를 도출하는 과정을 나타낸다. 각 시기의 월별 밀집도 지도를 누적하여 두 시기의 누적 밀집도 지도를 생성한 뒤, 식(2)에 따라 팬데믹 기간 동안의 밀집도(Densityduring)에서 팬데믹 이전 밀집도(Densitybefore)를 각 격자 셀 내에서 차감하는 방식으로 해상교통 밀집도의 변화를 계산하였다. 이러한 선 밀집 분석 방법을 통해 각 격자에서 선박 통항량의 증가 또는 감소 추세를 시각화하고, 이를 바탕으로 대한민국 연안 해역의 해상교통 패턴 변화를 분석하였다.
Comparison map of maritime traffic density pre-pandemic and during the pandemic
3. 연구 결과
3.1 COVID-19 팬데믹에 따른 월별 선박 데이터 변화
본 연구에서는 사회적 거리 두기 시행을 기점으로, 팬데믹 선언 전후 각 1년간의 월별 선박 통항량 변화를 비교하여 팬데믹이 월별 해상교통에 미친 영향을 분석하였다. Fig. 5는 여객선, 화물선, 탱커선의 월별 선박 통항량 변화를 나타낸 결과이며, 팬데믹 선언 전후 해상교통 추이를 분석한 결과를 제시한다. 대한민국 전 해역을 대상으로 AIS 데이터를 활용하여 선박 활동 변화를 정량적으로 분석한 결과, 화물선과 탱커선이 전체 AIS 데이터에서 큰 비중을 차지하는 것으로 나타났다. Fig. 5에서 보듯이 여객선의 경우 팬데믹 기간 동안 통향량이 약 5.48% 감소한 반면, 화물선과 탱커선은 각각 8.09%, 12.79% 증가하였으며, 이는 팬데믹 기간에 필수 물품과 원자재 수송의 중요성이 증가하고 에너지 수요가 지속되었음을 시사한다.
Changes in vessel traffic based on AIS data before and during the COVID-19 pandemic
Table 2는 Fig. 5의 월별 선박 통항량 그래프를 정리하고, 이를 바탕으로 통항량의 증감률을 계산한 결과를 제시한다. 여객선의 경우 팬데믹 기간 동안 통항량이 감소한 것으로 나타났으며, 팬데믹 선언을 기점으로 -11/+11개월 여객선 통항량은 -24.57%로 가장 큰 감소세를 보였다. 이는 팬데믹 초기에 시행된 사회적 거리 두기와 여행 제한 조치뿐만 아니라, 이후 여러 차례 발생한 추가 감염 확산과 강화된 방역 조치가 영향을 미친 것으로 보인다. 특히 2020년 12월, 우리나라는 세 번째 감염 파동으로 강력한 제한 조치가 다시 도입되었고, 이러한 상황이 여객선 운항에 장기적인 영향을 미쳤을 가능성이 크다. 반면, 팬데믹 선언 전후 1개월의 여객선 통항량은 +0.44%로 비교적 미미한 변화를 보였다. 화물선의 경우, 팬데믹 선언을 기점으로 각 달을 비교한 결과, 모든 시점에서 통항량이 증가하는 경향을 보였다. 선언 전후 1개월과 2개월 시점에서의 증감률은 각각 +5.32%, +1.37%로 상대적으로 낮은 증가율을 보였으나, 선언 이후 4개월부터는 증가 폭이 크게 확대되었다. 특히 선언 전후 7개월 시점에서는 +16.88%로 가장 높은 증가율을 보였으며, 이러한 변화 패턴은 팬데믹 동안 필수 물품과 원자재 운송 수요가 지속되었음을 시사한다. 이는 화물선이 팬데믹 상황에서도 중요한 해상 운송 수단으로 기능했음을 보여준다. 탱커선의 경우에도 팬데믹 선언 이후 전반적으로 통항량이 증가한 것으로 분석되었다. 선언 전후 1개월 시점의 증감률은 +1.54%로 상대적으로 낮았으나, 선언 후 6개월 이후부터 증가세가 두드러졌다. 특히 선언 전후 12개월 시점에서는 +30.47%로 가장 높은 증가율을 나타내며, 팬데믹 동안 에너지 수요가 유지되거나 증가했음을 반영한다. 이는 탱커선이 팬데믹 상황에서 주요 에너지 물류 수단으로서 중요한 역할을 했음을 보여준다.
Monthly changes in ship traffic (%) before and during the COVID-19 pandemic
3.2 COVID-19 팬데믹에 따른 선박 종류별 해상교통 밀집도 변화
해상교통 패턴은 장기간에 걸쳐 안전성과 경제적 요인에 따라 형성되며, 이를 분석하는 것은 해양 안전과 물류 효율성을 높이는 데 있어 중요하다(Lee et. al., 2019). 본 연구에서는 대한민국 연안 해역을 통항한 여객선, 화물선, 탱커선을 대상으로 팬데믹이 선박 유형별 해상교통 밀집도 변화에 미친 영향을 분석하였다. 팬데믹 선언 전후 각 1년간 데이터를 비교한 결과, 각 선박 유형에서 통항량 변화가 뚜렷하게 나타났다. Fig. 6은 선박 유형별 통항 밀집도 변화를 시각화한 결과로, 파란색은 통항량 감소, 빨간색은 증가한 해역을 나타낸다. 통항량 변화는 4km x 4km 크기의 각 셀 내에서 월별로 합산된 이동 거리(단위: km)를 팬데믹 기간 동안의 값에서 팬데믹 이전값을 셀 단위로 차감한 값이다. 그 결과, Fig. 6(a)의 여객선의 경우 사회적 거리 두기와 여행 제한 조치의 영향으로 전체적인 통항량이 감소했으나, 일부 특정 지역에서는 증가하는 양상이 보였다. 특히 울릉도로 이어지는 항로에서는 통항량이 증가한 것으로 분석되었으며, 이는 해외여행이 제한된 상황에서 울릉도가 국내 여행지로 대안이 되었기 때문으로 판단된다. Fig. 6(b)는 화물선의 통항 밀집도 변화를 나타낸 결과이다. 서해해역을 통항하는 화물선은 연안을 따라 통항 밀집이 증가하는 경향을 보였으며, 남해 대부분의 해역에서도 통항 밀집도가 증가한 것을 확인할 수 있다. 특히 대한해협을 중심으로 통항량이 집중된 현상이 두드러지며, 이는 팬데믹 동안 필수 물품 및 원자재 운송 수요가 증가함에 따라 화물선이 주요 물류 운송 수단으로 활용된 것으로 해석된다. Fig. 6(c)는 탱커선의 통항 밀집도 변화를 나타낸다. 탱커선은 화물선과 상반된 경로의 패턴을 보이며, 서해해역의 경우 외해의 통항 밀집도가 증가한 것으로 나타났으나 남해 대부분의 해역에서는 통항량이 감소한 결과를 보인다. 반면 동해에서는 전반적으로 통항량이 증가하는 양상을 확인할 수 있다.
Analysis of maritime traffic density changes for passenger ships, cargo ships, and tankers before and during the COVID-19 pandemic
3.3 COVID-19 팬데믹에 따른 항만별 해상교통 밀집도 변화
우리나라는 삼면이 바다로 둘러싸인 지리적 특성으로 인해 화물 물동량의 상당 부분이 해상 운송에 의존하고 있다. 이에 따라 국내 주요 항만 인근 해역을 중심으로 화물선과 탱커선의 해상교통 밀집도 변화를 분석하였다. 각 항만의 항계를 기준으로 격자를 설정하여 밀집도 변화를 정량적으로 분석하였으며, Fig. 7은 팬데믹 선언 전후 각 1년간 주요 항만별 해상교통 밀집도 변화를 시각적으로 보여준다. 또한, Table 3은 인천항, 여수항, 부산항, 울산항에서의 화물선과 탱커선의 통항량 변화를 요약한 결과를 제시한다.
Analysis of changes in maritime traffic density of cargo ships and tanker ships by port before and during the COVID-19 pandemic
Results of the rate of change in maritime traffic density of cargo and tankers by ports before and during the pandemic
Fig. 7(a)와 Fig. 7(b)는 인천항 인근 해역에서 화물선과 탱커선의 밀집도 변화를 나타낸다. 화물선은 내해에서 통항량이 증가한 반면, 탱커선의 해상교통 밀집도는 외해에서 통항량이 증가한 것으로 나타난다. Fig. 7(c)와 Fig. 7(d)는 여수항에서의 변화를 보여주며, 화물선은 항만 인근 내해에서 통항량이 크게 증가한 반면, 탱커선은 내해에서 통항량이 다소 감소한 양상을 보인다. Fig. 7(e)와 Fig. 7(f)는 부산항에서의 결과를 시각화한 것으로, 화물선 통항량은 부산항 및 인근 해역에서 전반적으로 감소하였으나 외해에서는 소폭 증가한 경향을 확인할 수 있다. 탱커선의 통항량 또한 전반적으로 감소한 경향을 보였다. Fig. 7(g)와 Fig. 7(h)는 울산항에서의 변화를 나타낸다. 화물선의 경우 울산항 인근 해역에서는 통항량이 전반적으로 감소한 반면, 외해로 나가는 항로에서는 소폭 증가한 경향을 보인다. 반면, 탱커선은 팬데믹 기간 동안 통항량이 크게 증가했으며, 특히 울산항의 주요 외항로에서 두드러진 증가세를 보여 팬데믹 중 에너지 운송 수요가 지속되었음을 시사한다.
Table 3은 인천항에서 화물선과 탱커선 통항량이 모두 증가했음을 보여준다. 화물선은 팬데믹 이전 약 5,700만 km였던 통항량이 팬데믹 기간 동안 약 6,600만 km로 15.3% 증가하였으며, 탱커선은 약 2,830만 km에서 약 3,330만 km로 17.7% 증가하여, 전반적으로 통항량이 증가한 것으로 분석되었다. 더불어, Table 4에서는 해운항만 물류정보시스템(PORT- MIS, Port Management Information System)을 기반으로 항만별 화물 및 컨테이너 수송량과 전체 선박 입출항의 변화를 정량적으로 비교한 결과를 제시한다. PORT-MIS 통계에 따르면 팬데믹 기간 동안 인천항의 컨테이너 수송량이 약 10% 증가한 것으로 나타났으며, 이는 물동량 증가가 해상교통량 증가에도 영향을 미쳤음을 시사한다. 여수항에서는 화물선 통항량이 약 1억 1,470만 km에서 약 1억 4,950만 km로 30.2% 증가한 반면, 탱커선 통항량은 약 1억 3,050만 km에서 약 1억 2,600만 km로 3.4% 감소하였다. 또한, PORT-MIS의 여수항 전체 입출항 통계에 따르면 여수항의 입출항 횟수가 약 17% 증가했으며, 이는 팬데믹 동안 물류 활동의 증가를 반영한다. 부산항에서는 화물선과 탱커선 통항량이 모두 감소한 것으로 분석되었다. 화물선은 약 4,620만 km에서 약 3,250만 km로 29.6% 감소했으며, 탱커선은 약 4,780만 km에서 약 2,050만 km로 57.0% 감소하였다. PORT-MIS의 부산항 통계에서도 화물 및 컨테이너 운송 통계가 팬데믹 기간 동안 감소한 것으로 나타나, 이는 부산항의 물동량 감소가 해상교통량 감소에 영향을 미쳤음을 시사한다. 이러한 결과는 부산항 항계 내부 데이터를 기준으로 산출된 것으로, 부산항 인근 해역을 통항하는 선박을 포함한다면 다른 교통량 양상이 나타날 것으로 판단 된다. 울산항에서는 화물선 통항량이 약 7,450만 km에서 약 3,970만 km로 46.7% 감소한 반면, 탱커선 통항량은 약 3,620만 km에서 약 4,940만 km로 36.3% 증가하였다. 이는 울산항에서의 통항 패턴에 뚜렷한 변화가 있었음을 의미한다. PORT-MIS에 따르면 울산항의 화물 수송량은 8% 감소했으나, 전체 입출항 통계에서는 유의미한 차이가 보이지 않았다. 이는 화물선 통항량 감소에도 불구하고 탱커선 운항 증가로 인해 울산항의 전반적인 항만 활동이 유지되었음을 보여준다. 해상교통 패턴의 변화는 COVID-19 팬데믹 외에도 정치적 이슈, 해양 사고 등 다양한 요소를 고려해야 한다. 본 연구에서는 COVID-19 팬데믹에 따른 우리나라 연안 해역의 해상교통 패턴 변화를 분석하였으며 선박의 종류, 선박의 크기, 항만에 따라 다른 패턴을 보이는 것으로 분석되었다.
PORT-MIS analysis of cargo throughput, container throughput, and total ship arrivals and departures before and during the pandemic
4. 결 론
본 연구에서는 우리 사회에 큰 영향을 미친 COVID-19 팬데믹이 대한민국 연안 해역의 해상교통 패턴에 미친 영향을 분석하였다. 팬데믹 선언 전후 1년간의 AIS 빅데이터를 활용해 비교⋅분석하여, 팬데믹 상황에서 나타난 해상교통 변화 양상을 파악하고 이를 시각적으로 도출하였다. 또한, 대한민국 주요 항만별 해상교통 밀집도와 그 변화 양상을 정량적으로 분석하였다.
1) 여객선, 화물선, 탱커선의 AIS 빅데이터를 활용하여 팬데믹 선언 전과 팬데믹 기간 동안의 데이터를 격자 기반의 해상교통 선 밀집도 분석 방식으로 비교⋅분석하였다. 빅데이터 플랫폼의 Spark 프로그래밍을 기반으로 대용량 AIS 데이터를 효율적으로 처리하였으며, 이렇게 전처리된 데이터를 활용하여 대한민국 연안 해역의 해상교통 변화 패턴을 GIS를 통해 시각화 하였다. 또한, 인천항, 여수항, 부산항, 울산항과 같은 주요 항만을 대상으로 국지적인 해상교통 밀집도 변화도 분석했다.
2) 팬데믹 상황에서 여객선의 통항량은 크게 감소하였고, 화물선과 탱커선의 통항량은 지속적으로 증가하는 것으로 분석되었다. 특히, 화물선의 운항 패턴은 우리나라 내해에 더욱 밀집된 결과를 나타내며, 탱커선은 외해에 치우친 운항 경향을 보였다. 이는 선박의 종류에 따라 운항 패턴이 상이함을 보여주며, 팬데믹 기간 동안 전체 해상교통량은 증가했으나 선박별 운항 특성이 달랐음을 시사한다.
3) 항만 특성에 따라 해상교통 변화 패턴이 다르게 나타나는 특징을 확인할 수 있었다. 인천항과 여수항에서는 화물선 통항량이 증가했으며, 이는 두 항만의 물동량 증가에 따라 통항량 증가로 이어진 것으로 해석된다. 반면, 부산항에서는 화물선과 탱커선 모두 통항량이 감소하였으며, PORT-MIS 데이터에서도 화물 및 컨테이너 운송 통계가 감소한 것으로 나타나, 부산항의 물동량 감소가 해상교통량 감소에 영향을 미친 것으로 해석된다. 울산항의 경우, 화물선 통항량은 감소했으나 탱커선 통항량이 증가하면서 전체 입출항 통계에서는 큰 차이가 나타나지 않았다. 이는 탱커선의 운항 증가가 화물선 통항량 감소를 상쇄했음을 나타낸다.
다만, 본 연구는 선박의 종류가 여객선, 화물선, 탱커선에 한정하여 분석을 수행하였으나, 추후 연구에서는 다양한 선박의 종류를 포함한 폭넓은 연구를 수행할 예정이다. 또한, 본 연구에서 사용한 격자 크기가 4km × 4km는 대규모 AIS 데이터를 효율적으로 처리하기 위한 설정이었으나, 격자 크기가 커 항계 내부의 해상교통 밀집도 변화를 상세하게 반영하기 어려운 한계점이 존재한다. 따라서, 추후 연구에서는 선박의 크기와 해상교통 변화에 영향을 미칠 수 있는 외부 요인을 결합하여 분석하고, 더 작은 격자를 사용하여 항계 내부의 세부적인 교통 밀집도 변화 분석을 파악하고자 한다. 또한, 통계분석 기반의 PORT-MIS 물동량 및 운임지수 데이터를 해상교통 빅데이터와 융합하여 유의미한 상관성을 도출하고자 한다.
이러한 연구를 바탕으로 향후 발생할 수 있는 COVID-19 팬데믹과 같은 글로벌 위기 상황에서 해상교통 변화를 예측하고, 이에 대해 전략적으로 대응할 수 있을 것으로 판단된다.
감사의 글
본 연구는 2024년도 해양수산부 ｢해상교통망 구축 및 관리체계 마련 연구용역｣(계약번호 : 20242204159)에 따른 연구사업입니다. 연구수행에 대한 해양수산부의 지원에 감사드립니다.
본 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(RS-2023-00242528).