This paper selects length of berth, area of yard, unloading capacity and number of berth as the input indexes, and cargo turnover as output index to research the source of turnover growth of 22 main ports in Korea. We gains the following results: in general, the trade ports in Korea are the stage of expansion period, the sources of turnover growth depends on the growth of factor inputs and could not be supported by TFP and technical progress. Especially in the west and east coast, TFP and technical progress is the block to the turnover growth. Four major factors to the increase of TFP are following: competition between ports, reform of property system, harbor-hinterland economic and international trade, modeling, imitation and innovation in management, technology and system.

  Recently, the increasing trend for the transshipment traffic of Busan port in Korea is slowing down because of the extensive development plan of domestic ports in china. For solving this problem, Korea is going on the project for preoccupying the transs

국제 교역에 있어서 항만은 중심 거점기능을 수행하지만 FTA가 해상물동량과 항만물동량에 미치는 영향을 실증적으로 분석한 연 구는 드물다. 해운항만 분야의 경우 물동량은 항만시설 확충, 항만처리능력 산정 및 선박확충, 항로추가로 인한 선대구성의 중요한 자료임에도 불구하고 선행연구에서 실증분석이 대부분 교역금액 기준으로 이루어져 왔다. 향후 체결될 FTA의 경제적 기대효과 분석도 중요하지만, 현재 체결된 FTA의 효과를 파악하는 것도 실증적으로 의미가 크다. 따라서 본 연구에서는 2010년 체결된 한-인도 FTA를 대상으로 하여 FTA가 한국 물동량에 미치는 영향을 FTA의 경제적 파급효과를 파악하는데 네트워크 모형을 적용하여 실증 분석하였다.

항만은 우리나라와 같이 국가경제에서 수출입 의존도가 높은 국가에서는 중요기간시설이자 많은 부가가치를 창출하는 매우 중요 한 역할을 맡고 있다. 중요한 시설임에도 불구하고 과거에는 항만에 대한 인식이 미흡했었으나 2000년대에 들어 세계 컨테이너 물동량이 증 가하고 중국의 경제가 발전함에 따라 동북아 지역에 물동량이 많이 발생하게 되어 항만의 역할의 중요성과 인식도 변화하였다. 본 연구는 우 리나라 항만 기본계획 및 항만 구분에 따른 항만 역할을 검토하여 항만 물동량에 영향을 미치는 결정요인을 연구하고자 한다. 연구의 대상으 로는 부산항과 광양항 같이 글로벌 환적항만을 제외한 배후지역 물동량의 영향을 많이 받는 국내 중소형 컨테이너항만을 대상으로 정하였다. 분석결과 항만물동량에 영향을 미치는 요인으로는 접안능력, 활성화정도, 연결국가수, GRDP, 제조업체수로 나타났다.

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.