DIVE 2025

부산항 환적 물동량을 예측하기 위한 도전

SkyDive는 DIVE 2025에서 부산항만공사의 ‘부산항 환적 물동량 예측’ 과제에 참여했습니다. 부산항 물동량 데이터와 국내외 경제지표를 살펴보고, 예측에 도움이 되는 요인을 찾는 것이 출발점이었습니다.

사전 준비부터 대회 현장의 분석·개발·발표까지 이어간 결과, 부산항만공사 트랙 1위를 수상했습니다.

데이터보다 먼저 도메인을 이해하기

데이터에는 서로 다른 파일 형식과 시간 범위가 섞여 있었고, 항만 업무의 용어와 단위를 이해하는 일도 필요했습니다. 팀은 데이터의 품질과 연결 관계를 확인하고, 필요한 부분을 빠르게 살펴볼 수 있도록 파일별 데이터 일부를 보여주는 뷰어를 만들었습니다.

논문과 유사 분석 사례, 기사 등으로 배경지식을 보완하고, 확인하기 어려운 부분은 발제사와의 질의응답 및 현장 멘토링을 통해 정리했습니다. 공개된 데이터만으로 얻을 수 있는 정보와 추가로 필요한 정보를 구분하는 과정이 중요했습니다.

제공 데이터의 특성과 관계를 살펴본 분석 화면.

여러 예측 접근을 실험하기

통계적 시계열 모델, 머신러닝, 딥러닝을 비교하며 접근 방향을 검토했습니다. SARIMA, XGBoost, LSTM 등을 실험하고, 추가 데이터나 새로 발견한 요인을 적용하기 쉽도록 코드를 정리했습니다.

월 단위 예측에서는 기대했던 상관관계를 찾기 어려웠고, 일부 경제지표의 영향도 시기에 따라 일정하지 않았습니다. 필요한 기간의 외부 데이터를 구하지 못하는 문제도 있었습니다. 팀은 이런 제약을 분석의 일부로 받아들이고 방향을 조정했습니다.

변화하는 요인을 빠르게 반영하는 시스템

하나의 모델을 정하는 것과 함께, 새로운 상관관계나 설명 요인이 발견됐을 때 빠르게 반영하고 실험할 수 있는 시스템을 개발했습니다. 대회 현장에서는 멘토링을 통해 과제의 목적을 다시 확인하고, 분석과 시스템 구현, 발표자료 작성을 병행했습니다.

데이터와 예측 접근을 바꾸며 실험할 수 있도록 구성한 시스템 화면.

분석 과정과 접근 방식을 정리한 발표자료.

결과와 배운 점

부산항만공사 트랙에서 1위를 수상했습니다. 트랙별 우승팀을 대상으로 한 종합 순위에는 들지 못했습니다.

이번 프로젝트를 통해 모델 선택에 앞서 현장의 질문을 정확히 이해하고, 데이터의 한계를 확인하며, 결과를 다른 분야의 사람에게도 설명하는 일이 중요하다는 것을 배웠습니다. 발제사와의 대화는 실제로 필요한 것이 무엇인지 다시 생각하는 계기가 됐습니다.

참가 기록

양승민이 작성한 Journal에서 참가 신청부터 사전 준비와 수상까지의 과정을 읽을 수 있습니다.

• 1편 - 참가 신청
• 2편 - 공부와 오리엔테이션
• 3편 - 사전 준비
• 4편 - 대회 당일 및 수상