1. 서 론
1.1 연구의 배경 및 목적
1.2 연구의 범위 및 방법
2. 선행연구 분석
2.1 항만 생산성 시뮬레이션 관련 사례 분석
2.2 국내외 항만 BIM 관련 선행연구 동향 분석
3. 기존 컨테이너 터미널 상부 배치 설계 프로세스 분석
3.1 컨테이너 터미널 상부 배치 설계 절차 분석 및 설계 요소 도출
3.2 2D기반 컨테이너 터미널 상부 배치 설계안 도출 과정
4.BIM 기반 컨테이너 상부 터미널 배치 최적 설계 자동화 알고리즘 개발
4.1 자동화 알고리즘 개발 프레임워크
4.2 상부 배치 설계 변수 도출 및 기초 BIM 데이터 작성
4.3 Apron과 장치장 배치 설계 자동화 로직 개발
4.4 운영시설 배치 설계 자동화 로직 및 구현
5. 실제 항만 사례를 통한 검증
6. 결 론
1. 서 론
1.1 연구의 배경 및 목적
최근 항만 분야에서는 BIM (Building Information Modeling)관련 시범사업 추진과 적용 지침 마련 등 디지털화를 위한 움직임이 활발히 진행되고 있다. 국내에서는 스마트 건설 활성화 방안(Ministry of Land Infrastructure and Transport, 2022)에 따르면 2025년까지 도로, 철도를 포함한 항만 분야에서도 1000억 이상 신규 발주 사업에 대해 BIM 의무화 시행 예정(Lee, 2022)이다. 국외 항만 선진국인 네덜란드, 호주 등 일부 국가에서는 항만 건설 사업에 BIM 적용을 권장하고 있으며, 특정 대형 프로젝트에서는 BIM 사용이 요구되기도 한다(Komares, 2019). 이러한 추세에 따라, 항만 분야에 BIM 기반 디지털화를 추진하기 위해서 최신 BIM 기술을 반영한 항만 특화 BIM 설계 기술 개발이 필수적이다.
항만 컨테이너 터미널 설계는 경제성과 생산성을 고려한 적정 규모 산정이 중요하다(Choi & Ha, 2005). 특히 장치장 설계에서는 초기 설계단계에서부터 안벽 처리 물량에 맞는 하역 능력을 갖춘 시설과 장비의 규모를 결정해야 한다(Jang & Lee, 2020). 이는 터미널 개발 이후 추가로 컨테이너 취급 능력을 확보하는 것이 어렵기 때문이다.
현재 장치장 설계는 운영사별 요구사항과 운영 방식의 차이로 경험적인 방법에 의존하고 있다(Choi & Ha, 2005). 이는 장비 생산성 검증 부족, 최신 하역 설비 이용 시 장비 소요 대수 산출 어려움, 초대형 선박 대응 설계 능력 부족 등의 문제를 야기한다. 이를 해결하기 위해 생산성 시뮬레이션 프로그램을 사용하여 최적 TEU (Twenty-foot Equivalent Units)와 TGS (Twenty-foot Ground Slot)를 산출하고 최적 물동량을 도출한다. 시뮬레이션 결과로 다양한 하역 시스템과 운영 방식 시나리오를 적용해 터미널의 불확실성과 설계 오류를 사전에 해소할 수 있다. 하지만 시뮬레이션 결과는 단순 수치 자료이며, 이를 시각화하여 대안을 검토하기 위해서는 시뮬레이션 결과를 기반으로 설계사들이 AutoCAD 등의 설계 도구를 활용하여 2D 평면도를 작성해야 한다. 이러한 이유로 모든 경우의 수를 고려한 상부 레이아웃 및 시설물 배치 대안 생성을 시각화하고 검토하는 데는 인력 및 시간 측면에서 물리적인 한계가 존재한다. 또한, 기존 방식은 데이터를 효과적으로 통합하지 못해 실시간 변경에 대한 유연성이 부족하며, 반복되는 수작업으로 효율성이 저하된다.
따라서 본 연구에서는 생산성 시뮬레이션을 통해 도출된 상부 배치 설계 영향 변수를 분석하였다. 이를 BIM 모델과 Generative Design에 연계하여 다양한 시뮬레이션 결과물에 따른 상부 배치 계획 모델을 자동 생성함으로써 시각적 이해도를 제고하고 최적 배치 의사 결정 과정을 개선하고자 한다. 최종적으로는 항만 컨테이너 터미널 및 장치장의 최적 배치 설계 프로세스를 자동화하여 이를 항만 컨테이너 터미널 설계 분야에 BIM을 활용함으로써 항만의 디지털 설계 업무 생산성 향상에 기여하고자 한다.
1.2 연구의 범위 및 방법
본 연구의 주요 범위는 항만 컨테이너 터미널의 상부 배치 설계 프로세스를 자동화하여 다양한 변수들을 통해 최종 배치안과 총 TGS 값을 도출하는 것이다. 연구 수행 방법론은 Figure 1에 나타나 있다. 1st Phase에서는 항만 생산성 시뮬레이션 사례와 국내외 항만 BIM 관련 선행연구 동향을 분석하여 연구의 필요성을 도출하였다. 2nd Phase와 3rd Phase에서는 항만 컨테이너 터미널 생산성 시뮬레이션을 연계한 BIM 기반 상부 배치 계획 자동화 로직을 개발하였다. 기존 컨텐이너 터미널 상부 배치 설계 프로세스 분석을 통해 2D 기반의 상부 배치 설계 절차를 분석하고 설계 요소를 도출하였으며 이를 기반으로 항만 상부 시설 자동 설계 알고리즘 프레임워크를 도출하였다. 자동화 알고리즘 구현을 위해 생산성 시뮬레이션 분석과 최적 설계 변수 연동을 수행하였으며 계획 대지 파일 연동과 장치장 패밀리 생성 초기 설정을 진행하였다. 이를 연계하여 Apron 및 장치장 자동 배치와 운영시설 자동 배치 두 가지의 알고리즘을 각각 구현하였다. 4th Phase에서는 해당 로직을 실제 항만사례에 적용하고, 적용 결과에 대한 활용방안, 한계점 및 향후 연구 방향을 검토하였다.
2. 선행연구 분석
2.1 항만 생산성 시뮬레이션 관련 사례 분석
항만 컨테이너 터미널 생산성 시뮬레이션은 선박의 하역 속도, 터미널 운영 효율성, 장비 배치 등을 고려하여 항만 성능을 분석하고 최적화하는 도구로, 내부 물류 분석, 의사결정 지원, 위험 완화 등에 활용된다.
주요 항만 생산성 시뮬레이션 시스템 3가지를 분석하였다. Simio사의 Port Simulation Software는 항만 운영 데이터를 분석하고 3D 시각화 기능을 통해 프로세스와 모델 통계를 시각화하며, 디지털 트윈으로 모니터링이 가능하다(Simio Port Simulation Software, 2024). AnyLogic사의 Prot and Terminal Simulation Software는 시뮬레이션 모델링으로 2D/3D 피드백과 통계를 시각화하여 컨테이너 야적장, 접안 계획, 비용 평가, 위험 관리를 지원한다(AnyLogic Port and Terminal Simulation Software, 2024). Model Performance Group의 Maritime & Ports Simulator Software는 디지털 트윈 시뮬레이션을 통해 선적, 하역, 운송 프로세스를 최적화하며, 관리 대시보드와 운영 모니터링 기능을 제공한다(Model Performance Group, 2024).
해당 시뮬레이션을 활용하면 물동량, TGS 혹은 TEU 산출, 최적화된 장비 배치와 운영 계획, 터미널 운영 성과 대시보드, 3D 시각화, 화물 및 물류 흐름 분석, 리스크 평가 및 관리가 가능하다. 그러나 각 프로그램은 자체적으로 항만 터미널 운영을 시각화하는 소프트웨어를 제공한다. Simio와 AnyLogic은 일부 항만 객체 관련 라이브러리를 제공하여 시뮬레이션 환경 구축을 조금 더 쉽게 하지만, 사용자는 소프트웨어 구매 후 설치하고, 직접 설계해 둔 2D CAD를 3D로 모델링해야 한다. 이와 같이 BIM을 통해 항만을 3D로 모델링하고 데이터 기반 관리 시스템을 구축하려는 시도가 있었으나, 터미널 운영 효율을 위해 변수를 기반으로 다양한 배치 형태를 실시간 변경하고 최적 설계안을 도출하는 과정은 부족한 것으로 나타났다.
2.2 국내외 항만 BIM 관련 선행연구 동향 분석
본 절에서는 국내외 항만 BIM 관련 연구를 조사하여, 선행연구와의 차별성과 본 연구의 필요성을 도출하고자 한다. Google Scholar에서 '항만(Port)'과 'BIM'을 키워드로 최근 5년간(2020- 2024) 관련 연구들을 조사하였다. 조사 논문들은 데이터 유지관리 및 활용, 데이터 저장소 및 상호운용성, 구조 분석 및 BIM 시뮬레이션, 모델링 자동화 및 통합 설계 4가지 카테고리로 나누어 분석하고, 그 내용을 Table 1에 정리하였다.
Table 1.
Analysis of the current state of related research
| No. | Reference | Contents | Classification |
| 1 | Shin & Moon (2023) | BIM Standards, Maintenance Information, linked Data | Data maintenance and utilization |
| 2 | Shin et al. (2022) | BIM, maintenance data processing, COBie standard | |
| 3 | Kim & Kang (2020) |
Port facility maintenance, decision-making system, data integration methods | |
| 4 | Valdepeñas et al. (2020) | BIM, port infrastructure maintenance | |
| 5 | Kim et al. (2021) | Port IFC viewing, shape and attribute information extraction | Data storage and interoperability |
| 6 | Hyun & Moon (2020) | Ceph storage platform, port BIM data repository | |
| 7 | Moon et al. (2020) | Port BIM data, interoperability, IFC standards | |
| 8 | Hua (2020) | BIM technology, port breakwater construction |
Structural analysis and BIM simulation |
| 9 | Kim et al. (2020) | Port construction projects, advanced technology adoption | |
| 10 | Li & Li (2020) | BIM technology, port construction cost, budget control | |
| 11 | Xiao & Zhou (2020) | BIM, port channel construction, risk management technology | |
| 12 | Kim et al. (2020) | Port Slit caisson, BIM modeling, automation system |
Modeling automation and integrated design |
| 13 | Pasetto et al. (2020) | Infrastructure-BIM, integrated railway design |
데이터 유지관리 및 활용 관련 연구에서는 Shin & Moon (2023)은 Linked Data (LD) 기술을 활용해 BIM 기반 항만 시설물의 데이터 통합체계를 구축하였고, Shin et al. (2022)은 BIM과 COBie 표준을 통해 디지털 데이터 전환을 촉진하는 유지관리 데이터 처리 메커니즘을 개발하였다. Kim & Kang (2020)은 POMS 데이터베이스와의 연계를 통해 성능 기반 유지관리 의사결정 체계를 제안했으며, Valdepeñas et al. (2020)은 기존 항만 인프라 유지관리에 BIM을 적용한 새로운 관리 방법을 제시하였다.
데이터 저장소 및 상호운용성 연구에서는 Kim et al. (2021)이 확장된 IFC 스키마를 통한 항만 IFC Viewing 방법론을 개발하고, Hyun & Moon (2020)은 Ceph 스토리지 플랫폼을 기반으로 클라우드 서비스에서의 데이터 관리 및 확장성 방안을 제시하였다. 또한 Moon et al. (2020)은 IFC 표준을 통해 항만 시설 BIM 데이터의 상호운용성을 확보하기 위한 표준 스키마를 개발하고 검증하였다.
구조 분석 및 BIM 시뮬레이션에서는 Hua (2020)는 BIM 기술을 활용해 방파제 구조의 하중 지지 성능을 개선하였으며, Kim et al. (2023)은 부산 신항에서 BIM/GIS 통합플랫폼과 4D 시뮬레이션을 적용한 실증연구를 수행하였다. Li & Li (2020)는 BIM을 통해 항만 건설 비용의 예산 관리 방법을 제안하였고, Xiao & Zhou (2020)은 BIM 기반 항만 수로 건설 리스크 관리 기술을 설계하여 리스크 평가의 정확성을 높였다.
모델링 자동화 및 통합설계 연구로는, Kim et al. (2020)이 비주얼 프로그래밍(Dynamo)과 Excel VBA를 활용해 BIM 기반 슬릿 케이슨 모델링 자동화 시스템을 개발하였으며, Pasetto et al. (2020)은 Infra-BIM 방법론을 베네치아 항구의 철도 인프라 통합 설계에 적용하여 데이터 관리와 설계 정보의 가용성을 향상시키고 비용 절감을 실현하였다.
본 연구와 관련된 선행연구를 분석한 결과, 항만 분야에서 BIM 기술 활용에 있어 데이터 유지관리, 데이터 저장소 및 상호운용성, 구조 분석 및 BIM 시뮬레이션, 모델링 자동화 및 통합 설계 개선을 위한 다양한 연구가 있었다. 데이터 유지관리 및 상호운용성 관련 연구에서는 Ceph 스토리지 플랫폼과 확장된 IFC 스키마를 통한 데이터 관리가 중점적으로 다뤄졌다. 구조 분석 및 BIM 시뮬레이션 연구는 BIM 기반 방파제 건설, 첨단기술 적용 실증 연구, 예산 및 리스크 관리 기술을 제안하였다. 모델링 자동화 및 통합설계 연구는 BIM 기반 슬릿 케이슨 모델링 자동화 시스템 개발 및 통합 설계 사례를 다루었다. 이러한 연구들은 항만 건설과 유지관리에서 BIM의 효과적인 적용 방안을 제시하고, 실무 적용 가능성을 확인하였다.
이와 같이 항만 분야에서는 설계와 시공뿐만 아니라 데이터 기반 통합 설계를 통한 유지보수 및 관리까지 BIM 활용을 확대하려는 시도가 있었다. 그러나 모델링 자동화 연구는 슬릿 케이슨 등 일부 항만 구조물에만 집중되었다. 항만 컨테이너 터미널 배치를 최적화하기 위해 물동량 및 생산성을 연계한 BIM 기반 자동화 연구는 부족한 것으로 나타났다. 본 연구는 항만 컨테이너 터미널 생산성 시뮬레이션을 분석하여 상부 배치 설계에 활용 가능한 변수를 도출하고, 이를 연계한 BIM 기반 상부 배치 자동화 기술을 개발하는 것을 목표로 한다. 이 기술을 실제 항만 사례에 적용하여 검증함으로써 실무 활용 가능성과 향후 개발 방향을 검토하였다.
3. 기존 컨테이너 터미널 상부 배치 설계 프로세스 분석
3.1 컨테이너 터미널 상부 배치 설계 절차 분석 및 설계 요소 도출
컨테이너 터미널 상부 배치 설계는 기본 계획과 기본 및 실시설계 단계를 통해 이루어지며, 기본 계획에서는 먼저 전국 및 해당 항만에 대한 컨테이너 물동량 전망에 대한 자료조사를 실시한다(Ministry of Oceans and Fisheries, 2023). 이후 부두의 적정 처리 능력을 검토하여 터미널의 수용 가능한 선석 대수를 산정하고 각 선석당 처리할 물동량을 결정한 후, 이 두 변수를 통해 연간 처리 물동량을 결정한다. 또한, 이전 5년간의 수출입 구성 비율을 토대로 화물 및 물동량 비율과 계수를 산정하며, 해당 결과와 분리·피크·최대 장치 일수와 같은 기타 계수를 기반으로 소요 TGS를 산정한다. 컨테이너 항만 설계 기준 및 각 장치의 최적화된 생산성 값의 고려와 교통처리계획 및 유지관리 등 다양한 요소를 검토하여 산출된 계획 TGS 값을 소요 TGS 값과 비교하여 추가 확보된 비율을 분석하고 배치를 조정한다. 이를 위해 생산성 시뮬레이션 프로그램을 활용하여 최적의 배치 사양을 결정한다. 시뮬레이션 결과로 도출된 TGS를 통해 최적 물동량을 산출하고, 이를 다양한 하역 시스템이나 운영 방식 시나리오에 적용하면 터미널의 불확실성과 오류를 사전에 해소할 수 있다(Jeon et al., 2006). 해당 프로세스를 토대로 Apron과 장치장 영역을 설계하고, 터미널의 운영시스템과 시설 규모를 검토하여 평면 배치 계획과 터미널 운영 방식을 결정하게 된다. 기본 계획이 완료되고 기본 및 실시설계에서 설계 기준 및 조건에 따른 기초자료 및 현지 조사를 수행한 후, 접안시설, 컨테이너 야드, 그리고 배후 부지를 순서로 상세설계를 진행한다.
컨테이너 터미널 상부 설계 요소는 안벽, Apron, 컨테이너 야드, 배후 부지로 구성되며, 규모는 각 구역별 운영 특성을 고려하여 결정된다(Ministry of Oceans and Fisheries, 2023). Apron은 컨테이너 하역 시 안벽 크레인의 종류와 기수, 컨테이너 야드 내에서의 하역 방식, 자동화에 따른 무인 이송 장비 및 시스템 특성 등에 따라 규모가 다르다. 그러므로 크레인의 레일 폭, 차량 통행 폭 등을 고려하여 적정하게 설정하여야 한다. 컨테이너 야드는 컨테이너선의 도착 간격, 양적하 컨테이너 개수, 취급 컨테이너의 종류와 양, 안벽 및 야드 체류 특성, 적치단수 등을 고려한 계획이 필요하다. 마지막으로 배후 부지는 화물 조작장, 정비소, 관리동, 게이트, 그리고 세척장, 오수처리장, 주유소, 주차장, 장치장 및 수리공장 등의 기타 부속 설비가 운영되는 공간이다. 또한, 부두에 따라 공/비규격 컨테이너를 운용하기 위한 공간이 있다.
3.2 2D기반 컨테이너 터미널 상부 배치 설계안 도출 과정
3.1절에서 설명한 컨테이너 물동량 분석, 소요 TGS 산정 등 부두의 최적 물동량이 계산되면 터미널의 시설 규모, 운영 시스템 및 방식에 대한 충분한 전문가의 자문과 반복적인 검토가 이루어진 후 설계안이 도출된다.
그러나 시뮬레이션 결과는 하나의 명확한 대안이 아닌 적절한 대안의 범위를 제시하는 수치 자료에 불과하다. 최적의 대안을 도출하는 것은 설계사들의 몫이지만, 대안들을 시각화하여 검토하기 위해서는 AutoCAD와 같은 도구를 사용해 2D 평면도나 3D 모델을 직접 작성해야 하므로 인력, 시간, 자원의 물리적 한계가 존재할 수밖에 없다. 또한 운영사별 각기 다른 요구사항과 운영방식이 추가로 고려되는 과정에서 배치가 여러 대안으로 조정된다. 따라서 배치 설계가 완료된 이후에도 추가 변경과 검토가 반복적으로 진행된다.
컨테이너 터미널 운영 최적화의 복잡성 때문에 현재의 장치장 설계는 주로 경험에 의존하고 있다(Choi & Ha, 2005). 해당 접근 방식은 설계 과정의 생산성을 저하시키고, 설계 내용 측면에서도 최신 하역 설비 사용에 따른 장비 소요 대수 산출의 어려움, 장비 생산성 검증 부족, 초대형 선박 대응 설계 능력 부족 등의 문제로 이어진다.
4.BIM 기반 컨테이너 상부 터미널 배치 최적 설계 자동화 알고리즘 개발
4.1 자동화 알고리즘 개발 프레임워크
컨테이너 터미널 배치 설계 과정을 자동화하기 위해 3장에서 분석한 내용을 기반으로 상부 배치 자동화 알고리즘 구현 프레임워크를 Figure 2와 같이 크게 세 가지로 나누어 구현하였다. 해당 알고리즘은 CAD 파일과 Excel 파일을 Autodesk Revit 2024 프로그램과 연동하여 구현되었다. 또한, 자동화 로직은 Revit 내 비주얼 프로그래밍 도구인 Dynamo를 사용하여 개발되었다. 생산성 시뮬레이션에서 도출된 설계 변수를 추출하여 BIM 모델과 Generative Design에 연계함으로써, 기존의 반복적이고 수동적인 수행에 따른 물리적 한계를 개선하고, 시각적 이해도 및 대안 생성의 효율성을 높여 최적 배치 의사결정을 지원하는 것을 목표로 한다.
기존 컨테이너 터미널 상부 배치 설계 절차에서는 경험적 설계와 운영사 요구사항 반영 등에 의해 비효율적인 반복 수정이 발생한다. 이를 개선하기 위해 변수 연동을 통해 실시간 설계 변경이 가능하도록 하여 불필요한 업무 단계를 축소하고 설계 과정의 생산성을 향상시킬 수 있는 상부 배치 자동 설계 프레임워크를 도출하였다.
1단계에서는 자동화 알고리즘 구현을 위한 초기 설정 및 변수를 도출하였다. 기존 생산성 시뮬레이션 프로그램을 분석하여 Dynamo와 연동하기 위한 파라미터와 변수를 도출하였다. Revit과 Dynamo 환경에서 해당 알고리즘을 구현하기 위해 CAD로 생성된 대지 라인을 Revit 환경으로 변환하였다. 그런 다음 Apron과 장치장 및 운영시설 자동화를 위한 Excel 파일 양식을 생성하고, 변수 연동을 위한 Revit 패밀리를 초기 설정하였다. 2단계에서는 터미널 영역을 Apron과 장치장 영역으로 순차적으로 분할하고, 장치장 블록 패밀리를 배열하는 자동화 로직을 구현하였다. 3단계에서는 Apron과 장치장을 구획한 후, 남은 운영시설 영역을 도로선을 기준으로 분할하고, 공/비규격 컨테이너와 기타 운영시설을 자동으로 배열하는 로직을 구현하였다.
4.2 상부 배치 설계 변수 도출 및 기초 BIM 데이터 작성
4.2.1 생산성 시뮬레이션 분석 및 최적 설계변수의 연동
항만 컨테이너 터미널 생산성 시뮬레이션은 선박의 하역 속도, 터미널 운영 효율성, 장비 배치 등의 요소를 고려하여 항만 성능을 분석하고 최적화하는 과정이다. 본 절에서는 현재 실무에서 활용되고 있는 생산성 시뮬레이션 프로그램(HARBOT VOLUME)을 분석(Park, 2023)하였다. 해당 시뮬레이션 프로그램은 Figure 3과 같이 동적 변수, 파생 변수, 상수 3개의 입력값을 통해 날짜별 선박 랜덤 배정 및 장비별 처리 시뮬레이션이 수행되며 그 결과 최종 시뮬레이션 결과로 Bay별 최댓값, 평균값 그리고 야드 점유율이 도출된다. 해당 결과를 바탕으로, 설계자가 원하는 값을 기준으로 Bay를 선택할 수 있도록 하였다.
생산성 시뮬레이션의 입력값 중 주요한 동적 변수는 베이(Bay), 박스(Box), 단(Tier), 블록(Block), 야드 점유율(Yard Utilization)이 있다. 블록은 컨테이너 야드에서 컨테이너가 배치된 큰 구역을 의미하며 이는 베이, 박스, 단으로 구성된다. 베이는 블록에서 세로 방향으로 나누어진 구역으로, 일반적으로 컨테이너 선박의 길이 방향에 따라 번호가 부여되어 선박이 정박하는 위치나 야드에서의 배치를 구분하기 위해 사용된다. 박스는 블록에서 가로 방향으로 나누어진 구역으로, 베이와는 수직 된 방향을 의미한다. 단은 블록에서 컨테이너가 수직적으로 쌓이는 층을 의미하며 최대 6단까지 배열이 가능하다. 야드 점유율 값은 실제 장치된 컨테이너 수를 장치장의 최대 보관 용량으로 나누어 백분율로 표현한 값이다.
베이, 박스, 단은 선박 운항과 화물 처리를 위한 기본적인 공간 단위를 제공하며, 블록은 이를 효율적으로 조합하여 화물 운송을 최적화한다. 또한 야드 점유율은 야드 성능과 화물 처리 안정도를 확인하는 데 매우 중요한 지표이다. 보통 컨테이너 터미널의 적정 장치율은 60~70%이며, 이를 초과하면 정상적인 부두 운영이 어려울 수 있다(Kim, 2021). 따라서 컨테이너 터미널 설계 시 적절한 야드 점유율 값을 시뮬레이션하고 장치장을 배치하는 것이 중요하다.
생산성 시뮬레이션 처리 과정을 분석한 내용은 다음과 같다. 먼저 동적 변수로 베이, 박스, 단, 블록, 야드 점유율을 설정하면 해당 값이 파생 변수로 변환되어 입력된다. 베이, 박스, 단, 블록값은 40~60 Bay 간 총 TEU 값으로 변환되며, 야드 점유율 값은 해당 총 TEU 값의 야드 점유율 별 TEU 값으로 변환된다.
상수는 두 가지로 구분되며, 1년 단위 상수에는 선박 관련 정보가 포함되고, 평균 상수에는 장비 성능 및 대수, 물동량, 물동량 비율, 장치 일수가 포함된다. 상수가 시뮬레이션과 연계되는 주요 부분은 세 가지다. 첫째, 선박의 평균 하역량과 하루 하역 대수를 기반으로 작업별 TEU 값이 추출된다. 둘째, 장비 성능 및 대수를 기준으로 GC (Gantry Crane), AGV (Automated Guided Vehicle), ARMGC (Automated Rail Mounted Gantry Crane) 장비별 하루 처리 시간과 TEU 값이 산출된다. 셋째, 물동량 현황을 통해 총 TEU량을 기반으로 공/적 컨테이너 비율이 도출된다.
입력값을 통해 1년 단위 날짜별 랜덤 배정 및 장치별 처리 시뮬레이션이 진행된다. 시뮬레이션 결과는 Yard TEU 처리 및 40~60 Bay 별 야드 점유율 값이 산출되며 이를 통해 각 Bay 별 최대값과 평균값을 도출한다. 자동화 로직에서는 해당 야드 점유율 값을 활용하여 최적의 Bay와 Row 범위를 변수로 설정하고, 이를 통해 최적의 장치장 면적과 영역 배치를 생성 및 구성할 수 있다.
본 연구에서는 장치장의 총 TEU를 결정하는 베이, 박스, 단, 블록의 수치값을 변수로 활용해 각각의 값들을 Dynamo와 연동함으로써 Generative Design을 통해 다양한 장치장 대안들을 생성하고자 한다. 해당 수치값이 변할 때 장치장의 배치 대안의 생성 과정을 시각적으로 실시간 확인하고 적정한 상부 배치 대안을 도출할 때까지 신속한 의사결정 과정을 제공할 수 있다.
4.2.2 CAD 파일 연동 및 장치장 패밀리 생성
컨테이너 부두 설계 시, 발주처는 주로 2D 평면의 계획 대지 자료를 제공하며 설계사들은 보통 Autodesk AutoCAD 프로그램을 사용하여 2D 평면 설계안을 작성한다. 따라서 파일의 호환성과 정확성을 유지하여 정밀한 설계가 가능하도록 AutoCAD에서 작업된 계획 대지 2D 도면을 Revit의 3D 환경으로 전환하는 과정이 필요하다.
이를 위해 계획 대지 CAD 파일에서 필요한 대지선을 분리하고 불필요한 요소와 레이어를 정리하였다. 또한 AutoCAD 환경에서 기존 레이어와 라인 타입 등의 속성을 유지할 수 있도록 설정하였다. 정리된 최종 dwg 파일을 Revit에 입력해서 일반 모델 라인으로 변환하여 Dynamo에서 활용할 수 있도록 하였다.
장치장 배치를 위한 Revit 패밀리는 Figure 4와 같이 컨테이너 터미널 영역별로 크게 세 가지로 구분하여 생성하였다. Excel 파일에서 해당 패밀리의 가로·세로 길이 변수와 패밀리 파일의 속성 정보를 연동하여, 객체의 세부 치수가 자동으로 조정되고 배치되도록 설계하였다.
Apron 부분에서는 Apron 전면부의 도로 구간과 Q/C 장치를 패밀리로 생성하였다. 도로 구간은 Apron의 도면 선을 자동으로 생성하기 위해 도면 모델선 블록을 패밀리로 만들었다. Q/C 장치 패밀리의 경우, 선석별로 Q/C 장치의 개수를 산정하여 일정한 간격으로 배치할 수 있도록 생성하였다.
장치장 영역은 일반, 냉동, 유해 화학물, 위험물 4가지 컨테이너 블록 유형으로 구성된다. 일반 컨테이너 블록은 20ft 컨테이너 블록을 기반으로 베이만큼 배열될 수 있도록 구성하였다. 냉동 컨테이너 블록의 경우 일반 컨테이너 배치와 유사하나 특정 영하 이하의 온도로 유지되기 위한 전력설비가 필요하므로 블록 내에 비상전원장치 위치를 고려하여 배치되어야 한다. 또한, 특정 화학적 관리가 별도로 필요한 유해 화학물 컨테이너와 폭발의 위험이 있는 위험물 컨테이너도 일반 컨테이너와 컨테이너 간격, 안전거리, 형태, 배열 위치가 상이하다.
Table 2.
Dynamo variables for container block
따라서 Revit과 Dynamo 내에서 변수를 적용하기 위해 4가지 유형의 별도 패밀리를 생성하고, 각 패밀리에 Para-meter, Value 속성 정보를 입력하여 해당 블록이 수식(F-ormula)을 통해 Bay와 Row 값에 따라 변형될 수 있도록 계획했다. 예를 들어, 일반 컨테이너 블록의 경우 Revit 패밀리 파일에서 Generic Model 형식으로 장치장 모델을 생성하고, 베이(Bay)와 컨테이너 간격(Container_Spacing)을 Parameter로 설정하였다. 해당 변수의 수식을 “(Bay * 20ft_Con_Width) + (Bay-1) * Container_ Spacing”로 작성하였다. 해당 수식에 각 Parameter의 Value로서 Bay는 45, Con_width는 400으로 입력했으며, 20ft_Con_ Width는 고정값인 20피트 컨테이너 가로 길이를 의미한다. 이처럼 Dynamo에서 엑셀 파일을 통해 변수의 입력값을 불러와, 패밀리가 자동으로 변형되도록 하여 설계안이 변수에 따라 실시간으로 자동 조정되도록 구현하였다. 다른 3가지 유형도 일반 컨테이너 블록과 마찬가지로 Revit 패밀리 속성 정보에 입력된 변수와 수식을 기반으로 설계하였다.
마지막으로 운영시설 영역에 배치되는 공/비규격 컨테이너 역시 컨테이너 화물의 크기를 기반으로 Bay와 Row 값에 맞춰 변형 되도록 했다.
4.3 Apron과 장치장 배치 설계 자동화 로직 개발
4.3.1 Dynamo 변수 연동을 위한 Apron과 장치장 분석 및 변수 목록화
먼저 Apron과 장치장의 가로와 세로 길이를 결정하여 컨테이너 터미널의 각 공간을 분할하고, 해당 공간 내 도면 요소들을 배열하기 위한 자동화 알고리즘을 생성하고자 했다. 이를 위해 Apron과 장치장의 가로와 세로 길이 결정 요소를 분석하고, 이 요소들을 변수화하여 Table 3과 Table 4와 같이 Excel 양식을 생성하였다. 해당 변수들은 Dynamo에서 수식(Formula)과의 연동을 통해 값이 변경 된다.
Table 3.
Dynamo variables for apron
Table 4.
Dynamo variables for yard
컨테이너 부두 설계기준(Ministry of Oceans and Fisheries, 2023)에 따르면, Apron의 가로 길이(Apron Width)는 컨테이너의 안벽 위치에 따라 결정되며, 이는 안벽의 너비와 동일하다. 그러나 대지 형태에 따라 Apron의 가로 길이와 안벽의 너비가 동일하지 않을 수 있다. 따라서 변수 정리 시, 가로 길이를 설계자가 직접 입력할 수 있도록 Excel 양식을 작성하였다.
Apron의 세로 길이(Apron_Length)는 안벽 크레인 장치, 안벽 크레인 기수, 야드 내 하역 방식 등 여러 특성에 따라 달라진다. Apron의 Q/C 장치 스펙 및 설치 규정과 운영사의 안전거리 간격 값에 따라 Set Back과 Rail Gauge 변수가 도출된다. 또한, Apron과 장치장 사이에서 움직이는 AGV의 활동 영역(차선, 차선 너비)과 회전 반경(R값)에 따라 세로 길이가 결정된다. 따라서 Apron의 세로 길이에서 Apron 내 차선 개수에 따라 분류될 수 있도록 Number_of_Lanes와 같이 별도의 변수를 적용하였다.
장치장에서는 컨테이너 블록 배열 시 생산성 판단 요소인 계획 TGS 값과 장치 점유율(장치율) 값이 반영된다. 장치장 영역의 세로 길이(Yard_Length)는 20피트 컨테이너와 베이의 곱, 컨테이너 간격, WSTP (Waterside Transfer Point), LSTP (Landside Transfer Point), 그리고 안벽 구간의 안전거리 변수가 고려되어 도출된다. WSTP와 LSTP 구간은 AGV와 ARMGC 장치 간 컨테이너 교환이 이루어지는 곳이다. 실제 안벽과 맞닿아 있는 부분은 WSTP, 외부 트럭과의 교환이 이루어지는 곳은 LSTP이다. 안전거리는 WSTP 안전거리와 LSTP 안전거리로 구분되며, 이는 컨테이너 교환 시 충돌을 피하기 위함이다. 해당 변수들을 통해 장치장 영역의 세로 길이를 계산한 후, 장치장 영역의 가로 길이(Yard Width)를 계산하기 위해 4.2.2절에서 생성한 장치장 컨테이너 패밀리 블록의 길이(Block_Length)를 계산한다.
장치장 영역의 가로 길이(Yard Width)는 배치되는 컨테이너 블록 유형의 총 개수에 따라 결정되며, Apron의 선석 개수 및 간격에 따라 지정된다. 또한, 선석 사이에 통행 가능한 차선을 둘 것인지, 아니면 장치장을 붙여 배치할 것인지 여부에 따라 Rail_Load 변수가 설정된다. 따라서 차선을 배치할 경우, Rail_Depth와 Rail_Number 변수를 생성하여 선석의 개수가 N일 때 N-1개의 차선이 형성되도록 설정하였다.
4.3.2 Apron과 장치장 배치 설계 자동화 알고리즘
본 절에서는 4.3.1절에서 생성한 입력변수를 포함한 Excel을 Dynamo와 연동하여 Apron과 장치장 배치 설계 자동화 알고리즘을 구현하였다. Figure 5와 같이 알고리즘이 3가지 단계가 순차적으로 처리되며, 해당 Dynamo 알고리즘은 Dynamo Player를 통해 Apron 도로 모델 선, Q/C장치 2개의 패밀리와 변수 Excel 파일, 계획 대지를 선택하여 실행한다. 이를 통해 Apron과 장치장 영역이 자동으로 분할되고 도면 요소 패밀리가 배치된다.
첫 번째 단계 Apron 부분은, Revit 프로젝트 파일에 일반 모델 라인으로 변환해 둔 계획 대지 선을 선택한다. Excel 파일에서 Apron 변수들을 연동하여 도로 모델 선에 적용한다. 실제 계획 대지에서 Apron으로 결정될 선의 레이어를 선택한다. 선택한 선을 기준으로 Apron 변수들을 적용하여 가로 값을 결정하고, 해당 선의 길이만큼 세로 값을 추출하여 사각형 Polyline을 생성한다. 이를 통해 최종 Apron 영역을 생성한다. Dynamo에서 생성된 Apron 영역 내에 Apron 도로 모델 선과 QC 장비 패밀리 파일을 로드하여 변수 값과 연동시킨다. Dynamo Player에 입력된 선석 및 차선 개수에 따라 간격을 설정하면 Q/C 장비가 최종적으로 배치 된다.
두 번째로 장치장 부분에서는 Dynamo에 4가지 유형의 컨테이너 블록 패밀리를 불러온 후 Excel 파일의 장치장 변수들을 연동한다. 해당 변수와 Dynamo Player를 통해서 입력된 장치장 블록 개수와 블록 패밀리별 Bay 개수로 사각형의 장치장 영역이 구성된다.
선석 개수를 통해 장치장 영역이 등분되며, 선석 사이 차선 개수 입력을 통해 각 선석별 너비가 적용된다. 최종적으로 구분된 장치장 영역 내부로 Dynamo의 FamilyInstance. ByPoint 노드에 의해 지정된 블록 개수에 맞춰 장치장 블록이 자동으로 배열된다. 또한, 일반, 냉동, 유해 화학물, 위험물의 4가지 컨테이너 유형별 소요 TGS, 계획 TGS, 확보율, 그리고 각각의 합계를 확인할 수 있는 별도의 TGS 산출용 Excel 파일을 생성하였다. 사용자가 해당 장치장에 대한 소요 TGS 값을 Excel 양식에 입력하고 Dynamo Player를 실행하면, 배열된 장치장 블록을 기반으로 계획 TGS 값이 Excel 파일에 자동으로 입력된다. 이를 통해 소요 TGS와 계획 TGS를 비교하여 확보율을 계산할 수 있다.
마지막으로 Apron과 장치장 영역을 배치한 후, 운영시설 영역을 분리한다. Dynamo에서 Apron 영역과 장치장 영역을 결합(Join)하여 전체 계획 대지에서 해당 결합(Join)한 영역을 분할(Split)해 최종적으로 운영시설 영역을 구분하게 된다.
이러한 과정을 통해 자동화 알고리즘은 Apron과 장치장의 효율적이고 정확한 배치를 수행한다. 각 단계는 상호 연계되어 있으며, Revit 프로젝트 파일, Excel 변수, Revit 패밀리 파일을 기반으로 항만 컨테이너 터미널 설계 작업의 효율성을 향상시킬 수 있다.
4.4 운영시설 배치 설계 자동화 로직 및 구현
4.4.1 Dynamo 변수 연동을 위한 운영시설 분석 및 변수 목록화
운영시설은 항만 컨테이너 터미널에서 Apron과 장치장 외 영역에 배치되어 있는 시설로 컨테이너 터미널 운영을 위해 필요한 시설을 의미한다. 설계사에서 제공한 국내 항만 기존 설계안을 분석하여 운영시설을 따라 3가지로 분류하였다.
먼저 운영시설은 운영본부, 대기소, 보안 시설, 주변 전소, PQ Zone, 주차장 등 항만 인프라 시설, 공/비규격 컨테이너, 재유통 컨테이너 등을 보관·분류·재배치를 위한 스태킹 시설, 마지막으로 게이트, 주유소, 진입 차량 대기소 등 차량 운영을 위한 시설이 있다.
이렇게 분석한 운영시설 목록을 기반으로, Dynamo와의 변수 연동을 위해 Table 5와 같은 별도의 Excel 양식을 생성하였다. 운영시설 목록은 운영사의 요구사항에 따라 달라질 수 있으므로, 기본적으로 필요한 시설을 중심으로 Excel 양식을 작성하였으며, 추가 작성이나 수정이 가능하도록 했다.
변수 연동을 위한 운영시설 목록 양식은 크게 운영시설 이름, 가로 길이, 세로 길이, 개수, 배치 영역으로 구성된다. 각각의 구역들은 Dynamo와 연결되어 Width * Length * Quantity로 계산되어 해당 직육면체 면적을 갖는 Geometry로 변환되어 사용자가 입력한 영역으로 분류되어 Revit 상에서 배치된다.
Table 5.
Facility list and dynamo variables
4.4.2 운영시설 배치 설계 자동화 알고리즘
본 절에서는 4.3.2절에서 생성한 Apron과 장치장 영역이 Revit 프로젝트 파일에 자동으로 배치된 후, 운영시설 배치 설계를 자동화하기 위한 알고리즘을 구현하였다. Figure 6과 같이 알고리즘이 실행된다. 분할된 운영시설 공간을 선택하여 Dynamo Player를 통해 운영시설 배치 자동화 알고리즘을 실행한다. Dynamo Player에서는 변수 Excel 파일, 도로 모델 선, 운영 공간 Area를 선택하여 변수들을 연동시켜 운영시설을 자동으로 배치 시킨다.
먼저 Revit 프로젝트 내에서 운영시설 영역 내 도로 선을 생성한 후 Dynamo 내에서 해당 선을 기준으로 전체 운영시설 영역을 세부 영역으로 분할 한다.
운영시설 영역을 분할한 후, Revit 프로젝트 파일에서 공/비규격 컨테이너를 적재할 영역을 사각형 모델 선으로 표시하고, 이를 Dynamo를 통해 연동하여 운영시설 영역을 추가로 세분화하였다. 또한 미리 생성한 공/비규격 컨테이너 패밀리 파일을 연동하여 적재 영역의 크기에 따라 Bay와 Row가 자동으로 조절되도록 설정함으로써 컨테이너가 효율적으로 배치될 수 있도록 했다. 공/비규격 컨테이너 적재 영역은 운영시설 부분에서 가장 큰 부분을 차지하므로 해당 영역을 우선적으로 구획하고 그 후에 나머지 운영시설을 배치하는 방식으로 계획하였다.
최종 분할된 운영시설 세부 영역에는 운영시설 목록 Excel 파일에 각 운영시설의 가로 길이, 세로 길이, 개수, 영역 변수값을 입력한 후 이를 Dynamo와 연동하였다. Excel 파일과 연동되면 각 운영시설의 가로와 세로 크기에 따라 사각형 Geometry가 생성된다. 해당 Geometry들은 Geometry.DoesIntersect 노드를 기반으로 작성된 Python Script 노드에 의해 영역의 Boundary와 다른 운영시설 Geometry와의 교차를 반복적으로 검토하며 운영시설 영역에 랜덤으로 배치된다.
항만 터미널의 도로 설계는 운영 효율과 생산성을 결정하는 중요한 요인이다. 특히 장치장과 게이트를 포함한 운영시설 간의 배치가 중요하기 때문에 도로와 시설 간의 연관성을 자동으로 구획하기에 한계가 있다. 또한, 국내에서는 운영시설 배치 시 시설물 간 특정 규칙에 따른 배열보다는 운영사의 요구사항이 크게 영향을 미친다. 이로 인해 시설물 간의 배치 연관성이나 규칙성을 도출하기에는 어려운 부분이 있었다.
따라서 도로 설계는 설계자가 Revit 프로젝트에서 모델 선을 작성하고 이를 Dynamo와 연동하여 다양한 대안을 조절해 볼 수 있게 로직을 생성했다. 운영시설 배치를 위해, 각 시설의 패밀리를 개별적으로 생성하는 대신 공간의 크기 변수를 고려하여 사각형 Geometry를 생성하고 이를 무작위로 배치하였다. 랜덤 배치는 다양한 설계 대안을 빠르게 생성하고, 최적의 배치 방안을 찾기 위한 초기 탐색 단계에서도 유용하게 작용할 수 있다는 장점이 있다. 따라서 이 방법으로 빠르게 다양한 설계 대안을 생성한 후, 최적의 대안을 선정하여 세부 모델링을 진행하는 접근 방식이 더 효율적이라고 판단하였다. 항만 컨테이너 터미널의 생산성과 높은 연관성을 가지므로, 추후 운영시설 간의 관계성과 운영 효율을 분석하여 추가 배열 로직을 고려할 필요가 있다.
5. 실제 항만 사례를 통한 검증
본 장에서는 3장에서 개발한 Apron과 장치장 배치 설계 자동화 로직을 실제 항만 설계 사례에 적용하여 해당 로직을 검증하였다. 검증 대상은 부산 진해신항 컨테이너 부두 일부로서 부산항만공사(BPA)에서 발주한 “부산항 진해신항 컨테이너부두(1-1단계 1공구)”로, 항만 엔지니어링사에서 실제 수행한 프로젝트를 기반으로 검증되었다.
엔지니어링사에서 기존 방식으로 설계한 프로젝트 내용을 본 연구에서 개발한 항만 컨테이너 터미널 생산성 시뮬레이션을 연계한 BIM 기반 상부배치계획 자동화 알고리즘을 적용하여 재수행하고, 이에 대한 검증 결과를 도출하였다. 대상 사업의 “사업대상지 위치도” CAD 파일을 Revit 프로젝트 파일에서 활용할 수 있도록 변환하고 대상 사업에 맞게 Apron, 장치장, 운영시설 Excel 변수 파일을 각각 작성하였다. 또한, 기 작성된 4가지 유형의 컨테이너 블록 패밀리, 공/비규격 컨테이너를 Dynamo와 연동하고, Apron 및 장치장과 운영시설 각 알고리즘을 Dynamo Player를 통해 순차적으로 실행하였다. 그 결과 상부 터미널 배치 대안과 계획 TGS를 통해 확보율이 계산된 Excel 파일이 Figure 7과 같이 도출되었다.
Figure 8에서 왼쪽은 엔지니어링사에서 AutoCAD를 통해 기존 방식으로 설계한 결과물이며 오른쪽은 본 연구에서 개발한 알고리즘을 적용하여 Revit과 Dynamo를 통해 도출한 결과물이다. 실제 항만 사례를 대상으로 알고리즘을 구현한 결과, 랜덤으로 배치한 운영시설 영역을 제외하고는 기존 방식으로 설계한 대안과 알고리즘을 통해 도출된 대안의 정합성이 높게 나타났다. 알고리즘의 높은 정합성은 설계사의 실제 설계 과정과 요구사항을 반영하고, 시뮬레이션을 통해 현실적인 제약조건을 고려한 결과이다. 이는 알고리즘을 통해 생성된 결과물이 기존의 설계 고려 요소들을 적절하게 반영하여 최적 배치 설계가 이루어졌다는 점을 확인할 수 있었다.
해당 결과를 적용한 설계사에 의하면, 본 연구에서 개발한 알고리즘 적용을 통해 설계 고려 요소들을 자동화함으로써 설계 변경 및 수정 시 변경 사항을 자동으로 적용하여 기존에 발생하던 오류가 감소하는 효과를 얻을 수 있었다. 또한, 운영사와의 협의 과정에서 발생하는 설계 시각화 검토 및 수정 반복 작업에 소요되는 시간이 크게 단축되었다. 특히 여러 차례 수작업이 필요했던 설계 과정을 자동화함으로써, 설계 과정에 소요되는 시간이 크게 단축되었다. 기존에는 인력 1명 기준으로 4~5일이 소요되던 작업이, 본 연구에서 개발한 알고리즘을 활용한 결과 1~2일로 줄어들어 시간과 인력 투입이 감소하는 효과를 확인할 수 있었다. 또한, Excel 파일을 활용하여 변수를 실시간으로 변경함으로써 다양한 대안을 정확하고 신속하게 생성하고 비교하는 것이 가능했다. 이는 기존 수작업에서 발생하던 오류를 크게 줄였으며, 반복적인 수정작업을 최소화하여 설계 효율성을 향상시켰다. 해당 알고리즘을 항만 설계 프로세스에 활용함으로써 비효율적인 작업이 감소하고, 설계 과정에서 빠르게 시각화 대안을 도출하여 의사소통의 효율성을 향상시킬 수 있음을 확인하였다. 또한, 설계 대안 도출뿐만 아니라 계획 TGS를 통해 소요 TGS와 확보율을 비교할 수 있다. 확보율은 항만 운영의 효율성, 자원 관리, 성능 모니터링, 의사 결정 지원 및 경쟁력 강화를 위한 핵심 지표로 활용될 수 있다. 이를 통해 향후 항만 설계 분야에서의 BIM 활용 가능성을 확인하였다.
6. 결 론
현재 국내외에서는 항만 분야에 BIM을 활용하여 건설 프로세스를 디지털화하려는 노력이 활발히 이루어지고 있다. 항만 설계 프로세스에서는 생산성 시뮬레이션 결과를 통해 다양한 대안을 도출하고 이를 검토하여 최적의 대안을 선정하게 된다. 그러나 기존 프로세스는 이러한 다양한 대안을 빠르게 시각화하고 검토하는 데 한계가 있다. Generative Design은 다양한 변수와 제약 조건을 고려하여 최적의 설계 대안을 자동으로 생성할 수 있는 강력한 도구로, 복잡한 설계 과정에서 반복적인 작업을 줄이고 효율성을 높이는 데 크게 기여한다(Barbieri & Muzzupappa, 2022). 이를 통해 설계자는 더 많은 대안을 신속하게 비교하고 분석할 수 있어, 최적의 설계 결정을 내리는 과정이 더욱 원활해진다(Suphavarophas et al., 2024). 따라서 본 연구는 BIM 모델과 Generative Design기법을 활용하여 생산성 시뮬레이션을 통해 도출된 변수들을 분석하고, 다양한 시뮬레이션 결과물을 자동으로 생성함으로써 설계 대안 생성의 시각적 이해도를 높이며 최적 배치에 대한 의사 결정 과정을 개선하는 것을 목표로 한다.
연구 과정에서는 우선 연구의 필요성을 도출하기 위해 항만 생산성 시뮬레이션 사례와 국내외 항만 BIM 관련 선행연구 동향을 분석하였다. 또한 기존 컨테이너 터미널 배치 설계 프로세스 분석을 수행하였으며 Revit 프로젝트 환경 내 구현을 위해 계획 대지 CAD 파일을 설정하고 Dynamo 연동을 위한 컨테이너 터미널 블록 유형별 패밀리를 작성하였다. 이를 기반으로 항만 컨테이너 터미널 생산성 시뮬레이션을 연계한 BIM 기반 상부 배치계획 자동화 로직을 개발하였다. 알고리즘 로직은 Apron 및 장치장과 운영시설 영역으로 크게 두 가지로 구분되며, 각각 별개의 Dynamo 파일로 구현되었다. 각 로직 구현을 위해 필요한 변수를 추출하여 Excel 양식을 별도로 생성하고 이를 연동하였다. 최종적으로 개발된 자동화 알고리즘 로직을 실제 항만 사례에 적용하여 검증하였으며, 이를 통해 활용 가능성, 한계점 및 향후 연구 방향을 검토하였다.
본 연구에서는 항만 설계 프로세스에 BIM과 자동화 알고리즘을 도입하여 설계 대안을 신속하게 생성하고 시각화함으로써, 설계사와의 효율적인 의사소통과 의사결정 과정을 개선하였다. 이 알고리즘은 랜덤으로 배치한 운영시설 영역을 제외하고, 기존 방식으로 설계한 대안과 비교적 높은 일치도를 보였으며, 설계 과정에서 비효율적인 작업을 줄이며 효율성을 향상시키는데 크게 기여하였다. 또한 자동화 알고리즘을 통해 설계 대안 도출하는 것뿐만 아니라 계획 TGS와 소요 TGS의 확보율을 비교할 수 있어, 항만 운영의 효율성, 자원 관리, 성능 모니터링, 의사 결정 지원 및 경쟁력 강화에 중요한 지표로 활용될 수 있다.
본 알고리즘은 항만 컨테이너 터미널 설계 시 최대한 보편적으로 모든 경우에 적용 가능하도록 구현되었으나, 대상 계획 대지의 형태가 특수한 경우에는 Apron과 장치장 영역을 구획하는 알고리즘의 프로세스가 상이하여 적용이 어려운 부분이 있을 수 있다. 또한, 항만 컨테이너 상부시설 배치에서 도로 부분은 운영시설의 게이트와의 연결이나 곡선 부분의 처리를 특정한 규칙성보다는 운영사의 요구사항이나 설계사의 판단에 의존하므로, 이를 자동화하여 배치하는 데는 한계가 있었다. 또한, 도로 부분은 항만 터미널 운영 효율에 중요한 영향을 미치므로, 장비 운용 및 운영시설 간의 관계성을 명확히 파악하기 위해 추가적인 연구가 필요하다. 운영시설 영역도 본 연구에서 도로 선을 기준으로 세부 영역별로 군집을 이루도록 배치하였으나, 운영시설물 간의 관계성을 분석하여 추가적인 배치 로직을 도입할 필요가 있다.
향후 연구에서는 도로와 운영시설물 간의 관계성을 더욱 정교하게 분석하고, 이를 기반으로 한 자동화 배치 로직을 보완하여 실무에 적극 활용할 수 있도록 접근성을 강화할 예정이다. 이를 통해 항만 설계에서 BIM의 실질적인 활용 가능성을 높이고, 전반적인 설계 과정의 효율성을 향상시키는 데 기여할 것이다.
