국내 항만산업의 기술융합 분석 및 R&D 전략 수립 연구

A Study on Technology Convergence Analysis and R&D Strategy Development for Port Industry in Korea

Article information

J Navig Port Res. 2025;49(2):196-204
Publication date (electronic) : 2025 April 30
doi : https://doi.org/10.5394/KINPR.2025.49.2.196
*Senior Researcher, Korea Maritime Institute, Busan, Korea
Professor, School of Business Administration and RIEEE, Kyungpook National University, Daegu, Korea
한장협*, 김채복,
*한국해양수산개발원 전문연구원
경북대학교 경영학부 교수
Corresponding author : 정회원, kimcb@knu.ac.kr 053)950-5444
Received 2025 April 1; Revised 2025 April 10; Accepted 2025 April 14.

Abstract

항만산업은 스마트 항만, 자동화 물류, 친환경 기술, 보안 및 감시 시스템 등 다양한 분야에서 기술 융합이 활발하게 이루어지고 있다. 본 연구는 IPC 코드 기반 특허 네트워크 분석을 활용하여 한국 항만산업의 핵심 기술군을 도출하고, 기술융합 구조 및 R&D 전략을 제안하는 것을 목표로 한다. 국내 항만산업 관련 특허 데이터를 수집한 후, IPC 코드 간 동시 출현 빈도를 기반으로 기술 네트워크 중심성을 분석하였다. 분석 결과, G06Q(데이터 처리), G08G(교통 관리), B63B(선박 구조), E02B(항만 건설), H04N(영상 감시) 등의 IPC 코드가 기술 융합의 중심을 차지하는 것으로 나타났다. Degree Centrality 분석에서는 스마트 항만 및 자동화 물류 기술이 핵심 융합 기술로 확인되었으며, Betweenness Centrality 분석을 통해 선박 및 자동 제어 기술이 기술 간 연결을 담당하는 허브 역할을 수행함을 알 수 있었다. Closeness Centrality 분석을 활용하여 빅데이터 및 AI 기반의 항만 운영 기술이 기술 확산 가능성이 높은 분야임을 밝혀내었다. 이러한 결과를 바탕으로, 본 연구는 핵심 기술군 중심의 R&D 투자, 특허 포트폴리오 최적화, 국제 기술 협력 및 표준화 전략을 제안하였으며, 이를 통해 항만산업의 기술 혁신이 촉진되고 글로벌 경쟁력이 강화될 것으로 기대한다.

Trans Abstract

The port industry has experienced significant technological convergence in areas such as smart ports, automated logistics, eco-friendly technologies, and security and surveillance systems. This study aims to identify key technology groups for the port industry in Korea by conducting an IPC code-based patent network analysis and to propose technology convergence structures and R&D strategies. Patent data related to Korea’s port industry were collected and analyzed using network centrality based on IPC code co-occurrence frequency. The analysis identifies the IPC codes G06Q (data processing), G08G (traffic management), B63B (ship structures), E02B (port construction), and H04N (image surveillance) as crucial drivers of technology convergence. The Degree Centrality analysis verifies that technologies related to smart ports and automated logistics are pivotal in this convergence. Betweenness Centrality analysis indicates that ship-derived and automated control technologies play essential roles as intermediaries among different technologies. Furthermore, Closeness Centrality analysis suggests that big data and AI, applied to port operations, have a high potential for facilitating technology diffusion. Consequently, this study recommends R&D investments targeted at these key technology groups, optimized patent portfolios, international technology collaborations, and standardization strategies. These proposed methods and strategies are likely to boost technological innovation in the port industry and enhance its global competitiveness.

1. 서 론

항만산업은 4차 산업혁명의 영향으로 스마트화 및 자동화가 빠르게 진행되고 있으며, AI, 빅데이터, IoT 등과의 기술 융합이 활발히 이루어지고 있다. 특히, 항만 운영의 효율성을 극대화하고 환경 규제에 대응하기 위해 스마트 항만, 친환경 기술, 물류 최적화 및 보안 기술 등이 핵심 분야로 부상하고 있다(Acciaro et al., 2014). 이러한 변화 속에서 기술 간 융합이 항만산업의 혁신을 주도하는 핵심 요소로 작용하고 있으며, 특허 데이터 분석을 통해 기술융합의 구조와 패턴을 체계적으로 파악하는 것이 필요하다(WIPO, 2021).

본 연구는 IPC 코드 기반 특허 분석을 활용하여 한국 항만산업의 핵심기술을 도출하고, 기술융합 특성을 분석하는 것을 주요 목적으로 한다. 이를 통해 국내 항만산업의 기술 트렌드를 정량적으로 분석하고, R&D 및 특허 전략 수립을 위한 기초자료를 제공하고자 한다.

최근 항만산업에서는 ① 스마트 항만 기술의 확산, ② 친환경 항만 기술의 중요성 증대, ③ 기술융합을 통한 혁신 가속화가 주요 변화로 나타나고 있다(Port Technology, 2016; Saaen, 2019; Molavi et al., 2020). 그러나 기존 연구는 개별 기술에 대한 분석에 집중되어 있으며, 항만산업 내 기술융합의 구조적 특성을 실증적으로 분석한 연구는 부족한 실정이다(Jiang et al., 2021; 김현주·김동현, 2024). 이에 본 연구는 IPC 코드 기반 네트워크 분석을 활용하여 항만산업의 기술융합 패턴을 정량적으로 분석하고, R&D 및 특허 전략 수립을 위한 기초자료를 제공하고자 한다.

특히, 본 연구는 한국 항만산업 관련 특허 데이터를 분석 대상으로 설정하고, IPC 코드 기반 특허 분석을 수행하여 핵심 기술군 및 기술융합 패턴을 도출한다. 이를 위해 IPC 코드 동시분류 행렬(Co-Classification Matrix)을 활용한 기술융합 분석과 네트워크 분석 기법을 적용하여 항만 기술 네트워크의 중심성 및 연계 구조를 분석한다(Hagedoorn, 2002). 도출된 결과를 바탕으로 기술융합을 고려한 연구개발(R&D) 및 특허 전략 방향을 제시한다.

본 논문은 총 5개 장으로 구성되며, 제1장 서론에서는 연구의 배경과 필요성을 설명하고, 제2장 이론적 배경 및 연구 방법론에서는 IPC 코드 기반 특허 분석의 개념과 연구 방법을 제시한다. 제3장 한국 항만산업의 핵심기술 분석에서는 주요 IPC 코드와 기술군을 도출하고, 제4장 항만 기술융합 특성 및 전략 분석에서는 기술 네트워크 분석을 통해 기술융합 구조를 파악한다. 마지막으로, 제5장 결론 및 시사점에서는 연구 결과를 요약하고, 항만산업의 기술 발전 및 정책적 방향을 제시한다.

2. 이론적 배경 및 연구 방법론

2.1 항만산업의 기술 변화와 기술융합 개념

항만산업은 전통적으로 물류와 해운의 중심 역할을 수행해 왔으며, 최근 4차 산업혁명의 영향을 받아 디지털화, 자동화 및 친환경화가 빠르게 진행되고 있다(Acciaro et al., 2014). 이러한 변화는 단순한 개별 기술의 발전을 넘어, 다양한 기술 간 융합을 통해 새로운 가치와 혁신을 창출하는 방향으로 진행되고 있다.

과거 항만산업의 주요 기술 변화는 하역 장비와 물류 관리 시스템의 개선에 초점이 맞추어졌으나(Marlow and PaixãoCasaca, 2003), 현재는 AI, 빅데이터, IoT, 블록체인 및 친환경 기술이 결합되면서 스마트 항만(Smart Port) 구축이 가속화되고 있다(Port Technology, 2016; Saaen, 2019; Deloitte, 2017; 이언경·이수영, 2019). 스마트 항만은 단순한 자동화를 넘어, 데이터 기반의 운영 최적화 및 에너지 효율화를 목표로 하는 새로운 형태의 항만을 의미한다.

국내 연구에서는 항만 디지털 전환 및 스마트 항만 정책에 대한 고찰(이언경·이수영, 2019), 자동화 하역시스템의 기술 수용 분석(조성우 외, 2014), 항만산업의 에너지 전환과 친환경화 전략(최석범·한상훈, 2010) 등이 수행되었다. 국외에서는 Saaen(2019)는 스마트항만이 되기 위한 10가지 조건을 제시하였으며, Molavi et al.(2020)은 스마트그리드 기술이 스마트항만에 적용되었을 때, 항만 생산성, 지속가능성, 운영 신뢰성이 증가하는 것을 밝혔다. Di Vaio et al.(2020)은 스마트 항만 기술의 수용과정과 혁신 구조를 규명하였다.

그러나 대부분의 기존 연구는 특정 기술군 또는 정책 중심의 접근에 한정되어 있으며, 특허 데이터 기반으로 항만산업 전반의 기술 간 융합 구조를 실증적으로 분석한 연구는 부족한 실정이다. 특히 IPC 코드 간 동시분류 분석을 통해 항만산업 내 기술군 간 연결성과 구조적 중심성을 파악하는 시도는 국내외적으로도 드문 사례이다.

기술융합은 두 개 이상의 이종 기술이 결합하여 새로운 기술적 성과를 창출하는 과정으로 정의되며, 항만산업에서도 이러한 융합이 중요한 경쟁력으로 작용하고 있다(Hagedoorn, 2002). 예를 들어, AI 기반의 물류 최적화(G06Q)와 교통 관리 시스템(G08G)의 융합은 항만 운영의 효율성을 높이고, 친환경 에너지 기술(F03D)과 항만 건설 기술(E02B)의 결합은 지속가능한 항만 인프라 구축을 가능하게 한다.

따라서, 항만산업의 기술 발전을 단순한 개별 기술 수준에서 분석하는 것을 넘어, 기술 간 융합 패턴을 정량적으로 분석하는 것이 필수적이다. 이에 따라 본 연구에서는 IPC 코드 기반의 기술융합 분석을 활용하여 항만산업의 혁신 패턴을 도출하고, 미래 기술 발전 방향을 제시하고자 한다.

2.2 IPC 코드 및 특허 데이터 분석의 개념

특허 데이터는 기술 개발과 상용화 과정을 반영하는 중요한 자료로, 산업 내 기술 트렌드 및 기술 간 융합 관계를 분석하는 데 유용하게 활용된다(Choi and Hwang, 2014). 특히, 국제특허분류(IPC; International Patent Classification) 코드는 특정 기술이 속한 분야를 체계적으로 분류하는 표준 체계로, 기술 발전의 흐름과 융합 구조를 분석하는 데 필수적인 도구이다(WIPO, 2021).

IPC 코드는 섹션(Section), 클래스(Class), 서브클래스(Subclass)로 구성되며, 한 개의 특허에 여러 개의 IPC 코드가 부여될 수 있다. 이는 해당 기술이 다양한 기술군과 융합되었음을 의미하며, IPC 코드 간 동시 출현 빈도(Co-Classification)를 분석하면 기술 간 융합 관계를 정량적으로 도출할 수 있다(한장협·김채복, 2020).

특허 데이터를 활용한 주요 분석 방법으로는 ① 특허 출원 동향 분석, ② IPC 코드 기반 네트워크 분석, ③ 특허 영향력 분석이 있다. 이를 통해 특정 기술 분야의 발전 속도를 평가하고, 기술 간 관계 및 융합 구조를 파악하며, 핵심 특허를 식별할 수 있다.

IPC 코드 기반 분석은 기존 연구에서 개별 기술의 발전 양상을 다루는 것을 넘어, 기술 간 연계성과 융합의 구조적 특성을 정량적으로 분석할 수 있다는 점에서 유용한 방법론으로 평가된다. 이에 본 연구에서는 IPC 코드 기반 네트워크 분석을 통해 항만산업의 핵심 기술군을 도출하고, 기술융합 특성을 분석하여 R&D 및 특허 전략을 제시하고자 한다.

2.3 기술융합 분석을 위한 연구 방법론

본 연구에서는 IPC 코드를 활용하여 항만산업에서 핵심 기술군을 도출하고, 기술 간의 융합 패턴을 정량적으로 분석하고자 한다. 따라서 IPC 코드 기반 특허 데이터 분석을 통해 항만산업의 기술융합 구조를 도출하기 위해 다음과 같은 방법론을 적용한다.

2.3.1 데이터 수집 및 전처리

특허데이터 수집을 위해 특허청에서 운영 중인 KIPRIS(www.kipris.or.kr)를 이용하여 데이터를 수집하였다. KIPRIS의 ‘상세검색’ 창에서 자유검색(전문) 항목에 '항만'을 입력하여 1972년부터 현재까지 출원된 총 13,697개의 특허 문헌을 확보1)하였고 엑셀 형식으로 다운로드하여 분석에 활용하였다. 수집된 특허 문헌에서 IPC 코드를 추출하고, 이를 서브클래스(Subclass, 앞 4자리) 수준으로 정리하여 분석을 수행한다.

2.3.2 동시분류 행렬(Co-Classification Matrix) 분석

특허 문헌에서 함께 부여된 IPC 코드 간의 동시 출현 빈도를 분석하여 기술 간 융합 구조를 도출한다(한장협·김채복, 2020). 동시분류 행렬을 기반으로 기술 네트워크를 구성하고, 기술 간 연계성을 수치화한다.

2.3.3 네트워크 분석

동시 출현 네트워크에서 연결 중심성, 매개 중심성, 근접 중심성 등의 지표를 활용하여 기술 간 핵심 융합 구조를 분석한다(Borgatti & Everett, 1999). 이를 통해 항만산업에서 가장 중요한 기술 융합 허브 역할을 수행하는 IPC 코드를 도출한다.

2.4 분석 프레임워크 및 주요 지표

본 연구는 항만산업의 기술융합 분석을 위해 IPC 코드 기반 특허 데이터를 활용한 분석 프레임워크를 설정하였다. 연구의 분석 단계는 다음과 같이 구성된다.

먼저, 특허 데이터 수집 및 IPC 코드 정리를 수행하여 한국 항만산업과 관련된 특허 문헌을 확보하고, 이를 기반으로 IPC 코드를 추출 및 정리한다. 이후, IPC 코드 간 동시 출현 빈도를 분석하여 동시분류 행렬(Co-Classification Matrix)을 생성하고, 기술 간의 연계성을 수치화한다. 다음으로, 네트워크 분석을 적용하여 기술융합 구조를 도출하며, 중심성 분석을 통해 항만산업 내에서 중요한 역할을 하는 핵심 기술군을 식별한다. 마지막으로, 분석된 결과를 바탕으로 핵심 기술군 및 연구개발(R&D) 전략을 도출하여 항만 기술 발전 방향을 제시한다.

네트워크 분석에서는 기술융합 구조를 분석하기 위해 연결 중심성(Degree Centrality), 매개 중심성(Betweenness Centrality), 근접 중심성(Closeness Centrality) 등의 지표를 활용한다. 연결 중심성은 특정 IPC 코드가 다른 코드와 얼마나 많이 연결되어 있는지를 나타내며, 항만 기술 네트워크에서 가장 활발하게 융합이 이루어지는 핵심 기술을 파악하는 데 사용된다. 매개 중심성은 특정 기술이 서로 다른 기술군 간의 연결을 담당하는 정도를 의미하며, 기술 융합의 허브 역할을 수행하는 기술을 식별할 수 있도록 한다. 근접 중심성은 특정 기술이 네트워크 내에서 다른 기술과 얼마나 빠르게 연결될 수 있는지를 측정하는 지표로, 기술 확산 가능성이 높은 핵심 기술을 분석하는 데 활용된다.

이를 통해 본 연구는 한국 항만산업의 핵심 기술군을 도출하고, 기술융합 패턴을 분석하여 연구개발(R&D) 및 특허 전략을 제안하고자 한다. 이러한 분석을 바탕으로, 스마트 항만, 친환경 기술, 자동화 및 물류 최적화 등 항만산업의 주요 연구 분야에서 기술 간 융합의 방향성을 제시하고, 항만 기술의 경쟁력을 강화하기 위한 정책적 시사점을 도출할 것이다.

3. 항만산업의 핵심기술 분석

3.1 항만산업 관련 특허 동향

만산업 관련 특허 출원 동향을 분석한 결과, 특허 출원 건수는 1990년대 중반부터 본격적으로 증가하기 시작하여, 2000년대 초반에는 연간 200건을 넘어서며 꾸준한 성장세를 기록하였다. 이후 2010년대 중반부터는 특허 출원이 본격적으로 활성화되면서 매년 500~900건에 달하는 높은 출원 건수를 기록하였다.

특히, 2018년에는 912건으로 최고치를 기록, 스마트 항만 및 친환경 기술에 대한 연구개발의 결과로 보인다. 이후 2020년대 초반까지 높은 출원 건수가 유지되었으나, 2021년 이후에는 출원 건수가 감소하는 추세를 보이고 있다. 이는 기술적 성숙, 경제적 불확실성, 또는 시장 포화와 같은 요인에 기인하는 것으로 분석된다.

전체적으로, 항만산업 관련 특허 출원은 스마트 항만 기술의 발전, 자동화 물류 시스템 개발, 친환경 기술 도입과 같은 주요 기술 트렌드에 따라 지속적인 증가를 보였다. 특히, 데이터 처리 및 운영 관리, 교통 관리, 항만 건설, 친환경 선박 기술 등과 관련된 특허가 출원의 주요 영역으로 확인된다.

한편, 항만 관련 주요 특허 출원인 분석 결과를 살펴봤을 때, 한화오션 주식회사가 305건으로 가장 많은 특허를 출원한 것으로 나타났다. 뒤이어 삼성중공업(262건), 에이치디한국조선해양(213건)과 같은 조선 및 해양 관련 대기업들이 상위권을 차지하며, 항만 및 선박 기술 개발에 대한 활발한 연구개발 활동을 보였다.

또한, 한국해양과학기술원(204건), 엘지전자(190건)과 같은 연구기관 및 대기업도 상위 출원인 목록에 포함되어 있으며, 이는 항만 기술의 연구개발이 민간 기업과 공공 연구기관 간 협력 하에 진행되고 있음을 보여준다.

3.2 핵심 기술군 도출 및 기술 동향 분석

본 연구에서는 IPC 코드 기반 네트워크 분석을 통해 한국 항만산업에서 기술 융합이 활발히 이루어지는 핵심 기술군을 도출하였다. 분석 결과, ① 선박 및 해양 구조물(B63B), ② 데이터 처리 및 운영 관리(G06Q), ③ 항만 및 수로 건설(E02B), ④ 교통 및 물류 관리 시스템(G08G), ⑤ 영상 감시 및 보안 기술(H04N) 이 항만산업에서 중요한 역할을 하는 핵심 기술군으로 확인되었다. 각 기술군에 대한 세부 내용과 최근 연구 동향을 다음과 같이 정리할 수 있다.

3.2.1 선박 및 해양 구조물 (B63B: Ships and Other Waterborne Vessels)

선박 및 해양 구조물 관련 기술(B63B)은 선박의 설계, 건조, 운항 및 유지보수와 관련된 기술을 포함하며, 항만산업에서 필수적인 해양 교통 기술로 기능하고 있다. 특히, 자율운항선박, 친환경 선박(전기·수소 추진), 스마트 선박 기술이 최근 연구개발의 핵심 이슈로 떠오르고 있으며, 스마트 항만 기술과의 연계성이 강화되고 있다. 자율운항선박의 발전은 AI, 센서 기술, 실시간 데이터 분석 기술과의 융합을 통해 이루어지고 있으며, 기존의 해상 운송 방식을 혁신하는 방향으로 나아가고 있다. 또한, IMO(국제해사기구)의 환경 규제 강화에 따라 친환경 선박 기술이 급격히 발전하고 있으며, 탄소 배출 저감 및 대체 연료 활용이 주요 연구 분야로 부각되고 있다. 이러한 기술들은 항만 자동화 및 스마트 해운 시스템과의 융합을 통해 더욱 효율적인 해상 물류 체계를 구축하는 데 기여하고 있다.

3.2.2 데이터 처리 및 운영 관리 (G06Q: Data Processing for Logistics and Business)

데이터 처리 및 운영 관리(G06Q) 기술은 항만 및 물류 운영의 최적화와 자동화를 위한 핵심 기술로, AI, IoT, 빅데이터 분석 기술과 융합되어 스마트 항만 시스템 구축을 지원하고 있다. 최근 연구에서는 디지털 트윈(Digital Twin) 기술을 활용한 항만 운영 최적화, 예측 유지보수(Predictive Maintenance), 최적 경로 탐색(Optimal Route Planning) 등의 연구가 활발히 이루어지고 있으며, AI 기반 자동 의사결정 시스템이 도입되고 있다. 또한, 블록체인 기술과 연계하여 항만 물류 데이터의 투명성을 강화하고 보안성을 높이는 연구도 증가하는 추세이다. 이와 같은 데이터 기반 기술들은 스마트 항만 구축을 위한 핵심 요소로 작용하며, 교통 관리(G08G) 및 영상 감시(H04N) 기술과의 융합을 통해 항만 물류 최적화를 위한 통합 시스템으로 발전하고 있다.

3.2.3 항만 및 수로 건설 (E02B: Harbors, Waterways, Dams, and Other Hydraulic Engineering)

항만 및 수로 건설 기술(E02B)은 항만, 부두, 방파제 및 수로 등의 설계 및 건설과 관련된 기술을 포함하며, 기후 변화 대응 및 친환경 항만 인프라 구축과 밀접한 관계가 있다. 최근 연구에서는 탄소 중립 항만(Net-Zero Port) 조성을 위한 친환경 인프라 구축, 스마트 방파제 및 항만 내 자율운송 시스템과의 연계, AI 및 센서 기반의 실시간 모니터링 시스템 적용이 주요 이슈로 떠오르고 있다. 또한, 해수면 상승 및 기후 변화에 대비한 지능형 항만 인프라 설계 및 유지보수 자동화 시스템 구축이 연구되고 있으며, 친환경 기술과의 융합을 통해 지속가능한 항만 건설이 강조되고 있다. 특히, 항만 건설 기술(E02B)은 데이터 처리 및 운영 관리(G06Q)와의 연계를 통해 항만 내 인공지능 기반 시설 관리 시스템을 구축하고 있으며, 자동화 및 에너지 최적화 기술이 접목되면서 스마트 항만 인프라로의 전환이 가속화되고 있다.

3.2.4 교통 및 물류 관리 시스템 (G08G: Traffic Control Systems)

교통 및 물류 관리 시스템(G08G) 기술은 항만 내 물류 흐름을 최적화하고 선박 및 화물 이동을 효율적으로 관리하기 위한 IT 및 자동화 기술을 포함한다. 스마트 항만 시스템에서는 자율운송 시스템(Automated Guided Vehicles, AGVs), 자동 크레인, 실시간 선박 입출항 관리 시스템이 점점 더 중요해지고 있으며, 이를 지원하기 위해 AI 및 IoT 기반의 실시간 물류 운영 최적화 기술이 개발되고 있다. 또한, 항만 내 교통 체증 및 물류 흐름을 분석하는 스마트 교통 관리 시스템이 도입되면서, 항만 운영의 효율성이 향상되고 있다. 이러한 기술은 데이터 처리(G06Q) 및 영상 감시(H04N) 기술과 결합하여 항만 내 화물 이동을 보다 정밀하게 추적하고, 물류 최적화를 실현하는 데 중요한 역할을 수행하고 있다.

3.2.5 영상 감시 및 보안 (H04N: Image and Video Processing)

영상 감시 및 보안(H04N) 기술은 항만 및 선박의 보안 감시, 화물 상태 모니터링, 자동화 검사 시스템과 관련된 기술로, 스마트 항만의 안전성 및 운영 효율성을 강화하는 데 필수적인 요소이다. 특히, AI 기반 영상 분석 기술이 발전하면서, 실시간 선박 및 화물 모니터링, 항만 내 출입 통제, 드론 및 CCTV를 활용한 보안 감시 시스템 구축이 활발하게 이루어지고 있다. 또한, 위성 영상 및 항만 내 IoT 센서를 결합하여 화물 이동 경로를 추적하고, 무단 접근을 감지하는 보안 시스템이 연구되고 있다. 이 기술은 교통 및 물류 관리(G08G) 및 데이터 처리(G06Q) 기술과 융합되어, 항만 내 운영의 자동화뿐만 아니라 보안 강화를 위한 실시간 감시 시스템으로 발전하고 있다. 이러한 분석을 통해 항만 산업에서 핵심 기술로 작용하는 IPC 코드 5개를 도출하였으며, 이들 기술은 스마트 항만, 자동화, 친환경 기술, 보안 시스템 등과 밀접한 연관성을 가짐을 확인하였다.

4. 항만 기술융합 특성 및 전략 분석

4.1 특허 IPC 네트워크 분석 결과

본 연구에서는 특허 IPC 동시분류 행렬을 활용하여 기술 네트워크를 분석하고 주요 기술 융합 패턴을 도출하였다. 이를 위해 연결 중심성(Degree Centrality), 매개중심성(Betweenness Centrality), 근접중심성(Closeness Centrality) 을 분석하였으며, 이를 기반으로 항만 기술 융합의 핵심 기술군을 도출하였다.

4.1.1 연결중심성 분석 결과

연결중심성(Degree Centrality)은 특정 IPC 코드가 네트워크 내에서 얼마나 많은 다른 IPC 코드와 연결되어 있는지를 나타내는 지표로, 기술 간 융합이 활발한 핵심 기술 분야를 식별하는 데 유용하다.

연결중심성이 높은 IPC 코드들은 다양한 기술과 융합이 이루어지고 있는 핵심 기술군을 의미한다. 분석 결과, G06Q(데이터 처리 및 운영 관리), G08G(교통 관리), B65G(운반 장치), B66C(크레인 및 하역 장치) 등이 높은 Degree Centrality를 기록하였다. 이는 스마트 항만(Smart Port) 및 자동화 물류 기술이 항만산업에서 주요한 기술 융합의 중심에 위치하고 있음을 시사한다. 특히, 데이터 처리(G06Q)와 교통 관리(G08G) 기술이 물류 최적화 및 자동화 시스템과 융합되면서 스마트 항만 운영의 핵심 기술로 자리 잡고 있으며, 운반 장치(B65G) 및 자동화 크레인(B66C) 기술이 스마트 항만에서의 하역 및 물류 시스템 최적화를 주도하고 있는 것으로 분석되었다.

연결중심성이 높은 기술들은 다양한 기술과의 접점이 많아 연구개발(R&D)에서 중요한 역할을 수행한다. 이러한 IPC 코드가 포함된 기술 분야는 지속적인 혁신과 융합 연구가 필요하며, 관련 연구 및 특허 출원이 집중될 가능성이 높다. 따라서, 스마트 항만 및 물류 자동화 기술을 중심으로 다른 기술과의 융합 가능성을 검토하고, 신기술 개발 전략을 수립하는 것이 필요하다.

4.1.2 매개중심성 분석 결과

매개 중심성(Betweenness Centrality)은 특정 IPC 코드가 네트워크 내에서 기술 간 연결의 중개 역할을 수행하는 정도를 나타내며, 기술 간 융합을 촉진하는 핵심 허브 역할을 하는 기술을 식별하는 데 유용한 지표이다.

매개중심성이 높은 IPC 코드로는 B63B(선박 및 해양 구조물), G05D(자동 제어 시스템), H04N(영상 정보 처리) 등이 확인되었다. 이는 해당 기술이 서로 다른 기술군 간 연결을 담당하는 허브 기술로 작용하고 있음을 의미한다. 특히, 선박 기술(B63B)은 항만 기술 전반과 연계되어 있으며, 자동 제어(G05D) 기술과 융합되어 자율운항 선박 및 항만 자동화 시스템 발전을 주도하고 있다. 또한, 영상 처리 기술(H04N)은 보안 및 모니터링 기술과 결합하여 스마트 항만 내 보안 시스템 및 물류 추적 시스템 구축에 중요한 역할을 수행하는 것으로 분석되었다.

매개중심성이 높은 기술들은 다른 기술군 간의 연계를 담당하는 브릿지(Bridge) 역할을 수행하며, 다양한 산업 분야에서 기술 간 융합을 촉진하는 역할을 한다. 본 연구에서 도출된 결과에 따르면, 항만 자동화 및 스마트 항만 기술이 해양 엔지니어링, 인공지능, 데이터 분석 등 여러 기술군과 융합되는 과정에서 중개 역할을 하는 것으로 분석되었다.

따라서, 매개중심성이 높은 기술군을 연구개발(R&D) 전략에서 융합 연구의 중점 기술로 설정하고, 관련 특허 출원 및 연구개발 투자를 강화할 필요가 있다. 특히, 선박 기술(B63B)과 자동 제어 기술(G05D)의 융합을 통한 자율운항 및 자동화 기술 개발, 영상 처리 기술(H04N)을 활용한 스마트 항만 보안 시스템 구축 등이 중요한 연구 방향이 될 수 있다.

4.1.3 근접중심성 분석 결과

근접중심성(Closeness Centrality)는 특정 IPC 코드가 네트워크 내에서 얼마나 빠르게 다른 IPC 코드들과 연결될 수 있는지를 나타내며, 기술 확산 및 응용 가능성이 높은 핵심 기술군을 식별하는 데 유용한 지표이다.

근접중심성이 높은 IPC 코드로는 G06Q(데이터 처리 및 운영 관리), G08G(교통 관리), E02B(항만 및 수로 건설) 등이 도출되었다. 이는 해당 기술들이 다른 기술과 신속하게 융합될 수 있는 핵심 기술군임을 의미한다. 특히, G06Q(데이터 처리 및 운영 관리) 기술은 AI 및 빅데이터 분석 기술과 결합하여 항만 운영 자동화 및 최적화를 지원하고 있으며, G08G(교통 관리) 기술은 항만 내 물류 흐름 최적화를 위한 핵심 기술로 작용하고 있다. 또한, E02B(항만 및 수로 건설) 기술은 친환경 스마트 항만 인프라 구축을 위한 기술과 융합되면서 미래 항만 개발의 핵심 요소로 자리 잡고 있는 것으로 분석되었다.

근접중심성이 높은 기술들은 기술 융합 및 응용이 용이한 분야로, 빠르게 확산될 가능성이 높은 기술군을 의미한다. 본 연구 결과에 따르면, 스마트 항만 관련 연구에서 AI 및 빅데이터 기반 기술, 항만 자동화 기술과의 융합 가능성이 높으며, 연구개발(R&D)의 우선순위를 설정할 필요가 있음을 확인할 수 있다.

따라서, 근접중심성이 높은 핵심 기술군에 대한 선제적 연구개발 및 표준화 전략을 수립하는 것이 중요하며, 특히 스마트 항만 운영의 효율성을 높이기 위한 데이터 처리 기술(G06Q) 및 교통 관리 기술(G08G)의 융합 연구를 활성화하고, 친환경 항만 인프라 구축을 위한 항만 건설 기술(E02B)과의 연계성을 강화하는 전략이 필요하다.

4.2 기술융합을 고려한 R&D 투자 및 특허 전략 수립

항만산업에서의 기술 발전은 개별 기술의 혁신만으로 이루어지는 것이 아니라, 다양한 기술 간 융합을 통해 새로운 가치가 창출되는 과정에서 더욱 가속화된다. 본 연구에서 도출된 결과에 따르면, 스마트 항만, 자동화 물류, 친환경 기술, 보안 및 모니터링 기술이 항만 기술융합의 주요 분야로 확인되었으며, 이러한 기술 간의 연계성을 고려한 효율적인 연구개발(R&D) 투자 및 특허 전략 수립이 필수적이다. 이에 따라 본 연구에서는 항만 기술융합을 촉진하고 혁신을 극대화하기 위한 전략으로 (1) 기술융합 중심의 R&D 투자 전략, (2) 핵심 기술군별 특허 포트폴리오 구축, (3) 국제 협력 및 표준화 전략의 세 가지 방향을 제안하고자 한다.

4.2.1 기술융합 중심의 R&D 투자 전략

기술융합이 활발한 핵심 기술군에 대한 연구개발을 강화하기 위해 ① 스마트 항만 및 자동화 기술, ② 친환경 항만 및 탄소 저감 기술, ③ AI 및 빅데이터 기반 보안 및 물류 최적화 기술에 대한 투자가 필요하다. 먼저, G06Q(데이터 처리) 및 G08G(교통 관리) 기술을 중심으로 스마트 항만 운영 시스템을 구축하고, AI 및 IoT를 활용한 자율운송 시스템(AGV), 자동 크레인(B66C) 개발을 추진해야 한다. 또한, B63B(친환경 선박) 및 F03D(신재생 에너지 기술) 연구를 확대하여 탄소 중립 항만 구축을 지원하고, 빅데이터 기반 물류 최적화 및 영상 감시(H04N) 기술을 활용한 보안 시스템을 개발하는 연구개발이 요구된다.

4.2.2 핵심 기술군별 특허 포트폴리오 구축

기술융합이 활발한 기술군을 중심으로 특허 포트폴리오를 구축하고, 지식재산권(IP) 전략을 강화해야 한다. 먼저, 스마트 항만 및 자동화 물류 기술(G06Q, G08G, B65G, B66C)에 대한 특허 확보를 확대하고, 친환경 항만 및 탄소 저감 기술(B63B, F03D, H02J) 관련 특허 보호를 강화해야 한다. 또한, 경쟁사 특허 동향을 분석하여 특허 회피(Design Around) 전략을 마련하고, 글로벌 시장 진출을 위한 특허 라이선싱 및 기술 이전 전략을 병행할 필요가 있다.

4.2.3 국제 협력 및 표준화 전략

스마트 항만 및 친환경 기술이 국제적으로 통용되기 위해서는 IMO, WTO, ISO 등의 기준을 반영한 연구개발 및 특허 전략이 요구된다. 이를 위해, IMO 및 ISO 표준과의 정합성을 확보하고, 해외 항만 기술 선진국(싱가포르, 네덜란드, 중국)과의 기술 협력 및 공동 연구를 추진해야 한다. 또한, 해외 시장을 고려한 국제 특허 출원을 강화하여 글로벌 경쟁력을 확보할 필요가 있다.

5. 결 론

5.1 연구 결과 요약

최근 항만 산업은 기술 융합을 통한 스마트화 및 자동화를 핵심 목표로 삼고 있으며, 이에 따라 다양한 기술 간의 융합이 활발히 이루어지고 있다. 본 연구에서는 특허 IPC 코드 기반 네트워크 분석을 통해 항만 산업에서 중요한 기술 융합 구조를 도출하고, 이를 바탕으로 주요 트렌드를 분석하였다. 분석 결과, 항만 산업에서는 스마트 항만, 자동화 기술, 친환경 기술, 물류 최적화 및 보안 기술이 융합의 중심이 되는 것으로 나타났다. 이러한 기술 융합의 경향을 고려하여 효과적인 연구개발(R&D) 전략과 특허 포트폴리오 구축 방향을 제안할 수 있다.

먼저, 스마트 항만 및 자동화 기술의 확산이 두드러지게 나타나고 있다. 항만 운영의 효율성을 극대화하기 위해 데이터 기반의 물류 최적화 기술이 적극적으로 활용되고 있으며, 인공지능(AI)과 사물인터넷(IoT) 기술이 항만 자동화 시스템과 융합되고 있다. 특히, 데이터 처리 및 운영 관리 기술(G06Q)과 교통 관리 시스템(G08G) 간의 융합이 활발하게 이루어지며, 스마트 항만 내 물류 최적화 및 운영 자동화가 중요한 연구 분야로 부상하고 있다. 또한, 컨테이너 및 화물 처리 기술(B65G)과 크레인 및 하역 장비(B66C)와 같은 물류 자동화 기술이 스마트 항만 시스템 내에서 핵심적인 역할을 수행하고 있다. 이러한 기술들의 융합은 자율운송 차량(AGV) 및 자동화 크레인과 같은 무인화 시스템의 도입을 가속화하고 있으며, 이를 통해 항만 운영의 효율성을 극대화할 수 있을 것으로 기대된다.

이와 함께, 친환경 항만 기술의 도입이 중요한 이슈로 부각되고 있다. 국제해사기구(IMO)의 환경 규제 강화에 대응하기 위해 항만 및 선박의 친환경 기술 개발이 필수적으로 요구되고 있으며, 탄소 배출 저감 기술 및 신재생 에너지 활용 기술이 항만 산업에서 중요한 연구 주제로 자리 잡고 있다. 선박 구조 및 추진 기술(B63B)과 항만 및 수로 건설 기술(E02B)의 융합을 통해 친환경 선박 및 항만 인프라 구축이 활발하게 이루어지고 있으며, 풍력 발전(F03D)과 에너지 저장 및 관리 기술(H02J)이 항만 내 신재생 에너지 활용 기술로 주목받고 있다. 특히, 스마트 그리드 기술과의 연계를 통해 항만 내 에너지 관리 효율성을 향상시키려는 연구가 활발히 진행되고 있음을 알 수 있었다.

빅데이터 및 인공지능 기반의 물류 최적화 기술이 항만 운영의 혁신을 이끌고 있다. 항만 내 실시간 데이터 분석을 통해 화물 흐름을 최적화하고 예측 분석을 수행하는 기술이 발전하고 있으며, AI 기반 물류 자동화 및 자율운송 기술이 연구개발의 주요 흐름으로 자리 잡고 있다. 데이터 처리(G06Q)와 교통 관리(G08G) 기술의 융합이 이러한 스마트 물류 최적화를 주도하고 있으며, 영상 분석 및 모니터링 기술(H04N)이 화물 및 선박 인식 자동화를 위한 핵심 기술로 활용되고 있다.

또한, 항만의 보안 및 감시 기술이 강화되고 있으며, 무인 항만 및 자동화 시스템의 도입이 증가함에 따라 보안 기술의 중요성이 더욱 부각되고 있다. 영상 감시(H04N) 및 보안 및 경보 시스템(G08B) 기술이 항만 내 감시 및 보안 시스템 구축에 활용되며, 해양 방어 및 항만 보안(B63G)과 생체 인식 및 보안 시스템(G06K)의 융합을 통해 출입 관리 및 선박 보안 기술이 발전하고 있다.

5.2 정책적 시사점

이러한 기술 융합의 경향을 반영하여 효과적인 연구개발(R&D) 및 특허 전략을 수립할 필요가 있다. 우선, 스마트 항만 및 자동화 기술에 대한 연구개발 투자를 확대하고, 인공지능 및 데이터 기반 물류 최적화 기술을 적극적으로 도입해야 한다. 더불어 자율운송 시스템, 자동화 크레인 및 무인화 터미널 기술 개발을 최우선 과제로 설정하고, 관련 기술 간 융합을 통해 항만 운영의 효율성을 향상시켜야 한다.

특허 전략 측면에서는, 주요 IPC 코드 기반으로 특허 포트폴리오를 구축하고, 기술 간 융합을 고려한 특허 확보 전략을 수립해야 한다. 스마트 항만 운영, 자동화 물류 시스템, 친환경 항만, 보안 시스템 등의 기술군을 중심으로 특허를 집중적으로 출원하고, 경쟁사 특허를 분석하여 차별화된 특허 전략을 마련해야 한다. 또한, 항만 기술은 국제 표준과 밀접한 관계가 있기 때문에 IMO 및 국제 규제 대응을 고려한 특허 확보 전략을 수립하고, 해외 시장 진출을 위한 특허 라이선싱 및 협력 전략을 추진해야 한다.

마지막으로 산·학·연 협력을 강화하여 기술 개발을 촉진하는 것이 중요하다. 스마트 항만 기술 개발을 위한 정부 연구개발(R&D) 지원 사업과 연계하여 연구를 추진하고, 국내 주요 항만(부산항, 인천항 등)과 협력하여 스마트 항만 실증 사업을 수행해야 한다. 또한, 글로벌 선진 사례를 분석하여 해외 기술 트렌드를 반영하고, 해외 기술 이전 및 협력 연구를 통해 글로벌 기술 경쟁력을 확보하는 것이 필요하다.

본 연구를 통해 항만 기술 융합의 주요 트렌드를 분석하고, 효과적인 연구개발 및 특허 전략 수립 방향을 제시하였다. 향후 항만 산업의 주요 연구개발 방향은 스마트 항만 및 자동화 기술의 발전, 친환경 항만 기술의 도입, AI 및 빅데이터 기반 물류 최적화, 보안 및 감시 기술 강화가 될 것으로 예상된다. 이러한 기술 융합을 적극적으로 활용하고, 효과적인 특허 전략과 연구개발 투자를 추진함으로써 항만 산업의 혁신을 가속화시키고 글로벌 경쟁력을 강화할 수 있을 것으로 기대한다.

Fig. 1

Trends in Patent Applications Related to the Port Industry

Fig. 2

Results of Degree Centrality Network Analysis

Fig. 3

Results of Betweenness Centrality Network Analysis

Fig. 4

Results of Closeness Centrality Network Analysis

Centrality and Frequency Results for Top 30 IPC Codes

Summary of Analysis Results

Notes

1)

2025년 1월 31일 기준

References

[1]. Acciaro M., Ghiara H., Cusano M. I.. 2014;Energy management in seaports: A new role for port authorities. Energy Policy 71:4–12.
[2]. Borgatti S. P., Everett M. G.. 1999;Models of core/periphery structures. Social Networks 21(4):375–395.
[3]. Choi J., Hwang Y. S.. 2014;Patent keyword network analysis for improving technology development efficiency. Technological Forecasting and Social Change 83(1):170–182.
[4]. Cho S., Won S., Choi S.. 2014;A Comparative Study on Automated Container Terminal according to Stevedoring System. Journal of Korea Port Economic Association 30(3):121–140.
[5]. Deloitte Port Service. 2017;Smart Port Point View
[6]. Di Vaio A., Palladino R., Hassan R., Escobar O.. 2020;Artificial intelligence and business models in the sustainable development goals perspective: A systematic literature review. Journal of Business Research 121:283–314.
[7]. Hagedoorn J.. 2002;Inter-firm R&D partnerships: An overview of major trends and patterns since 1960. Research Policy 31(4):477–492.
[8]. Han J. H., Kim C. B.. 2020;Development of Technology Convergence Strategy by Applying Patent Network Analysis on Local Industry Point of View: Focused on Daegu and Gyeongbuk Areas. Journal of Business Research 35(4):157–171.
[9]. Jiang B., Haider J., Li J., Wang Y., Yip T., Wang Y.. 2021;Exploring the Impact of Port-Centric Information Integration on Port Performance: The Case of Qingdao Port. Maritime Policy & Management 50(4):466–491.
[10]. Kim H. J., Kim D. H.. 2024;Analyzing Core Technology and Technological Convergence in the Port Industry Using IPC Classification Codes and Network Analysis. Journal of Korean Multimedia Society 27(8):909–918.
[11]. Kim J. H., Chun K. W., Lee J. Y., Lee H. J.. 2014;A Study on Establishing Green Port based on Eco-Ship Assessment Scheme. Korean Institute of Navigation and Port Reserch 2014:203–204.
[12]. Lee E. K., Lee S. Y.. 2019;A Comparative Analysis on the Level of the Korean Smart Port in the Era of 4th Industrial Revolution. The Journal of shipping and logistics 35(2):323–348.
[13]. Marlow P. B., PaixãoCasaca A. C.. 2003;Measuring Lean Ports Performance. International Journal of Transport Management 1:189–202.
[14]. Molavi A., Shi J., Wu Y., Lim G. J.. 2020;Enabling smart port through the integration of micro-grid: A two-stage stochastic programming approach. Applied Energy 258:1–10.
[15]. PortTechnology. 2016;What is a Smart Port?
[16]. Saanen Y.. 2019;10 PRE-REQUISITES FOR SMART TERMINALS, Port Technology
[17]. Stopford M.. 2009. Maritime economics 3rd Editionth ed. Routledge.
[18]. WIPO. 2021. World Intellectual Property Indicators 2021 Geneva: World Intellectual Property Organization.

Article information Continued

Fig. 1

Trends in Patent Applications Related to the Port Industry

Fig. 2

Results of Degree Centrality Network Analysis

Fig. 3

Results of Betweenness Centrality Network Analysis

Fig. 4

Results of Closeness Centrality Network Analysis

Table 1

Centrality and Frequency Results for Top 30 IPC Codes

IPC Code Degree Centrality Betweenness Centrality Closeness Centrality IPC Frequency
B63B 0.413223 0.114456 0.587264 3,731
G06Q 0.334711 0.065125 0.553913 3,249
G08B 0.260331 0.021670 0.519895 737
H04N 0.256198 0.018395 0.510432 1,070
E02B 0.250000 0.027957 0.519293 2,291
G01N 0.245868 0.046711 0.519895 606
G06F 0.239669 0.026075 0.506399 1,353
B63J 0.225207 0.024174 0.504123 475
E02D 0.219008 0.031141 0.508695 1,884
G01S 0.214876 0.018741 0.489814 1,067
G06N 0.204545 0.011490 0.495767 456
B65G 0.198347 0.044815 0.499076 962
H02S 0.194215 0.011094 0.484524 104
B66C 0.194215 0.014426 0.496316 1,216
B63H 0.190083 0.022164 0.485048 514
B01D 0.188017 0.029240 0.493586 428
B64U 0.188017 0.009664 0.488747 346
H04W 0.188017 0.009179 0.475789 1,464
C04B 0.181818 0.030654 0.484002 2,582
C02F 0.175620 0.023857 0.487155 906
E04G 0.173554 0.020437 0.488215 494
G06T 0.171488 0.010747 0.482960 695
B25J 0.171488 0.015887 0.489280 512
G06K 0.167355 0.014135 0.470797 341
G02B 0.167355 0.012490 0.470797 196
C09K 0.165289 0.032095 0.477308 305
G01B 0.163223 0.012444 0.479348 325
E02F 0.163223 0.016439 0.486099 606
A61L 0.161157 0.016553 0.480374 305
H02J 0.159091 0.010536 0.461120 250

Table 2

Summary of Analysis Results

Analysis Metric Meaning Key IPC Codes Analysis Results
Degree Centrality Number of connected technologies G06Q (Data Processing), G08G (Traffic Management), B65G (Logistics) Smart port and logistics automation technologies act as key convergence technologies.
Betweenness Centrality Intermediary role between technologies B63B (Ships), G05D (Automatic Control), H04N (Image Processing) Port automation and data processing technologies connect various technology groups.
Closeness Centrality Potential for rapid connection G06Q (Data Processing), G08G (Traffic Control), E02B (Harbor Construction) AI and data-driven smart port technologies are likely to spread rapidly.