J Navig Port Res > Volume 49(5); 2025 > Article
컨테이너 선박의 대형화가 기항시간에 미치는 영향에 관한 실증연구

요 약

본 연구는 컨테이너 선박의 대형화가 항만 기항시간에 미치는 영향을 분석하는 것을 목적으로 한다. 1980년대 이후 컨테이너 선박의 크기는 지속적으로 증가하고 있으며, 근래에는 20만톤을 초과하는 선박이 주요 기간항로에서 운항하고 있다. 초대형 컨테이너 선박의 도입은 규모의 경제를 실현하기 위함이지만, 항만운영에서는 비효율을 초래하는 것으로 나타나고 있다. 따라서, 본 연구에서는 컨테이너 선박의대형화가 항만운영에 미치는 영향을 항만 기항시간을 중심으로 분석하고자 한다. 2014~2023년 기간 동안 부산항신항에서 운영중인 3개 터미널의 자료를 분석한 결과, 컨테이너 선박의 크기와 기항시간은 정비례 관계에 있는 것으로 나타났다. 본 연구의 결과는 선박의 대형화에 따른 항만의 대응방안 마련에 많은 시사점을 제공한다.

ABSTRACT

This study investigates the impact of containership upsizing on port stay time. Since the 1980s, containerships have increased significantly in size, leading to the operation of mega-carriers exceeding 200,000 deadweight tons in recent years. While upsizing is primarily driven by the pursuit of economies of scale, it has also been shown to negatively affect port operations. Therefore, this study focuses on how containership upsizing influences port operations, specifically in terms of port stay duration. To achieve this, we analyze data from three container terminal operators in Busan New Port over the period from 2014 to 2023. The results reveal a positive correlation between containership upsizing and increased port stay time. These findings offer valuable insights for container terminals in responding to the challenges posed by containership upsizing.

1. 서 론

본 연구는 컨테이너 선박의 대형화가 항만 기항시간에 미치는 영향에 대해서 분석하는 것을 목적으로 한다. 20세기 후반부부터 해운시장의 특징은 컨테이너화와 전문화로 요약할 수 있다(Stopford, 2009). 또한, 선종을 불문하고 일관적으로 선박이 대형화되고 있는 추세이다. 대형화는 특히 컨테이너 분야에서 두드러졌는데, 클락슨리서치의 자료(Shipping Intelligence Network)에 따르면 2005년 컨테이너선의 평균 크기는 29,539톤(deadweight tonnage)이었는데, 2024년에는 52,491톤으로 1.78배 증가한 것으로 나타났다. 이는 같은 기간 탱커 1.18배, 벌크선 1.34배와 비교하면 더욱 명확해진다.
컨테이너선 대형화의 시발점은 1980년데 American Presidet Line이 포스트 파나막스 선형의 C10(4,500TEU급) 선대로 정기선 서비스를 제공한 것으로 널리 알려져 있다(Jungen et al., 2021). 그 이후, 당시 세계 최대의 컨테이너 선사였던 Maersk Line이 E-class(11,000TEU급)와 Triple E-class(18,000TEU급)를 각각 2006년과 2013년에 운항하면서 본격적으로 경쟁이 가속화되었다. 컨테이너 선사들의 대형선 발주가 이어지면서 2024년 9월 현재, 운항중인 컨테이너 선복량 3,205만TEU중 12,500TEU급 이상의 대형선의 비중은 1,112만TEU로 전체 선대의 36.8%를 차지하고 있다(Alphaliner, 2024). 또한, 대형선의 발주잔량은 321척, 531만TEU로 전체 발주잔량에서 척수 및 TEU 기준으로 각각 43.7% 및 71.1%를 차지하고 있어서 향후에도 대형화는 지속될 것으로 전망된다.
해운산업 뿐만 아니라 모든 산업에 있어서 대형화의 주된 목적은 규모의 경제(Economies of Scale) 달성을 통한 비용절감이라고 할 수 있다. 많은 연구에서 컨테이너 선박이 대형화될수록 단위당 운송비용(미화달러/TEU)은 감소하는 것으로 나타났다(Yang, 2022). 그러나, 단위당 운송비용의 감소는 Port-to-Port 운송의 측면에서는 실현할 수 있지만, 전체 공급망의 최적화라는 측면에서는 기타 요인들을 고려해야 할 것으로 보인다. 특히, 대형선의 기항은 컨테이너 터미널의 생산성 및 운영 효율성에 부정적인 영향을 미칠 수 있기 때문이다(Yang, 2021). 따라서, 많은 연구에서는 컨테이너 선박의 대형화에 대한 경제성 분석은 해상에서의 규모의 경제와 터미널(또는 항만)에서의 규모의 불경제(Diseconomies of Scale)를 동시에 고려해야 한다고 주장한다(Cullinane and Khanna, 2000; Haralambides, 2019).
이에 본 연구는 컨테이너 선박의 대형화가 선박의 항만 기항시간에 미치는 영향에 대해서 분석하고자 한다. 항만 기항시간은 컨테이너 선사의 경쟁력을 좌우하는 중요한 요소이다. 선박의 운항은 기상 등 통제 불가능한 요소들의 영향을 받기 때문에, 컨테이너 해운서비스의 정시성은 통제 가능한 영역에서의 시간단축에 달려 있다. 따라서, 컨테이너 선사는 항만 기항시간을 최소화하려는 유인을 가질 수 밖에 없다. 또한, 대형 컨테이너 선박은 자본비가 높기 때문에 자산의 회전율을 높이기 위해서는 항만에 머무는 시간을 단축해야 한다. 그러나, 컨테이너 터미널 생산성 측면에서는 선박의 대형화 및 그에 따른 화물처리량의 증가는 물리적인 작업거리의 증가로 인해 생산성에 부정적인 영향을 미칠 뿐만 아니라 하역 및 선적 작업 전후의 준비시간 증가를 포함한 전체 기항시간의 증가에도 영향을 미칠 수 밖에 없다.
본 연구는 다음과 같이 구성하였다. 2장은 컨테이너 선박의 대형화에 따른 운송비용 절감과 항만 생산성 감소에 대한 기존 연구를 분석하였다. 3장에서는 본 연구의 분석자료 및 분석방법을 기술하였다. 4장은 실증분석결과를 제시하였으며, 5장은 본 연구의 결론 및 시사점을 기술하였다.

2. 문헌연구

컨테이너 선박의 대형화에 따른 규모의 경제효과에 대해서는 여러 가지 가정에 따라 다른 결론이 도출되었지만, 공통적으로 선박의 크기가 증가할수록 단위당 운송비용은 낮아진다는 점을 지적하고 있다. Drewry(2020)의 계산에 따르면 8,000TEU급 선박의 단위단 운송비용을 1,000달러/TEU라고 할 때, 14,000TEU급은 500달러/TEU, 18,000TEU급은 259달러/TEU로 줄어들면서 규모의 경제가 실현가능한 것으로 나타났다. Hacegaba(2014)도 유사한 분석결과를 제시했는데, 12,500TEU급에서 18,000TEU급과 22,000TEU급으로 증가할 경우 단위당 운송비용이 각각 11.83% 및 19.23%로 감소한다고 분석했다. Ocean Shipping Consultants(2016)의 자료에 따르면, 자본비와 선비를 고려할 경우 단위당 운송비용이 4,500TEU급의 5.79달러/TEU에서 18,300TEU급의 4.33달러/TEU로 감소하는 것으로 나타났다.
그러나, 컨테이너 선박의 대형화는 전체 공급망 측면에서는 병목현상을 일으킬 수 있는데, 특히 항만에서의 지연 및 적체를 유발시킬 수 있는 요인이다. Saanen(2013)의 분석에 따르면, 18,000TEU급 선박의 기항에 대한 터미널 운영비는 4,500TEU급에 비해서 17% 높은 것으로 나타났다. 따라서, 컨테이너 선박 대형화에 대한 연구는 해상에서의 비용절감과 항만에서의 비용상승의 상충관계에 주목하고 있으며, 특히, 대형화로 인한 터미널의 생산성 및 효율성의 변화를 분석하였다.
터미널 운영의 측면에서 컨테이너 선박의 대형화가 미치는 가장 큰 요인은 기항하는 선박 1척당 양하 및 적하하는 물동량(call size)의 증가이다. Ha et al.(2017)의 연구에 따르면, 기항 선박당 call size는 지속적으로 증가하고 있는데, 2014년의 1,454TEU/척에서 2017년 1,582TEU/척로 해당 기간 동안 8.8% 증가한 것으로 나타났다. 그 중에서도 8,000TEU급 이상의 선박은 같은 기간 동안 2,798TEU에서 2,965TEU로 5.9% 증가하였는데, 증가율은 상대적으로 낮지만, 대형선일수록 call size가 크다는 것을 알 수 있다. 같은 기간 동안 부산항에 기항하는 컨테이너 선박의 call size도 1,454TEU/척에서 1,628TEU/척으로 연평균 3.85% 증가하였으며, 싱가포르, 상하이, 닝보, LA, 로테르담 등 기간항로 상의 항만들도 대부분 증가하는 경향을 보였다(Ha et al., 2018).
Merk et al.(2015)는 2014년 전세계 47개 항만의 데이터를 분석하였는데, 13,300TEU급 이상의 선박의 기항시간이 그보다 작은 선형에 비해 20% 정도 길다는 점을 찾아냈다. 특히, 기항하는 선박이 커질수록 call size가 커지기 때문에 병목현상을 일으키면서 기항시간이 늘어난다는 점에 주목하였다. 이와 관련하여, Haralambides(2019)는 컨테이너 선박의 항만 기항시간은 선박의 크기보다는 call size에 의해서 결정된다는 점을 강조하였다. 또한, Yahalom and Guan(2018)은 컨테이너 선박의 기항시간을 결정하는 가장 중요한 요인은 본선적부도(stowage plan)상 하역작업량이 가장 많은 화물창(heavy hook bay 또는 long hatch bay)의 작업량이라는 점을 지적하였다.
기존 연구의 대부분은 컨테이너 선박의 대형화는 항만의 생산성 및 효율성에 부정적인 영향을 미치는 것을 밝혀냈다(Musso and Sciomachen, 2020; Salleh et al., 2021). Martin et al.(2015)는 선박의 대형화가 항만운영에 미치는 영향을 작업강도 측면에서 분석하였는데, 1975-2013년 기간 중에 Maersk Line이 E-class를 취항한 2006년에 선석과 하역크레인 작업강도가 높아진 것으로 나타났다. Ducruet et al.(2014)는 전세계 150개 컨테이너 항만의 기항시간을 분석한 결과 컨테이너 선박의 크기와 항만 기항시간은 정(+)의 관계에 있음을 밝혀냈다. Turner et al.(2004)은 컨테이너 선박의 규모와 항만 생산성은 비선형관계임을 지적하였다. 1984-1997년 기간 동안 북미지역 26개 항만의 생산성을 분석한 결과, 컨테이너 선박의 대형화 초기에는 항만에서도 규모의 경제를 실현할 수 있으나, 항만에서 수용가능한 임계점을 넘어가면서 생산성이 낮아진다는 점을 찾아냈다.
컨테이너 선박의 대형화가 항만운영에 미치는 영향을 분석한 기존 연구를 살펴본 결과, 두 가지 측면에서 추가적인 연구가 필요함을 알 수 있었다. 첫째, 기존의 연구 대부분은 컨테이너 선박의 대형화가 전체적인 항만운영에 미치는 영향을 분석하는 데에 초점을 맞추고 있기 때문에 항만의 효율성 및 생산성을 결정하는 세부적인 요소(예를 들어, 크레인 생산성, 선석 생산성 등)에 대한 고려가 부족했다. 따라서, 본 연구에서는 세부적인 요소 중에 하나인 기항시간에 대해서 분석하고자 한다. 둘째, 컨테이너 선박의 대형화가 기항시간에 미치는 영향을 분석한 기존 연구는(Ducruet et al., 2014; Merk et al., 2015)는 특정 시점에 대해서만 고려했기 때문에 시계열 분석이 부족했다.1) 더욱이, 컨테이너선의 대형화가 2011-2016년 기간에 크게 진전된 점을 감안하면,2) 상기 기간 이전에 진행된 연구결과에 대해서 추가적인 분석이 필요할 것이다.

3. 자료 및 분석방법

본 연구의 종속변수인 항만 기항시간은 총기항시간 및 작업시간 등 두 가지 기준으로 측정하였다. 총기항시간은 선석 접안(berthing)부터 출항(unberthing)까지의 시간을 측정한 지표이며, 작업시간은 안벽 크레인이 컨테이너의 선적 및 하역에 소요되는 시간을 측정한 지표이다. 즉, 총기항시간에서 하역작업 및 출항 준비에 소요되는 시간(줄잡이, 고박, 세관/출입국/검역 작업 등)을 제외한 시간이 작업시간이다.
주요 독립변수인 선박의 크기는 기항선박의 총톤수를 기준으로 측정하였다. 기항선박에 대한 정보를 입출항신고자료에서 추출하였는데, 항만당국에 제출하는 자료가 총톤수를 기준으로 작성되기 때문이다. 이외에도 통제변수로 컨테이너 선박의 기항시간에 영향을 미칠 것으로 추정되는 요인들을 추가하였는데, 이는 터미널의 컨테이너 처리량, 야드점유율, 크레인 생산성을 포함한다.
본 연구는 부산항신항에서 운영중인 컨테이너 터미널을 대상으로 자료를 수집하였다. 7개 터미널 운영사 중 자료수집이 가능한 3개사를 대상으로 2014년 1월부터 2023년 6월까지의 자료를 수집하였다. 표본기간 동안 3개 터미널에 기항한 컨테이너 선박은 49,603척이었다. 그러나, 26척은 총톤수에 대한 자료가 누락되어 있었으며, 3,022척은 입출항 시간의 표기에 오류로 인하여 제외하였다. 따라서, 최종적으로 46,555척에 대한 자료를 분석하였다. 컨테이너 처리량, 야드점유율, 크레인 생산성은 각 터미널에 대해서 월간자료를 수집하였다. 이에 따라, 기항선박 46,555척에 대한 정보에서 추출한 총톤수, 총기항시간 및 작업시간 자료는 월간 평균으로 변환하였다. 따라서, 표본기간 동안 각 터미널별로 114개의 관측치가 분석에 포함되었다.
Table 1은 본 연구에서 활용한 종속변수와 독립변수에 대한 기술통계량을 제시하고 있다. 부산항신항에 기항하는 컨테이너 선박의 평균 총기항시간(Call)은 17.08시간인 것으로 나타났다. 총기항시간의 최대값과 최소값은 각각 31.2시간 및 8.64시간으로 편차가 큰 것으로 분석되었다. 작업시간(Handling)은 평균 14.29시간으로 총기항시간 대비 3시간 가까이 적게 소요되는 것으로 나타났는데, 이는 선박의 하역과 출항 준비에 소요되는 시간으로 해석이 가능하다.
월평균으로 변환한 컨테이너 선박크기(GT)의 평균은 61,818톤이었으며, 표준편차는 14,291톤이었다. 표본기간 동안 야드점유율(Yard)은 평균 67.83%를 기록하였다. 야드점유율에서는 최대값이 104%를 기록하는 극단값을 보이고 있는데, 이는 2016년 9월 한진해운의 파산보호신청에 따른 컨테이너 터미널의 반출제한 조치에 기인한 것으로 보인다. 터미널의 컨테이너 처리량(TEU)와 크레인 생산성(Crane)도 큰 편차를 보이고 있는데, 이는 본 연구에서 활용한 자료가 월간자료이기 때문에 컨테이너 해운시황의 계절성이 반영된 것으로 분석된다.
Fig. 1은 표본기간 동안 부산항신항에 기항한 컨테이너 선박의 총톤수 및 기항시간(총기항시간, 작업시간)을 연간평균으로 변환하여 보여주고 있다. 컨테이너 선박의 총톤수는 2014년 46,193톤에서 꾸준히 증가하여 2023년에는 82,059톤으로 약 1.77배 증가한 것으로 나타났다. 총기항시간 및 작업시간의 변화 또한 총톤수의 변화와 매우 유사한 형태로 증가하였으며, 두 변수의 차이는 거의 일정하게 유지되고 있다. 이는 선적 및 하역 전후에 실시하는 줄잡이, 고박, 세관/출입국/검역에 소요되는 시간은 선박의 크기에 큰 영향을 받지 않는 것으로 해석할 수 있다.
Fig. 2는 총기항시간 및 작업시간의 계절성을 검토하기 위해서 표본기간 동안 각 월별 평균으로 변환한 수치를 제시하고 있다. 컨테이너 해운시장의 성수기라고 할 수 있는 중국의 춘절 그리고 북미지역의 4분기에 물동량이 집중되는 경향으로 인하여 2월, 4월, 9월 및 10월에 총기항시간 및 작업시간이 증가함을 알 수 있다.
컨테이너 선박의 대형화와 기항시간의 관계를 분석하기 위해서 본 연구에서는 다음과 같이 패널데이터 회귀분석을 수행하였다.
Call(Handling)i,t=ci,t+β1GTi,t+β2TEUi,t+β3Yardi,t+β4Cranei,t+ɛi,t
상기 모델에서 Call(Handling)i,t는 t시점에 터미널 i에 접안한 컨테이너 선박의 총기항시간(작업시간), GTi,t는 t시점에 터미널 i에 접안한 컨테이너 선박의 총톤수, TEUi,t는 t시점에 터미널 i의 컨테이너 처리량, Yardi,t는 t시점에 터미널 i의 야드점유율, Cranei,t 는 t시점에 터미널 i의 크레인 생산성을 나타낸다.
시계열자료의 계절성 및 독립변수 간의 상관관계를 고려하여 각 변수는 증감율로 변환하였는데, 전월대비 증감율(Month-on-Month, MoM)과 전년 동월대비 증감율(Year-on-Year, YoY)로 나타냈다. 또한, 독립변수의 다중공선성을 검토하기 위해서 각 회귀분석에서는 분산팽창지수(VIF) 수치를 고려하였다. 각 회귀분석에는 터미널별 및 연도별 고정효과를 각각 추가적으로 고려하였다.

4. 실증분석

Table 2Table 3는 컨테이너 선박의 크기(총톤수, GT)가 항만 기항시간에 미치는 영향에 대해서 각각 총기항시간(Call)과 작업시간(Handling)을 종속변수로 하는 패널데이터 회귀분석 결과를 제시하고 있다. 선박의 총톤수의 계수는 양의 값을 가지며 유의수준 1%에서 통계적으로 유의한 것으로 분석되었다. 이러한 결과는 터미널별 및 연도별 고정효과를 고려한 경우에도 동일하게 나타났다.
Fig. 2에서 나타난 바와 같이 특정기간에 물동량이 집중되는 계절성을 고려하기 위해서 전년 동월대비 증감율(YoY)로 변환하여 수행한 분석에서도 마찬가지로 선박의 대형화는 항만기항시간에 정(+)의 영향을 미치는 것으로 나타났다(Table 4, Table 5 참조)
상기 분석에서 살펴보았듯이, 컨테이너 선박의 대형화는 항만 기항시간을 증가시키는 것으로 나타났다. 그러나, 기존 문헌분석에서 서술한 바와 같이 일부 연구에서는 항만 기항시간은 선박의 크기 자체가 아니라 하역작업량, 즉, call size가 결정적이라고 주장하고 있다. 따라서, 본 연구에서는 call size를 주요 독립변수로 하는 패널데이터 회귀분석을 추가적으로 수행하였다. 표본에 포함된 컨테이너 선박 46,555척의 평균 call size는 1,346 move/척이며, TEU 기준으로는 2,185 TEU/척이다. Table 6는 call size를 독립변수로 하는 분석결과를 축약해서 보여주고 있다. move/척, TEU/척 공히 call size는 항만기항시간에 정(+)의 영향을 미치는 것으로 나타났으며, 1% 수준에서 통계적으로 유의하였다.

5. 결 론

본 연구는 컨테이너 선박의 대형화가 항만운영에 미치는 영향을 기항시간을 중심으로 분석하였다. 이를 위해, 2014년 1월부터 2023년 6월까지의 기간 동안 부산항신항에서 운영중인 컨테이너 터미널 3개사의 자료를 바탕으로 기항 선박의 크기와 기항시간을 분석하였다. 분석 결과, 컨테이너 선박의 크기와 기항시간은 정(+)의 관계에 있는 것으로 나타났다. 이러한 관계는 연도별 및 터미널별 고정효과를 적용했을 때에도 유지되었으며 통계적으로 유의한 것으로 분석되었다.
본 연구의 결과는 컨테이너 선박의 대형화에 대응하는 항만터미널 운영에 많은 시사점을 제시하고 있다. 첫째, 컨테이너 선박의 대형화는 항만 기항시간을 증가시키는 것으로 나타났는데, 이는 향후 글로벌 컨테이너 선사 및 얼라이언스의 터미널 운영 효율성 향상 요구가 증가할 것으로 예상된다. 따라서, 컨테이너 터미널은 효율성 향상을 통한 기항시간 단축 방안을 마련해야 할 것이다. 둘째, 컨테이너 선박의 총기항시간을 분석한 결과 하역 전 작업 및 출항 전 작업에 소요되는 시간은 선박의 대형화에 큰 영향을 받지 않는 것으로 나타났다. 이는 부산항신항 터미널 운영사들이 대형선박 수용에 적절히 대응하는 것으로 볼 수 있다. 따라서, 향후 기항시간 단축을 위해서는 선적 및 하역 작업의 생산성 향상을 추구해야 할 것으로 생각된다. 마지막으로, 컨테이너 선박의 대형화는 call size 증가를 수반하기 때문에, 기항시간을 물리적으로 단축하는 것에는 한계가 있다고 할 수 있다. 따라서, 운영측면에서 효율적인 본선적부계획 및 크레인 배정계획의 수립을 통해서 보완해야 할 것으로 판단된다.
기존의 컨테이너 선박의 대형화가 기항시간에 미치는 영향에 대한 연구는 주로 이론적인 측면에서 다룬 반면, 본 연구는 실제 터미널 운영자료에 기반한 실증분석을 통해서 보완하였다. 그럼에도 불구하고, 본 연구는 한계점을 가지고 있으며, 이는 향후 연구에서 추가적으로 분석해야 할 것이다. 우선, 컨테이너 터미널의 규모도 추가적으로 고려해야 할 것이다. 현재 부산항신항의 1개 선석의 길이는 350미터인 반면, 초대형 컨테이너선의 전장은 약 400미터이다. 따라서, 대형 컨테이너 선박의 기항시에는 2개 선석을 선박 1척에 배정하게 되므로 선석운영의 효율성이 낮아진다. 이는 선석이 상대적으로 많은 터미널 운영사가 대형 컨테이너 선박의 수용에 더 유리할 수 있음을 시사한다. 따라서, 향후 연구에는 터미널 운영사의 선석규모를 고려하여 분석할 필요가 있다. 추가적으로, 터미널 배치에 대한 고려도 필요하다. 현재 부산항신항에는 수평배열 터미널과 수직배열 터미널이 동시에 운영중에 있다. 일반적으로 수평배열 터미널은 생산성이 상대적으로 높은 반면, 수직배열 터미널은 자동화에 유리한 것으로 알려져 있다(Yang, 2021). 따라서, 항만 자동화의 진전과 더불어 터미널 배치에 따른 기항시간을 비교한다면 더욱 유의미한 결론을 도출할 수 있을 것이다.

NOTES

1) Ducruet et al.(2014)은 1996년, 2006년, 2011년의 자료를, Merk et al.(2015)은 2014년의 자료만을 대상으로 분석하였다.

2) 전술한 클락슨리서치의 자료에 의하면, 2005-2024년 기간 동안 컨테이너 선박의 평균 톤수 증가율의 산술평균은 3.1%인데, 이 수치가 2011-2016년 기간에는 4.5%였다.

Fig. 1
Annual averages of GT, call and handling (January 2014 - June 2023)
KINPR-2025-49-5-595f1.jpg
Fig. 2
Monthly averages of call and handling (January 2014 - June 2023)
KINPR-2025-49-5-595f2.jpg
Table 1
Descriptive statistics for variables
Variables Mean Max. Min. St. Dev. Skewness Kurtosis
Call 17.08 31.20 8.64 4.96 0.73 2.60
Handling 14.29 27.73 5.69 4.79 0.70 2.58
GT 61,818 95,086 29,548 14,291 −0.03 2.54
TEU 273,282 501,352 62,261 113,741 0.41 1.94
Yard 67.83 104.00 32.50 11.72 −0.51 3.53
Crane 29.28 36.40 21.80 3.04 −0.06 2.56

Note: Units are hours for Call and Handling, tons for GT, TEUs for TEU, % for Yard, van/hour for Crane, respectively.

Table 2
Regression for port stay time (Call, MoM)
(1) (2) (3) (4)
GT 0.386 *** 0.385 *** 0.396 *** 0.396 ***
[7.730] [7.698] [6.692] [6.654]
(1.366) (1.365) (1.648) (1.647)
TEU 0.059 * 0.059 * 0.136 *** 0.135 ***
[1.675] [1.666] [2.782] [2.764]
(1.423) (1.422) (1.771) (1.769)
Yard 0.153 *** 0.153 *** 0.037 0.037
[4.412] [4.395] [0.826] [0.817]
(1.303) (1.304) (1.457) (1.457)
Crane −1.320 *** −1.321 *** −1.131 *** −1.132 ***
[−15.030] [−14.989] [−10.756] [−10.711]
(1.206) (1.207) (1.247) (1.249)
C 0.004 0.004 0.004 0.004
[1.113] [1.112] [1.238] [1.235]
Adj. R2 0.635 0.633 0.683 0.680
Fixed Effect Terminal No Yes No Yes
Year No No Yes Yes

Note:

  • (1) Numbers in [.] and (.) are t-statistics and VIFs, respectively.

  • (2) ***p<0.01, **p<0.05, *p<0.1

Table 3
Regression for handling time (Handling, MoM)
(1) (2) (3) (4)
GT 0.465 *** 0.465 *** 0.474 *** 0.474 ***
[8.182] [8.148] [7.116] [7.076]
(1.366) (1.365) (1.648) (1.647)
TEU 0.166 *** 0.166 *** 0.277 *** 0.277 ***
[4.148] [4.131] [5.059] [5.031]
(1.423) (1.422) (1.771) (1.769)
Yard 0.197 *** 0.197 *** 0.084 0.084
[4.992] [4.972] [1.648] [1.635]
(1.303) (1.304) (1.457) (1.457)
Crane −1.589 *** −1.589 *** −1.331 *** −1.332 ***
[−15.858] [−15.815] [−11.256] [−11.209]
(1.206) (1.207) (1.247) (1.249)
C 0.005 0.005 0.004 0.005
[1.169] [1.167] [1.497] [1.230]
Adj. R2 0.689 0.687 0.737 0.735
Fixed Effect Terminal No Yes No Yes
Year No No Yes Yes

Note:

  • (1) Numbers in [.] and (.) are t-statistics and VIFs, respectively.

  • (2) ***p<0.01, **p<0.05, *p<0.1

Table 4
Regression for port stay time (Call, YoY)
(1) (2) (3) (4)
GT 0.316 *** 0.310 *** 0.347 *** 0.341 ***
[5.798] [5.575] [6.903] [6.618]
(1.743) (1.736) (1.740) (1.725)
TEU −0.087 *** −0.090 *** −0.041 −0.044
[−2.656] [−2.718] [−1.300] [−1.389]
(2.037) (2.035) (1.921) (1.911)
Yard 0.220 *** 0.224 *** 0.115 ** 0.120 **
[4.453] [4.531] [2.381] [2.479]
(1.422) (1.422) (1.366) (1.365)
Crane −1.500 *** −1.510 *** −1.203 *** −1.214 ***
[−13.808] [−13.885] [−11.673] [−11.742]
(1.230) (1.231) (1.230) (1.233)
C 0.022 *** 0.022 *** 0.026 *** 0.026 ***
[2.769] [2.803] [4.073] [4.089]
Adj. R2 0.553 0.554 0.734 0.734
Fixed Effect Terminal No Yes No Yes
Year No No Yes Yes

Note:

  • (1) Numbers in [.] and (.) are t-statistics and VIFs, respectively.

  • (2) ***p<0.01, **p<0.05, *p<0.1

Table 5
Regression for handling time (Handling, YoY)
(1) (2) (3) (4)
GT 0.356 *** 0.354 *** 0.388 *** 0.388 ***
[5.580] [5.449] [6.272] [6.129]
(1.743) (1.736) (1.740) (1.725)
TEU 0.048 0.044 0.089 ** 0.083 **
[1.261] [1.144] [2.283] [2.127]
(2.037) (2.035) (1.921) (1.911)
Yard 0.184 *** 0.190 *** 0.086 0.094
[3.179] [3.288] [1.445] [1.581]
(1.422) (1.422) (1.366) (1.365)
Crane −1.801 *** −1.812 *** −1.409 *** −1.421 ***
[−14.178] [−14.260] [−11.109] [−11.185]
(1.230) (1.231) (1.230) (1.233)
C 0.022 ** 0.022 ** 0.027 *** 0.027 ***
[2.342] [2.341] [3.496] [3.462]
Adj. R2 0.604 0.606 0.739 0.740
Fixed Effect Terminal No Yes No Yes
Year No No Yes Yes

Note:

  • (1) Numbers in [.] and (.) are t-statistics and VIFs, respectively.

  • (2) ***p<0.01, **p<0.05, *p<0.1

Table 6
Regression of call size
Call Handling
MoM YoY MoM YoY
Move/Ship 0.425 *** 0.194 *** 0.523 *** 0.275 ***
[9.516] [6.848] [11.323] [8.382]
(2.293) (2.076) (2.293) (2.076)
Adj. R2 0.728 0.738 0.794
TEU/Ship 0.427 *** 0.198 *** 0.545 *** 0.280 ***
[9.375] [6.707] [11.096] [8.158]
(2.370) (2.113) (2.370) (2.113)
Adj. R2 0.725 0.736 0.791 0.769
Fixed Effect Terminal Yes Yes Yes Yes
Year Yes Yes Yes Yes

Note :

  • (1) Numbers in [.] and (.) are t-statistics and VIFs, respectively.

  • (2) ***p<0.01, **p<0.05, *p<0.1

References

[1] Alphaliner, (2024), Monthly Monitor, Septermber;(2024.
[2] Cullinane, K. and Khanna, M.(2000), “Economies of Scale in Large Containerships: Optimal Size and Geographical Implications”, Journal of Transport Geography, Vol. 8, No. 3, pp. 181-195.
crossref
[3] Drewry(2020), Cotainer Forecaster Q2.
[4] Ducruet, C., Itoh, H. and Merk, O.(2014), Time Efficiency at World Container Ports. International Transport Forum.
[5] Ha, T. Y., Lee, S. Y. and Choi, S. K.(2017), KMI Weekly Report. 52, Korea Maritime Institute.
[6] Ha, T. Y., Lee, S. Y. and Choi, S. K.(2018), KMI Weekly Report. 81, Korea Maritime Institute.
[7] Hacegaba, N.(2014), Big Ships, Big Challenges: The Impact of Mega Container Vessels on U.S. Port Authorities. White Paper, Port of Long Beach.
[8] Haralambides, H. E.(2019), “Gigantism in Container Shipping, Ports and Global Logistics: A Time-lapse into the Future”, Paritime Economics & Logistics, Vol. 21, No. 1, pp. 1-60.
crossref pdf
[9] Jungen, H., Specht, P., Ovens, J. and Lemper, B.(2021), The Rise of Ultra Large Container Vessels: Implications for Seaport Systems and Environmental Considerations, editors. Dynamics in Logistics: Twenty-five Years of Interdisciplinary Logistics Research in Bremen. In: Freitag M., Kotzab H., Megow N., Germany: Springer.
crossref pmid
[10] Martine, J., Martine, S. and Pettit, S.(2015), “Container Ship Size and the Implications on Port Call Workload”, International Journal of Shipping and Transport Logistics, Vol. 7, No. 5, pp. 553-569.
crossref
[11] Merk, O., Busquet, B. and Aronietis, R.(2015), The Impact of Mega-Ships: Case Specific Policy Analysis. International Transport Forum.
[12] Musso, E. and Sciomachen, A.(2020), “Impact of Mega-ships on the Performance of Port Container Terminals”, Paritime Economics & Logistics, Vol. 22, No. 3, pp. 432-445.
crossref pdf
[13] Ocean Shipping Consultants(2016), Container Forecaster.
[14] Saanen, Y.(2013), Mega Ships: Positive Asset or Terminals’ Worst Nightmare?. Port Technology International, Edition 58.
[15] Salleh, N. H. M., Zulkifli, N. and Jeevan, J.(2021), “Te Emergence of Very Large Container Vessel (VLCV) in Maritime Trade: Implications on the Malaysian Seaport Operations”, MU Journal of Maritime Affairs, Vol. 20, No. 1, pp. 41-61.
[16] Stopford, M.(2009), Maritime Economics. Routledge; Abingdon.
[17] Turner, H., Windle, R. and Dresner, M.(2004), “North American Containerport Productivity: 1984-1997”, Transportation Research Part E: Logistics and Transportation Review, Vol. 40, No. 4, pp. 339-356.
crossref
[18] Yang, C. H.(2021), Port Economics. Park Young Sa; Seoul.
[19] Yang, C. H.(2022), Economics of Container Shipping. Park Young Sa; Seoul.


ABOUT
BROWSE ARTICLES
FOR CONTRIBUTORS
Editorial Office
C1-327 Korea Maritime and Ocean University
727 Taejong-ro, Youngdo-gu, Busan 49112, Korea
Tel: +82-51-410-4127    Fax: +82-51-404-5993    E-mail: jkinpr@kmou.ac.kr                

Copyright © 2026 by Korean Institute of Navigation and Port Research.

Developed in M2PI

Close layer
prev next