本发明涉及空间信息，特别是一种利用卫星影像测度港口集装箱码头拥堵状况的方法及系统。
背景技术：
1、随着数据技术的迅速发展，另类数据引领了一场数据革命。另类数据以其不依赖于专业数据网络与管理、能够实时获取和处理的特点，具备强大的时效性与准确性，相较于传统数据具有显著的优势。
2、港口拥堵与海运运费之间存在密切的关联，港口拥堵导致货物在港滞留时间增加，船舶等待时间延长，并引发运输成本上升。而运输成本的上升不仅直接影响海运贸易活动，也影响全球供应链的运作效率。在过去，贸易人员需要了解运价指数的变化趋势，需要找专业的贸易公司、行业内的专业人士交流，然后综合得出结论。这方式存在两个弊端：（1）传统数据的获取成本较高，且数据实时性无法得到保障；（2）与行业内专业人士交流获取的数据有效性不足，往往只能获得某个点上的片面信息。所以如何利用港口拥堵指标实现对运价指数的变化趋势进行全面、准确的评估和预测成为了一个亟待解决的问题。
3、文献1：中国发明专利cn202011561838.x公开了一种智能的自动化集装箱码头节能综合调度方法，其中调度方法是围绕码头装卸传作业过程中，对拖车调度方式进行规划；虽然也具有减少拥堵的特征，但其作用在于加快拖车作业优化路径来缓解拥堵情况，并未对港口集装箱码头进行实时测度，仍然无法从根源上解决码头拥堵的问题。
技术实现思路
1、本发明的目的在于提供一种利用卫星影像测度港口集装箱码头拥堵状况的方法及系统，通过对卫星影像数据的预处理和机器学习，构建目标港口的集装箱拥堵指标，并将其与运价指数进行历史变化分析，实现对运价指数未来变化趋势的有效预测。
2、实现本发明目的的技术解决方案为：
3、一种利用卫星影像测度港口集装箱码头拥堵状况的方法，该测度方法包括如下步骤：
4、构建卫星影像数据库，卫星影像数据库中包括目标港口的区域边界轮廓矢量数据、目标港口内每个集装箱码头的区域边界轮廓矢量数据、目标港口的时序遥感影像数据以及目标港口内每个集装箱码头的时序遥感影像数据；
5、利用预训练的u-net卷积神经网络模型对目标港口内每个集装箱码头的时序遥感影像数据进行识别，得到每个集装箱码头中集装箱的堆放区域和堆放面积；
6、计算每个集装箱码头中集装箱的堆放占比率，得到目标港口内集装箱的平均堆放占比率；
7、以目标港口内集装箱的平均堆放占比率作为目标港口内集装箱码头拥堵状况的测度指标，对集装箱码头拥堵状况进行测度。
8、进一步的，当目标港口的集装箱拥堵指标超出预置拥堵判定阈值时，确定目标港口集装箱码头当前拥堵。
9、进一步的，目标港口的区域边界轮廓矢量数据包括目标港口的经纬度值、目标港口内集装箱码头的数量、每个集装箱码头的经纬度值以及目标港口的区域面积、每个集装箱码头的区域面积。
10、进一步的，获取目标港口的时序卫星影像数据，对目标港口的时序卫星影像数据进行云层掩膜处理后，生成目标港口的时序遥感影像数据；结合目标港口的区域边界轮廓矢量数据和目标港口内每个集装箱码头的区域边界轮廓矢量数据，确定目标港口内每个集装箱码头的时序遥感影像数据。
11、进一步的，构建u-net卷积神经网络模型的样本数据集，样本数据包括影像训练集和影像测试集，利用影像训练集和影像测试集对u-net卷积神经网络模型进行模型训练和测试，得到训练完成的u-net卷积神经网络模型，其中样本数据集由采用目视解译方法标注集装箱的堆放区域后的目标港口的时序遥感影像数据构成。
12、进一步的，目标港口内集装箱的平均堆放占比率的计算公式为：
13、式中： 表示在t时刻目标港口内集装箱的平均堆放占比率， 表示在t时刻目标港口内第i个集装箱码头中集装箱堆放占比率，n表示目标港口内集装箱码头的总个数， 表示t时刻目标港口内第i个集装箱码头中集装箱的堆放面积， 表示目标港口内第i个集装箱码头的面积。
14、一种预测港口运价指数的方法，该预测方法包括以下步骤：
15、采用线性回归分析获得关于运价指数的变化值与目标港口内集装箱码头拥堵状况的测度指标的变化值的线性回归方程：
16、式中： 表示目标港口内第i个集装箱码头在t时刻变化对t+1时刻的运价指数的变化值， 、 分别表示在t时刻内的港口拥堵指标和集装箱运价指数进行最小二乘回归获得的估计系数， 表示目标港口拥堵的变化率；
17、根据目标港口内集装箱码头拥堵状况的测度指标的实时变化值，预测同期运价指数的变化值，进而得到运价指数的预测值。
18、一种分析港口集装箱码头拥堵状况的系统，该分析系统包括：
19、地表信息模块，用于获取地图开放平台中目标港口的地址、区域边界轮廓矢量数据，构建对应目标港口的区域边界轮廓矢量数据并发送至时序影像模块；
20、时序影像模块，对接收到的目标港口的区域边界轮廓矢量数据进行特征识别，生成目标港口内每个集装箱码头的时序遥感影像数据后，计算目标港口的集装箱拥堵指标并发送至分析评估模块；
21、分析评估模块，用于分析关于运价指数的变化值与目标港口内集装箱码头拥堵状况的测度指标的变化值的相关性，获得目标港口内集装箱码头拥堵状况的测度指标的实时变化值并生成预测结果，最后评估预测结果是否有效。
22、一种电子设备，包括：
23、存储器，用于存储计算机程序；
24、处理器，用于执行计算机程序时实现如利用卫星影像测度港口集装箱码头拥堵状况的方法的步骤。
25、一种计算机可读存储介质，该计算可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如利用卫星影像测度港口集装箱码头拥堵状况的方法的步骤。
26、本发明与现有技术相比，其显著优点是：本发明利用卫星影像数据，从中反演得到图像特征和空间数据等相关信息，结合机器学习方法识别港口码头集装箱堆放占比情况，从而构建得到目标港口集装箱码头的拥堵指标，该拥堵指标不仅解决了在港口管理和运营中，评估港口拥堵情况通常依赖多个指标，造成数据分析缺乏时效、信息不全面，无法保障目标港口拥堵状况的评估的精确度问题；同时考虑到遥感卫星具有在短时间内对广泛地区进行高效观测的能力，具备周期短、时效性强的特点，保证了测度数据的实时性，为港口管理和决策提供了有力的支持，实现对港口拥堵状况的准确检测。
1.一种利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：所述测度方法包括如下步骤：
2.根据权利要求1所述的利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：当目标港口的集装箱拥堵指标超出预置拥堵判定阈值时，确定目标港口集装箱码头当前拥堵。
3.根据权利要求1所述的利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：所述目标港口的区域边界轮廓矢量数据包括目标港口的经纬度值、目标港口内集装箱码头的数量、每个集装箱码头的经纬度值以及目标港口的区域面积、每个集装箱码头的区域面积。
4.根据权利要求3所述的利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：获取目标港口的时序卫星影像数据，对目标港口的时序卫星影像数据进行云层掩膜处理后，生成目标港口的时序遥感影像数据；结合所述目标港口的区域边界轮廓矢量数据和所述目标港口内每个集装箱码头的区域边界轮廓矢量数据，确定目标港口内每个集装箱码头的时序遥感影像数据。
5.根据权利要求4所述的利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：构建所述u-net卷积神经网络模型的样本数据集，所述样本数据包括影像训练集和影像测试集，利用影像训练集和影像测试集对所述u-net卷积神经网络模型进行模型训练和测试，得到训练完成的u-net卷积神经网络模型，其中样本数据集由采用目视解译方法标注集装箱的堆放区域后的目标港口的时序遥感影像数据构成。
6.根据权利要求1所述的利用卫星影像测度港口集装箱码头拥堵状况的方法，其特征在于：所述目标港口内集装箱的平均堆放占比率的计算公式为：
7.一种预测港口运价指数的方法，其特征在于：所述预测方法包括以下步骤：
8.一种分析港口集装箱码头拥堵状况的系统，其特征在于：所述分析系统包括：
9.一种电子设备，其特征在于：包括：
10.一种计算机可读存储介质，其特征在于：所述计算可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述利用卫星影像测度港口集装箱码头拥堵状况的方法的步骤。
