本发明涉及交通运输工程，尤其是涉及一种基于港口拥堵态势的船舶碳排放预测方法、装置及存储介质。
背景技术：
1、海上交通运输极大地促进了规模经济和时间效率，使海上运输在整个经济体系中占有独特而重要的地位。港口的正常运作对于保证船舶的正常、可靠的服务起着至关重要的作用。而港口拥堵一旦发生，会给货主带来巨大的时间损失、额外的燃料消耗甚至事故。
2、造成港口船舶交通拥堵的原因有很多，比如，船舶大型化、恶劣天气、工人罢工、港口吞吐量剧增、新型冠状病毒感染等。港口船舶流量过大导致港口超负荷是产生拥堵最重要的一个原因。大规模拥堵导致船舶排队停靠和船期延误，挤占主要贸易航线上的大量运力，严重拖累了航运效率，对港口的环境产生挑战，严重影响着港口绿色可持续的发展进程。为保障港口的运行效率和航运安全、建设绿色港口，对于在港船舶流量特征的统计与分析识别并确定港口的拥堵程度，并基于此数据对港口船舶的碳排放进行预测与分析，才能够准确的把握港口拥堵态势下的碳排放情况。
3、但是，现有研究在港口拥堵和碳排放的预测评估领域尚存在以下缺陷：
4、(1)在港口拥堵预测方面，多数研究聚焦于船舶在港等待时间或港口拥堵度量系数，却忽略了船舶流量过载这一导致拥堵的根本原因；
5、(2)在港口拥堵分析方面，传统研究主要关注于港口性能的建模和优化，而鲜少结合不同船型在港特征对拥堵态势进行深入分析与评估，且其影响评估多限于时间和经济层面。且研究的船型多为集装箱船，类型较为单一，缺少对多种船型在港口锚地和泊位的使用情况及对应的拥堵态势的研究；
6、(3)在船舶碳排放的计算方面，绝大部分研究仅考虑主机和辅机的排放，锅炉的影响往往被忽视；
7、(4)在船舶碳排放预测方面，鲜有研究将港口的拥堵态势作为特征输入进行预测，且预测模型上大部分都较为传统。
8、因此，如何更全面、精确地对港口拥堵态势下的船舶碳排放进行预测，成为本领域需要解决的问题。
技术实现思路
1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于港口拥堵态势的船舶碳排放预测方法、装置及存储介质，能够有效实现港口拥堵态势下船舶碳排放的全面精确预测。
2、本发明的目的可以通过以下技术方案来实现：
3、根据本发明的第一方面，提供一种基于港口拥堵态势的船舶碳排放预测方法，包括以下步骤：s1，获取ais原始数据与历史动态数据，包括船舶在港特征数据和拥堵指标多变量时间序列特征数据；s2，基于所述ais原始数据和得到历史动态数据，利用训练好的ttao-2dcnn-bilstm-seam混合模型进行预测，得到相应的船舶碳排放量；其中，所述混合模型的训练过程包括：s21，基于所述船舶在港特征数据和所述拥堵指标多变量时间序列特征数据，利用预先构建的拥堵碳排放核算模型获取第一碳排放量数据；s22，基于所述船舶在港特征数据、所述拥堵指标多变量时间序列特征数据和所述第一碳排放量数据，构建数据集并进行预处理；s23，初始化2dcnn-bilstm-seam预测模型，并利用ttao算法优化所述预测模型的超参数；s24，基于预处理后的数据集和优化后的超参数，训练新的2dcnn-bilstm-seam预测模型。
4、作为优选的技术方案，在所述s24中，训练新的2dcnn-bilstm-seam预测模型的过程包括：基于预处理后的数据集，进行序列折叠，并在二维卷积神经网络层中通过卷积和池化提取相应的特征；基于提取的特征，利用注意力机制进行压缩和激励，得到相应的特征向量；将当前的特征向量输入双向长短时记忆网络，得到相应的预测输出。
5、作为优选的技术方案，在二维卷积神经网络层中进行卷积的过程为：
6、
7、式中，zi,j,k为卷积层输出的第i行、第j列、第k个通道的值，xi+u,j+t,l是输入数据的第i+u行、第j+t列，第l个通道的值，wu,t,l,k是卷积核的第u行、第t列、第l个通道对应输出通道k的权重，bk是第k个通道的偏置，cin为输入通道，kh为在数据高度上的维度，kw为在数据宽度上的维度。
8、作为优选的技术方案，所述压缩的过程为：
9、
10、式中，z表示通过特征图空间维度h×w压缩生成的统计量，zc为z的第c个通道元素，fsq表示压缩操作，uc(o,p)为第c个通道的空间高度第o行、空间宽度第p列压缩生成的统计量。
11、作为优选的技术方案，在所述s23中，所述超参数包括学习率、bilstm隐藏层节点数以及l2正则化系数。
12、作为优选的技术方案，所述船舶在港特征包括在港载重吨、在港时长、在泊载重吨、在泊时长、在锚载重吨和在泊时长，所述拥堵指标多变量时间序列特征包括拥堵指数和锚地占有率。
13、作为优选的技术方案，所述拥堵指数的表达式为：
14、is＝(1,2,3,4)＝∑dwtanch/∑dwtport
15、式中，is表示拥堵指数，dwtanch表示在锚载重吨，dwtport表示在港载重吨。
16、作为优选的技术方案，所述拥堵碳排放核算模型的表达式为：
17、
18、式中，co2e为船舶碳排放量，anch、berth、port分别为在锚、在泊和在港的不同状态，e＝(1,2,3)分别对应主机、辅机和锅炉，s＝(1,2,3,4)分别对应集装箱、液体散货、干散货和杂货，vs为s船型对应的船舶数量，pe为e类型发动机对应的功率，lfs为主机对应的负载系数，te,(anch,berth,port)为e类型发动机在锚、在泊和在港的运行时间，co2efe为e类型发动机对应的二氧化碳排放系数。
19、根据本发明的第二方面，提供一种基于港口拥堵态势的船舶碳排放预测装置，包括存储器、处理器，以及存储于所述存储器中的程序，所述处理器执行所述程序时实现所述的方法。
20、根据本发明的第三方面，提供一种存储介质，其上存储有程序，所述程序被执行时实现所述的方法。
21、与现有技术相比，本发明具有以下有益效果：
22、1、本发明提出基于港口拥堵态势的船舶碳排放预测方法，针对多特征时间序列，设计了基于深度学习的多变量时间序列预测模型，即ttao-2dcnn-bilstm-seam混合模型，其中包含利用ttao这一元启发式算法对超参数优化的部分，同时先将多特征的时间序列数据作为多维特征向量输入到二维卷积神经网络当中，再通过注意力机制提取重要特征、利用双向长短时记忆网络对拥堵前后序列特征进行学习，进而对在港船舶碳排放进行预测，混合预测模型的输入数据考虑到港口的拥堵态势，将船舶在港特征数据和拥堵指标多变量时间序列特征数据作为输入，相比于单一的预测模型，本方法能够有效提高港口拥堵态势下船舶碳排放预测的准确性和全面性，此外，混合预测模型还能够自动寻优参数，避免手动调参的麻烦；
23、2、本发明建立基于船舶主机、辅机、锅炉三个主要发动机的碳排放核算模型，其中考虑了主机与载重吨的拟合情况，船速对主机的影响以及辅机和锅炉负载功率，并结合碳排放系数对船舶二氧化碳的排放量进行统计，相较于仅考虑主机和辅机的排放的研究，本发明对船舶碳排放量进行预测时，在港船舶处于低速状态下，锅炉工作方面的排放因素也一并进行考虑，有助于进一步提高碳排放预测的精确性；
24、3、本发明以集装箱、液体散货、干散货、杂货作为主要船型，构建包括在港船舶数量、在港载重吨、在港时长、在泊船舶数量、在泊载重吨、在泊时长、在锚船舶数量、在锚载重吨、在锚时长在内的九大港口船舶核心指标体系，相较于单一的集装箱或lng船型研究，本发明对船舶碳排放量进行预测时，考虑的船型丰富且全面，涉及多种不同船型在港口锚地和泊位的使用情况及对应的拥堵态势，能够较为整体性地评估港口的拥堵和碳排放情况。
1.一种基于港口拥堵态势的船舶碳排放预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，在所述s24中，训练新的2dcnn-bilstm-seam预测模型的过程包括：
3.根据权利要求2所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，在二维卷积神经网络层中进行卷积的过程为：
4.根据权利要求2所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，所述压缩的过程为：
5.根据权利要求1所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，在所述s23中，所述超参数包括学习率、bilstm隐藏层节点数以及l2正则化系数。
6.根据权利要求1所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，所述船舶在港特征包括在港载重吨、在港时长、在泊载重吨、在泊时长、在锚载重吨和在泊时长，所述拥堵指标多变量时间序列特征包括拥堵指数和锚地占有率。
7.根据权利要求6所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，所述拥堵指数的表达式为：
8.根据权利要求1所述的基于港口拥堵态势的船舶碳排放预测方法，其特征在于，所述拥堵碳排放核算模型的表达式为：
9.一种基于港口拥堵态势的船舶碳排放预测装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。
10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。
