Применение данных аэро- и космических съемок в задачах оптимизации логистики морских контейнерных терминалов
+7 (383) 343-12-55 vestnik@ssga.ru
Ru
En
Ru
En
Авторам публикаций
Вестник СГУГиТАрхив журнала Применение данных аэро- и космических съемок в задачах оптимизации логистики морских контейнерных терминалов

Применение данных аэро- и космических съемок в задачах оптимизации логистики морских контейнерных терминалов

Дистанционное зондирование земли, фотограмметрия
УДК: 528.7(202) (203):656.615
DOI: 10.33764/2411-1759-2026-31-3-49-61
М. А. Сквазников 1, Д. Л. Колыгин 1
Год: 2026
Том: 31
№: 3
Страницы: 49 - 61
1 Военно-космическая академия имени А. Ф. Можайского, г. Санкт-Петербург, Российская Федерация

Финансирование: -

Аннотация:

Представлен аналитический обзор современных решений методологического и технологического характера по применению данных дистанционного зондирования Земли (ДЗЗ) для мониторинга и оптимизации логистических процессов в морских контейнерных терминалах (МКТ). Проведен анализ зарубежных и отечественных публикаций за период 2010–2026 гг., выявлены основные научно-прикладные тренды: переход от визуального анализа к автоматизированному детектированию объектов на основе алгоритмов компьютерного зрения, интеграция спутниковых данных и данных с беспилотных воздушных судов (БВС) в единые геоинформационные системы, разработка цифровых двойников терминалов. На основе обзора сформулирована ключевая методологическая проблема – отсутствие систематизированных критериев и количественных моделей для обоснованного выбора типа носителя (спутник, самолет, БВС) и параметров съемки под конкретные технологические задачи управления МКТ. По результатам экспертного опроса разработана система показателей качества средств ДЗЗ и определены их весовые коэффициенты. Обоснована необходимость разработки математической модели, связывающей пространственно-временные характеристики потоков данных ДЗЗ с показателями эффективности терминала. Определены основные направления дальнейших исследований, включая создание методики трансформации данных съемки в операционные параметры логистических моделей.

Ключевые слова (RU):

дистанционное зондирование Земли, логистическая оптимизация, компьютерное зрение, БВС, цифровой двойник

Ключевые слова (EN):

aerospace imaging, Earth remote sensing, logistics optimization, analytical review, computer vision, satellite monitoring, UAS, digital twin

Читать статью Скачать JATS XML

Библиографический список:

  1. Gharehgozli, A., Mileski, J., Duru, O. (2017). Heuristic estimation of container stacking and reshuffling operations under the containershp delay factor and mega-ship challenge. Maritime Policy & Management, Vol. 44(3), pp. 373–391. DOI 10.1080/03088839.2017.1295328.
  2. Yang, Y., Zhong, M., Yao, H., Yu, F., & Fu, X. (2018). Internet of Things for Smart Ports: Technologies and Challenges. IEEE Instrumentation & Measurement Magazine, Vol. 21(1), pp. 34–43. DOI 10.1109/MIM.2018.8278808.
  3. Кулик Е. Н., Байкин Д. А. Разливы нефтепродуктов на водной поверхности: методы анализа данных дистанционного зондирования Земли при их выявлении. Вестник СГУГиТ. 2022. Т. 27, № 4. C. 61–73. DOI 10.33764/2411-1759-2022-27-4-61-73.
  4. Port performance and maritime trade and transport facilitation. (2023). Review of Maritime Transport 2023. United Nations Conference on Trade and Development. New York: United Nations Publications. 126 p. eISBN: 978-92-1-358456-9.
  5. Ducruet, C. (2020). The Geography of Maritime Networks: A Critical Review. Journal of Transport Geography, Vol. 88, Issue 3: 102824. DOI 10.1016/jtrangeo.2020.102824.
  6. Сквазников М. А., Колыгин Д. Л. Подход к расчету интенсивности транспортных потоков при организации наземных перевозок в районе ликвидации последствий чрезвычайных ситуаций по данным дистанционного зондирования Земли. Вестник СГУГиТ. 2023. Т. 28, № 3. C. 77–91. DOI 10.33764/2411-1759-2023-28-3-77-91.
  7. Тимченко Т. Н., Глушко С. Н. Морские контейнерные терминалы как составляющая часть транспортной системы РФ. Современные аспекты экономики. 2016. № 5 (225). С. 14–19.
  8. Приходько Ф. Н., Радчин С. П., Тимошенко К. А. Анализ контейнерного терминала НУТЭП Новороссийского морского порта и его роли в экспортно-импортных отношениях России и Турции. Молодой ученый. 2024. № 37 (536). С. 20–26.
  9. Notteboom, T., Pallis, A., Rodrigue, J.-P. (2022). Port Economics, Management and Policy. London: Routledge. 690 c. DOI 10.4324/9780429318184.
  10. Рева Я. С., Винокур Л. Б. О повышении пропускной способности владивостокского контейнерного терминала. Проблемы транспорта Дальнего Востока. Доклады XII научно-практической конференции. 2017. Т. 1. С. 292–296.
  11. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития. Вестник СГУГиТ. 2021. Т. 26, № 2. C. 155–163. DOI 10.33764/2411-1759-2021-26-2-155-163.
  12. Mi, C., Huang Y., Fu, C., Zhang, Z. (2021). Vision-based measurement: Actualities and developing trends in automated container terminals. IEEE Instrumentation & Measurement Magazine, 24(6), pp. 65–76. DOI 10.1109/MIM.2021.9448257.
  13. Vasileiadis, S., Asiam, Sh., Orphanides, K., Cassera, O. (2025). Real-time container tracking and damage detection at seaports using deep learning. Proceedings of the 20th Conference on Computer Science and Intelligence Systems (FedCSIS), Vol. 43, pp. 277-285. DOI 10.15439/2025F5518.
  14. Li, Y., Tian, Y., Yuan, C. et al. (2025). YOLO-UAV Ship: An effective method and dataset for multi-view ship detection in UAV images. Remote Sensing, Vol. 17(17). DOI 10.3390/rs17173119.
  15. Hsieh, C.-C., Chen, C.-A., Huang, W.-H. (2026). A real-time YOLO based container grapple slot detection and classification system. Computers, Materials & Continua, Vol. 86(3). DOI 10.32604/cmc.2025.072514.
  16. Labib, S., Harris, A. (2018). The potentials of Sentinel-2 and LandSat-8 data in green infrastructure extraction, using object based image analysis (OBIA) method. European Journal of Remote Sensing. Vol. 51(1), pp. 231–240. DOI 10.1080/22797254.2017.1419441.
  17. Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 65(1), pp. 2–16. DOI 10.1016/j.isprsjprs.2009.06.004.
  18. Kanjir, U., Greidanus, H., Oštir, K. (2018). Vessel Detection and Classification from Spaceborne Optical Images: A Literature Survey. Remote Sensing of Environment, Vol. 207, pp. 1–26. DOI 10.1016/j.rse.2017.12.033.
  19. Liu, Y., Cui, H., & Li, G. (2017). A novel method for ship detection and classification on remote sensing images. Proceedings of 26th International Artificial Neural Networks and Machine Learning Symposium (ICANN), pp. 556–564. Springer International Publishing, Algero, Italy, 2017. DOI 10.1007/978-3-319-68612-7-63.
  20. Zakharov, I., Lavigne, D. A., Warren, S., Henschel, M. D., Power, D., & Howell, M. (2021). Ship detection and classification in EO/IR VHR satellite imagery. Proceedings of IEEE International Geoscience and Remote Sensing Symposium (IGARSS). pp. 3561–3564. Springer International Publishing, Brussels, Belgium, 2021. DOI 10.1109/IGARSS47720.2021.9553254.
  21. Li, B., Xie X., Wei X., & Tang, W. (2020). Ship Detection and Classification from Optical Remote Sensing Images: A Survey. Chinese Journal of Aeronautics, Vol. 34(3), pp. 145–163. DOI 10.1016/j.cja.2020.09.022.
  22. Zhou, B., Wang, Z. (2024). An Automated Method for Container Counting in Satellite Images Based on Grid Analysis and Shadow Recognition. IEEE Acces. P. 99. DOI 10.1109/access.2024.3440041.
  23. Yasuda, K., Shibasaki, R., Yasuda, R., Murata, H. (2024). Terminal Congestion Analysis of Container Ports Using Satellite Images and AIS. Remote Sensing, Vol. 16, No 6, p. 1082. DOI 10.3390/rs16061082.
  24. Afiq, A., Jasmee, J., Khairul, N.-T., Hezri, R. (2019). Shipping container counting approach using unmanned aerial vehicle (UAV) and ArcGIS. Built Environment Journal, Vol. 16(2): 15, pp. 120–129. DOI 10.24191/bej.v16i2.9693.
  25. Murata, H., Shibasaki, R., Imura N., Nishinari, K. (2023). Identifying the operational status of container terminals from high-resolution nighttime-light satellite image for global supply chain network optimization. Remote Sensing, Vol. 4, pp. 21–31. DOI 10.3389/frsen.2023.1229745.
  26. Tanga, G., Guoa, Y., Qib, Y., Fangb, Z., Zhaoa, Z., Lia, M., Zhenab, Z. (2025). Real-time twin automated double cantilever rail crane scheduling problem for the U-shaped automated container terminal using deep reinforcement learning. Advanced Engineering Informatics. Vol. 5, Part A. DOI 10.1016/j.aei.2025.103193.
  27. Arfakhsyad, A. A., Rahman, A. N., Kinanti, L. et al. (2023). Unmanned aerial vehicle (UAV) data-driven modelling software with integrated 9-axis IMU-GPS sensor fusion and data filtering algorithm. The 15th International Conference on Information Technology and Electrical Engineering (ICITEE), Chiang Mai, Thailand, 2023, pp. 167–173. DOI 10.1109/ICITEE59582.2023.10317781.
  28. Chelioti, K. H., Tsaimou, C. N., Tsoukala, V. K. (2023). Unmanned aerial vehicles: A survey on monitoring advancements for port infrastructure applications. Journal of Engineering Project and Production Management, Vol. 13(3), 0023. DOI 10.32738/JEPPM-2023-0023.
  29. Baraldi, A., Tiede, D. (2015). Geospatial 2D and 3D object-based classification and 3D reconstruction of ISO-containers depicted in a LiDAR data set and aerial imagery of a harbor. Proceedings of IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Springer International Publishing, Milan, Italy, 2015. DOI 10.1109/IGARSS.2015.7326747.
  30. Martinez, J. G., Alarcon, L. A., Wandahl, S. (2024). Unmanned Aerial Systems (UAS)-Derived 3D Models for Digital Twin Construction Applications. Applications of Point Cloud Technology. DOI 10.5772/intechopen.1004746.
  31. Osmanoğlu, B., Sunar, F., Wdowinski, S., Cabral-Cano, E. (2016). Time Series Analysis of InSAR Data: Methods and Trends. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 115, pp. 90–102. DOI 10.1016/j.isprsjprs.2015.10.003.
  32. Алтынцев М. А. Методика интеграции данных мобильного лазерного сканирования и аэрофотосъемки для создания цифровой модели местности. Вестник СГУГиТ. 2022. Т. 27, № 5. C. 5–18. DOI 10.33764/2411-1759-2022-27-5-5-18.
  33. Kan, A., Chen, Z., Ye, Z., Zhang, J. (2025). Thermal behavior investigation on marine reefer container envelopes embedded with vacuum insulation panel. Thermal Science and Engineering, Vol. 8(2), pp. 115–126. DOI 10.24294/tse11631.
  34. Leifer, I. et al. (2012). State of the Art Satellite and Airborne Marine Oil Spill Remote Sensing: Application to the BP Deepwater Horizon Oil Spill. Remote Sensing of Environment, Vol. 124, pp. 185–209. DOI 10.1016/j.rse.2012.03.024.
  35. Tao, F., Qi, Q., Wang, L., Nee, A.Y.C. (2019). Digital Twins and Cyber–Physical Systems toward Smart Manufacturing and Industry 4.0: Correlation and Comparison. Engineering, Vol. 5(4), pp. 653–661. DOI 10.1016/j.eng.2019.01.014.
  36. Grieves, M., & Vickers, J. (2017). Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems. In book: Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches. pp. 85-113. Springer International Publishing. 327 p. DOI 10.1007/978-3-319-38756-7.
  37. Tang, G., Wang, C., Zhang, Z., Men, S. (2024). UAV Path Planning for Container Terminal Yard Inspection in a Port Environment. Journal of Marine Science and Engineering, Vol. 12, No 1, 128. DOI 10.3390/jmse12010128.
  38. Alvares-Vanhard, E., Corpetti, T., Houet, T. (2021) UAV & satellite synergies for optical remote sensing applications: A literature review. Science of Remote Sensing, Vol. 3, pp. 100019. DOI 10.1016/j.srs.2021.100019. HAL Id: hal-03137315.

Образец цитирования:

Сквазников М. А., Колыгин Д. Л. Применение данных аэро- и космических съемок в задачах оптимизации логистики морских контейнерных терминалов. Вестник СГУГиТ. 2026. Т. 31, № 3. С. 49–61. https://doi.org/10.33764/2411-1759-2026-31-3-49-61