为了减少全球船舶污染排放,国际海事组织（IMO）划分了特定的区域作为排放控制区（ECA）,来减少船舶污染物的排放。为了符合ECA法规,船舶经营者使用了不同的减排技术。目前减少船舶排放的主要方法有船舶使用低硫油（燃料切换）、船舶安装洗涤器和船舶使用液化天然气,这些减排方法将会对船舶航线和速度产生影响。船东为了尽可能地降低船舶的航行成本,船东可能在ECA外高速航行并且使用重质燃油,在ECA内低速航行且使用轻质燃油,这势必会影响船舶的航行轨迹,这样,ECA外的船舶污染物排放量会显著增加,尤其是ECA边界区域（靠近ECA）。因此,本文以ECA边界区域为主要研究对象,对船舶的轨迹、航速、排放、航行成本进行了研究。本文的主要研究内容如下:（1）ECA边界实证分析在以往的ECA研究中,多集中于优化研究,许多学者研究在ECA法规下,船舶航线和速度的变化情况。本研究在上述研究的基础上,利用船舶自动识别系统（AIS）数据、船舶静态数据、地理数据,结合数据描述、数据挖掘、机器学习和排放模型等方法,从船舶航行轨迹、航速和排放三个方面对ECA和ECA边界进行分析。本研究验证了在ECA法规下,一些船舶的航线会发生变化,使得船舶会绕着ECA边界航行,这样会导致ECA边界处的污染物排放增加,本文称这种现象为ECA边界效应现象。（2）ECA边界效应对环境的影响本研究使用AIS数据和船舶静态数据,结合数据描述、机器学习和排放模型等方法,估算了 ECA边界区域船舶的排放清单。在船舶排放的基础上,本研究还定义了ECA边界效应指标,同时还分析在2020年硫含量政策变化下,船舶在ECA边界的排放量。（3）ECA边界效应对全球排放的影响本研究利用AIS数据和船舶静态数据,结合数据描述、机器学习和排放模型等方法,估算了不同区域的船舶排放清单。在船舶排放和ECA法规的基础上,本研究统计了散货船、集装箱船和油轮的排放增长率。（4）ECA边界效应敏感性分析全球硫含量政策的变化、燃料价格的变化都会影响ECA边界效应。本研究利用AlS数据、船舶静态数据、燃料价格数据和地理数据,结合数据描述、机器学习、排放模型和成本模型等方法,对不同场景下的船舶进行排放和成本估算,从而揭示ECA边界效应出现的原因。（5）基于案例推理的ECA边界效应船舶识别在ECA边界航行的船舶很多,但并不是所有的船舶都具有ECA边界效应。本研究利用AIS数据、船舶静态数据和地理数据,结合数据描述、机器学习和案例推理等方法,设立ECA边界效应指标,构建案例库。同时研究通过BP神经网络求得案例指标的权重,计算了历史案例与待解决问题的相似度,从而完成对ECA边界效应船舶的识别。本研究的成果为ECA法规下航线发生变化提供了数据基础,并分析了这种变化下出现的ECA边界效应问题。为减少全球污染排放和制定解决政策奠定了理论基础。