随着世界经济的发展,水上交通的运输任务日益繁重,水域交通状况越发繁杂。为了保障人员财产安全、保护海洋环境、维护国家主权,加强对海上交通态势的了解及交通监管十分重要。长久以来,船舶的交通流观测仍以视觉和雷达观测为主,缺乏船舶具体信息,且低效。此外海事监管部门的主要监管手段是通过低效的人工值守完成的,容易随着值守人员的注意力下降、疲劳等人为因素,发生误报和漏报现象。本文旨在挖掘大量累积的AIS轨迹数据,获得船舶运动模式,为航道建设、航路规划提供辅助决策,实现异常船舶的识别,从而提高监管效率,降低风险,优化通行效率,节省货物运输成本。本文以船舶运动轨迹为研究对象,采用了数理统计分析、聚类分析等技术,对船舶轨迹的数据挖掘方法进行了研究,主要工作包括以下4个方面。(1)总结归纳了包括噪声清洗手段在内的AIS轨迹数据预处理方法,并对在天津VTS中心采集AIS报文过程中出现的校验位错乱的异常现象进行了分析,发现了 AIS报文数据中存在着标识符封装错乱的问题,并提出标识符循环代入验证的优化采集方法。实验结果表明新的采集方法能够规避封装错乱的问题,提升AIS报文的采集质量。(2)提出利用"子轨迹长度和"量化压缩精度的方法,通过数理统计,选取能够保留较多轨迹特征点的阈值,从而确定Douglas-Peucker算法的压缩上限,并通过琼州海峡水域的实船数据验证了该方法能够在压缩数据量的同时,保留原数据的交通流特性,以此划分出的船舶轨迹是有效的。(3)提出了通过统计核心距离的分布密度,利用Inverse Gaussian拟合曲线的极值和拟聚类后的噪声数量变化规律,确定密度聚类算法参数的方法,以及提出通过层次进行密度聚类的具体流程,以适应密度分布不均的船舶轨迹数据。实例分析说明了该方法能够区分不同相似性的轨迹,聚合相似性较高的轨迹,可以用以建立船舶行为的模型。(4)建立了基于"Douglas-Peucker船舶轨迹划分—结构化相似性度量—自适应层次密度聚类/谱聚类/轨迹核密度估计"的船舶轨迹数据挖掘框架,提出基于样本模型的异常检测应用方法,并利用VisualStudio2013、MatlabR2014a、电子海图系统进行了琼州海峡水域船舶数据的实例分析,利用基于该框架开发的船舶异常检测仿真模拟系统,进行了船舶监测的仿真实验。结果证明了该框架在掌握水上交通流态势、海事实时监管上的可行性,并且能够在零散杂乱的船舶轨迹中发现船舶轨迹的分布规律,动态及时地识别存在异常行为的船舶,具有一定的应用价值。