随着海上交通流动性的增加,各种隐匿性海上安全问题日益增多,海事态势感知成为一个主要议题。如今,雷达、高清摄像机以及船舶自动识别系统(AIS)等多种传感器被广泛用于监控海洋环境。然而,这种广泛使用的效用却是有局限性的,主要缘于其用途只是原始探测数据的图形化展示。如何基于传感器原始数据分析海上目标行为,理解异常事件,预警潜在海事风险,是海事态势感知系统功能开发的关键。目前虽然已经有了对于海上目标异常行为自动检测的研究,但大多基于数据驱动方法,通过研究AIS轨迹,学习目标正常运动模型来识别异常轨迹。此类方法仅基于一种探测手段,当出现AIS欺骗或静默情况时无法应用;仅研究目标轨迹,很难对目标行为进行全局解释;目标常态模型学习和异常行为检测都是离线执行的,严重限制了在实时监控应用中的使用;在检测过程中缺乏用户参与以及使用复杂的检测技术,这些技术通常很难被操作员理解,并且分类结果难以在管理层面上进行解释。针对上述问题,本文以语义规则的形式对人类知识进行建模,整合海上目标的语义轨迹、语义属性及语义事件信息,设计并实现了一套基于知识驱动方法的,综合多种监测手段、目标多维度特征、多时间维度的基于历史数据挖掘的异常目标识别系统,其中历史数据挖掘模块基于多传感器原始数据及实时计算结果,提取目标多维度特征信息,构建目标信息图谱,建立目标历史知识库,异常目标识别模块实时地融合出目标信息,基于语义规则,结合目标历史行为背景检测目标异常行为,预警潜在海事风险。本文设计的系统可用于实时的海事态势感知,有效地协助监控人员理解目标语义行为,关注重点异常目标,应对海上威胁事件。