船舶自动识别系统(Automatic Identification System,AIS)在当今的航运业领域发挥着至关重要的作用,被用于维护海上交通安全,管理船舶运输等。船舶通过舰载AIS设备记录和传递航行数据,这些数据中包含着海量的船舶轨迹信息,区别于传统的对于AIS数据的利用,基于数据挖掘的手段可以从中提取出隐含的信息来分析船舶的航行特征、揭示船舶的行为规律,为海上交通管理和航线规划提供更多的技术手段和参考。本文在充分调研了国内外相关AIS数据挖掘研究与应用的文献的基础上,采用了一种基于分段与归组框架的轨迹聚类算法—TRACLUS算法作为主要研究方法,并深入探究了该算法的优势、基本原理、实现流程和参数评估等。算法分为轨迹分段和线段聚类两个主要部分,并通过生成代表性轨迹实现对分析结果主要特征信息的表达。该算法在针对轨迹的研究中,相比于其他算法,在会先对轨迹按照MDL原则进行近似划分,然后再用基于密度聚类的思想对分段后的轨迹子段聚类,从而能够从轨迹子段中发现更多公共子特征。在本文中,通过Python 3程序设计语言实现了该算法,并对算法进行扩展从而支持AIS轨迹的空间数据格式。为了更加方便直观的使用TRACLUS算法分析船舶轨迹,基于前后端分离的开发思想设计和实现了一个B/S架构的WebGIS原型系统。本文对系统的设计模式、开发框架和部署过程进行了介绍,并以地图的形式对算法各阶段分析结果以可视化形式展示。最后,通过一组英国某片海域的船舶轨迹数据在系统上进行实验测试,对比分析不同参数值对聚类结果造成的影响并总结参数选取的原则。实验结果显示系统和算法功能符合设计需求,且通过合理的参数可以得到理想的轨迹聚类效果。