近年来,随着位置信息收集设备的普及,对移动目标轨迹进行数据挖掘的技术也逐渐火热并取得了广泛的研究成果,但在航海领域,由于船舶轨迹数据稀疏、数据质量不高、船舶位置随机性强且时空跨度大等特点,传统的时空轨迹数据处理技术难以有效应用和普及。而对船舶移动轨迹的数据挖掘对于船舶自身航行安全以及港口航运调度等场景都有着非常重要的应用价值。因此,本文针对船舶航行过程中收集到的AIS（Automatic Identification System,自动识别系统）数据进行了数据挖掘,设计并实现了一种船舶轨迹分析系统。首先,本文设计了基于停留点检测与轨迹聚类的船舶停靠港口识别方法。船舶停靠港口对于船舶轨迹分析和港口信息统计至关重要,但AIS数据中并不包含该信息。通过船舶与港口距离的判定方法或者位置点聚类方法都有较大的识别误差,本文采用了基于停留点检测的方法来识别停靠港口,同时为解决停靠港口的遗漏及误判,使用了停留点聚类、港界生成、轨迹聚类等方法进一步提高港口识别的准确率。实验表明,该方法对于停靠港口的识别率好于两种基准方法。其次,本文设计了基于轨迹相似性的船舶目的港口预测方法。现有的基于关键点的预测方法在采样率较低的数据集中难以取得较高的准确率,而基于网格划分的预测方法对性能要求较高,不适合全球范围内的目的港口预测以及基于AIS数据流的实时预测。本文提出的基于轨迹相似性的预测方法不依赖单一位置点,同时使用轨迹相似性特征、船舶特征和状态特征。本文通过构建随机森林和LightGBM两种机器学习模型验证了该预测方法的准确性以及轨迹相似性特征对预测结果的提升效果。本文还实现了基于AIS大数据的船舶轨迹分析系统,设计了 AIS大数据存储、计算、可视化方案,完成了船舶位置追踪、历史轨迹分析和港口信息统计三个主要功能模块,并进行了功能测试和性能测试验证了该系统的实用性。