长期以来,船舶宏观碰撞风险预测是海上交通工程领域的重点研究内容之一。为协助岸上和船上人员及时准确预判船舶碰撞的概率,本文提出一种船舶宏观碰撞危险度实时预测模型。首先,利用AIS数据和基于密度的应用空间聚类算法,建立宏观水域内船舶聚类模型。接着,计算同一簇内相邻两船间微观碰撞危险度,并基于博弈论中沙普利值算法分别计算单船碰撞危险度在簇内的权重和单簇碰撞危险度在宏观水域的权重,建立宏观水域船舶碰撞危险度模型。在此基础上,采用改进的单循环神经网络建立船舶宏观碰撞危险度实时预测模型,并利用马六甲海域实测数据进行验证研究。本文的主要研究内容包括三个部分:（1）建立宏观水域船舶聚类模型。在对宏观水域内船舶AIS数据进行预处理后,结合基于密度的应用空间聚类算法和船舶距离,建立宏观水域船舶聚类模型,使宏观水域内相距较近的船舶归到同一聚类簇内。（2）建立船舶宏观碰撞危险度模型。首先,对同一簇内相邻两船,利用船舶最近会遇时间、最近会遇距离和船舶领域重叠指数三个指标计算微观碰撞危险度。接着,采用博弈论中沙普利值算法,分别计算单船碰撞危险度在簇内的权重和单簇碰撞危险度在宏观水域的权重。随后,将单船和单簇碰撞危险度与相关权重结合,建立船舶宏观碰撞危险度模型。（3）建立宏观水域船舶碰撞危险度预测模型。在船舶宏观碰撞危险度模型的基础上,采用改进的单循环神经网络,将宏观水域内历史宏观碰撞危险度和经由通航分道进入水域的船舶数量为输入,建立宏观水域船舶碰撞危险度预测模型,并利用马六甲海域实测数据进行验证研究。实例分析结果表明,所提出模型可以准确、有效地实现选定水域内船舶宏观碰撞危险度的实时预测。