海上交通事故监管中,智能交通管理是海上安全防控的重要手段之一。其中,船舶异常行为研究是海事安全科学理论研究的重要组成部分,用于海上频发交通事故以及侵犯等违法活动的监管。根据船舶航行轨迹分析船舶航行状态以及航迹规范性,研究船舶的行为特征,进而对各类具有特定目的船舶异常行为进行识别判断,保障海域安全与畅行。因此本文主要针对航迹数据间的关联关系对船舶行为进行了展开研究,该研究对于船舶监管以及海上安全通行具有重要意义。本文通过数据挖掘,分析了航迹信息中数据的关联关系,创建特征数据库实现了对船舶异常行为的识别。主要从船舶运动规律的合理性以及船舶航迹数据关联关系的匹配性两个方面对船舶行为进行异常判断。针对异常的不同方面创建了四个模型,基于对实际航行轨迹整体走势的分析,提出了船舶航迹平滑度计量算法,利用径向基神经网络（Radial Basis Function,RBF）对航迹进行平滑拟合,创建平滑度判断模型,实现对航迹走势平滑度异常的判断;通过对海上实际环境影响的考虑,提出了风流压差判断算法,实现了对航迹数据所蕴含的风流压差信息异常的识别,构建了风流压差分析模型;在综合考虑实际航行轨迹整体走势的基础上,通过分析船舶航迹方向与数据方向之间的关联关系,提出了双特征因子关联匹配算法,利用多层前馈神经网络（Back Propagation,BP）创建双特征因子异常判断模型,实现了对关联匹配度异常的识别;结合船舶航行路径预测方法对航迹信息进行整体关联性分析,通过使用中分纬度算法,提出了多特征因子路径匹配算法,以理想化预测航迹为判断依据,利用BP神经网络创建多特征因子异常判断模型,实现了对航迹数据实际性匹配度异常的识别。基于上述创建的四个模型,设计并实现了船舶异常轨迹判断系统,用于对特定目的的船舶异常行为进行综合判断。利用统计分析法创建了正常航迹数据库和异常航迹数据库,统计大数据情况下两种航迹的异常种类分布情况以及各类异常程度,用于对模型以及系统的判断结果进行分析验证。结果表明基于神经网络的异常船舶航迹特征模型能够有效地对于航迹的异常行为做出判断,以此为基础构建的异常判断系统可为海上多异常情况提供相关监测依据,提高海上监管能力,保障海上船舶航行安全以及海域国防的安全。