海上交通因经济发展而更加繁忙,由于通航水域资源有限,船舶数量的增加、海上交通复杂度的提升必将导致海上交通风险增大。而主管机关快速、准确地识别海上交通态势并有效开展交通组织并不容易。随着AIS设备的强制配备和广泛使用,船舶动态数据已成为一种丰富而廉价的信息源。为此有必要分析海量船舶动态数据,充分挖掘其蕴含的海上交通特征,进而为主管机关提高交通组织效率、降低海上交通风险提供理论依据和技术支撑。论文以AIS数据为基础,以海上交通主要特征为研究对象,以计算机数据挖掘为研究手段,分析海上交通流宏观特征、海上交通时空模式和复杂度。主要研究内容和方法包括:(1)分析海上交通流特征和参数,引入航速、航向和MMSI等属性约束,使用DBSCAN算法对大量船舶AIS数据进行约束聚类分析,区分不同类型的交通流,计算交通流参数并研究参数之间的关系。(2)对AIS数据进行时间切片化约简,处理报告间隔不等的问题,综合考虑时间和空间属性,使用ST-DBSCAN算法开展AIS数据时空密度聚类,并开展多船会遇态势识别和基于Apriori算法的时空关联分析。(3)考虑船舶长度、相对距离、运动趋势和交叉角等因素,提出水上交通关系单元复杂度模型,定义有序距离,使用OPTICS算法对AIS数据进行聚类,计算海上交通复杂度。关于海上交通流宏观特征、海上交通时空模式和复杂度的研究,丰富了海上交通理论与技术。基于舟山海区船舶AIS数据的实例分析表明:约束聚类可以更加精细、灵活地区分不同类型、不同层次的交通流,提取海上交通流的宏观特征;时空聚类和关联分析更利于发现隐含的时空模式;考虑会遇态势聚类计算出的海上交通复杂度,切实反映了 VTS值班员的认知负荷。研究成果对海上交通组织与安全保障等具有重要的指导意义和应用价值。