随着国家“一带一路”战略的实施,长江航运条件得到较大改善,船舶的快速化、专业化、大型化趋势也更加明显。但船舶数量的增加(尤其是大型船舶),会占用较大范围的可航水域,影响了其他船舶航行的习惯航路,增加了水域通航环境的复杂程度;同时,多个省市的饮用水直接来自长江,一旦船舶之间发生碰撞,造成的环境污染和经济损失无法估量。为提升长江船舶通航安全水平,保障长江航运业健康发展,本文以长江航道武汉段AIS数据为基础,进行船舶轨迹预测及应用研究,旨在为港务、海事、搜救等部门提供船舶相关信息服务并用于监控和评估海上危险,从而保障船舶航行与作业安全。首先,总结概括包括AIS数据类型在内的AlS相关理论基础,并针对船舶AIS数据存在错误或者丢失的问题,在数据清洗之后,采用三次样条插值对缺失的数据进行插补还原;通过对武汉段航道AIS数据进行采集、解析和处理,建立了可快速查询的船舶轨迹数据库。其次,基于船舶轨迹间的综合距离,通过对比各类轨迹相似性度量和聚类方法,建立了基于密度的船舶自适应轨迹聚类模型;将模型应用于前期构建的轨迹库,得到了不同类别的轨迹数据集,以服务于后续船舶轨迹预测研究。其中,提出采用Douglas-Peucker算法压缩数据的方法,通过多次压缩实验选取能够保留较多轨迹特征点的压缩阈值,并以武汉水域的实船数据为例验证了该方法的有效性。之后,考虑到船舶轨迹数据量过大的因素,对目前轨迹预测算法进行分析和改进,建立了基于高斯过程回归(Gaussian Process Regression,简称GPR)和基于核岭回归(Kernel Ridge Regression,简称KRR)的船舶自适应轨迹预测模型;根据机器学习的基本原理,将聚类后轨迹集的经纬度、航向、航速作为特征值对模型进行训练,并以长江航道武汉段的船舶AIS数据为例进行试验,结果表明:基于GPR的预测模型对船舶航行行为进行预测的结果更快速、准确,误差在可接受的范围内。最后,设计了基于AIS信息的船舶轨迹预测应用系统,包括船舶航行轨迹查询分析、区域船舶动态监控和船舶未来位置预测等功能。一方面,通过对海量船舶航行轨迹的挖掘,实现对船舶历史航行数据的查询分析,发现船舶的运动规律;另一方面,将基于GPR的轨迹预测模型和电子海图结合,实现了船舶未来位置预测和对特定区域船舶的定制监控。船舶自适应轨迹预测的研究和设计,为预测船舶下一时刻状态创造了条件,对海事智能化监管体系构建、船舶通航安全保障研究均具有重要参考价值。