近些年来,航道拥堵事故不断增加,严重制约港口的发展,对船舶航行安全造成了极大的威胁,对航运业的可持续发展造成了极大的影响。随着水上智能交通系统的飞速发展,如何实时动态地识别和诱导水上交通流,并对航道进行控制和管理是智能交通系统领域研究的热点话题。本文在对Fuzzy DBSCAN聚类算法的研究基础上,以现阶段航道拥堵问题为研究切入点,并基于AIS数据的特点,提出了一种可以适用于航道拥堵区域识别的基于密度聚类的改进Fuzzy DBSCAN算法;选取全国水域范围内的船舶交通流信息为研究对象进行了航道拥堵实验分析,成功识别出航道中的高密度区域;结合航道交通流速度和模糊推理系统,建立交通拥堵综合评价模型,对航道中高密度区域的拥堵等级进行综合评价。总结全文的研究内容,主要的研究成果如下:（1）针对经典DBSCAN算法输入参数难以确定,不适用于密度不均匀数据集等问题,本文将DBSCAN算法与模糊集合论进行结合,得到了DBSCAN算法的三种模糊扩展Fuzzy Core DBSCAN、Fuzzy Border DBSCAN、Fuzzy DBSCAN。同时针对Fuzzy DBSCAN输入参数过多,聚类效果未达到预期的问题,对算法和输入参数的运算流程及内部隶属度判别准则进行进一步优化,提出了改进Fuzzy DBSCAN算法。（2）为了验证改进Fuzzy DBSCAN算法的有效性和先进性,实验通过选取四个不同类型的人工标记数据集Aggregation、Compound、R15、D31进行聚类分析,并将改进Fuzzy DBSCAN算法得到的结果与采用DBSCAN、Fuzzy Core DBSCAN、Fuzzy Border DBSCAN、Fuzzy DBSCAN算法的聚类结果进行对比,实验结果表明改进Fuzzy DBSCAN算法对于含有噪声点、密度不均匀的数据集有良好的适应性,在聚类效果上要优于DBSCAN算法和另外三个模糊扩展,具有较高的运行效率和较短的运行时间。（3）运用改进Fuzzy DBSCAN算法开展航道拥堵实验,对2018年1月1日全国范围内的船舶AIS轨迹数据进行聚类分析,实验结果表明改进Fuzzy DBSCAN算法能够成功识别出航道中的高密度船舶簇,通过计算各个船舶簇的交通流速度可以对航道中的高密度区域进行拥堵状态识别。结合航道交通流速度和模糊推理系统,建立交通拥堵等级综合评价模型,对航道中各个高密度区域的拥堵等级进行评价。本研究可为海事主管部门合理规划、合理利用航道资源、建立良好的航道通航秩序提供参考依据,对避免航道拥堵,提高航道利用率,推进航运业健康、有序、高质量发展具有一定的积极意义。