随着船舶自动识别系统的普遍应用,逐渐积累了大量的船舶轨迹数据,这些数据对海洋管理与服务具有重要的价值。其中,如何利用船舶轨迹数据挖掘分析得到船舶停留区域的信息是港口管理业务中的一个重要问题。港口中特定船舶停留区域(包括泊位与锚地)的分析与挖掘不仅可以为船舶安全停靠提供必要的基础信息,也可以为船舶港口的导航提供重要的信息来源,同时对港口的规划建设也提供了重要的决策支撑。然而,由于船舶轨迹数据具有数据量大,船舶轨迹数据相对于其他轨迹数据而言存在采集稀疏,轨迹漂移,时空跨度大的问题,同时船舶在港口的锚地和泊位也具有着不同的停留行为。为此,本文结合船舶轨迹数据的特点和港口停留区域的特征下,开展了基于船舶轨迹数据的港口停留区域提取方法研究,本论文的主要工作包括:1、结合船舶轨迹数据特点,定义了船舶轨迹停留段概念,并针对港口停留区域识别出现的船舶轨迹大数据的精度低、稀疏、漂移等问题,在对船舶轨迹数据进行去噪、插值等预处理操作基础上,提出了一种多约束条件下的船舶停留轨迹提取方法,设计了基于MapReduce的船舶停留轨迹提取算法。2、利用船舶轨迹在港口停留区域的抛锚行为和系泊行为特征的不同,提出了基于随机森林的机器学习分类模型,对船舶停留轨迹进行分类,分别得到锚地和泊位这两种不同的轨迹停留数据。3、基于分类得到的锚地和泊位的轨迹停留数据,分别设计了基于轨迹栅格化的锚地多边形提取模型以及基于聚类分析的泊位多边形提取模型,实现了泊位规则多边形数据信息和锚地不规则多边形数据信息的提取。此外,课题还基于真实的船舶轨迹数据集对上述研究内容进行了验证和评价,同时提取的多个港口的泊位和锚地信息也已经应用于相关单位的实际业务中。