世界经济一体化进程的不断加快对水上交通的管理提出了更高要求,因此采用合适的聚类算法对船舶轨迹进行聚类分析,水上交通领域有极大的应用价值.谱聚类算法可对任意形状的数据空间进行聚类,且对高维数据和分布复杂的数据空间也同样有效,应用十分广泛.但传统谱聚类算法对初始值敏感且易限于局部最优,导致聚类结果往往不尽如人意.本文首先针对上述谱聚类算法存在的问题进行改进,提出了一种新的基于仿射变换的谱聚类算法(AP-SC算法);其次,采用道格拉斯-普克算法(DP算法)对船舶轨迹进行特征提取,可以AP-SC算法的时间消耗,优化聚类结果;最后,本文将提出的AP-SC算法应用到实际水上交通领域,通过对船舶轨迹数据进行聚类分析,挖掘船舶航行轨迹的特征.主要研究工作可概括为以下3个方面:1.提出基于仿射变换的谱聚类算法.在谱聚类理论基础上,针对谱聚类使用K-means算法对特征向量空间进行聚类而导致的初始值敏感和易陷入局部最优的缺点,本文基于仿射变换的思想提出改进的谱聚类算法.不同类数的船舶轨迹聚类实验对比分析,验证了本文提出的AP-SC算法具有更强的鲁棒性,能有效地解决谱聚类对初始值敏感的问题,而且聚类准确率也优于传统谱聚类算法.2.采用DP压缩技术降低AP-SC算法的时间消耗,同时提高聚类质量.针对AP-SC算法比传统谱聚类算法运行时间长的问题,使用DP算法对船舶轨迹进行特征提取,删除轨迹中的非关键点,从而减少计算船舶轨迹相似度的时间,优化AP-SC算法.本文综合考虑压缩率和压缩后轨迹对聚类结果的影响两方面因素,选取最佳阈值对船舶轨迹进行DP压缩.实验分析和压缩后船舶轨迹与原轨迹的聚类结果,对比验证了采用DP压缩轨迹不仅能减少AP-SC算法的运行时间,而且还可以提高聚类的准确率.3.将AP-SC算法应用于水上交通领域.首先,结合武汉长江大桥桥区水域实际通航情况,分析AP-SC算法对该水域船舶轨迹的聚类结果,所得结果与实际情况相符.其次,针对武汉长江大桥桥区水域发生的船舶与桥墩碰撞的意外事件,将AP-SC算法的聚类的结果应用于船舶速度监测,可避免主观上由于船舶超速导致的碰撞桥墩的问题.