船舶是水上交通活动的主体，识别船舶行为是理解水上交通态势和保障航行安全的关键。目前水上交通监管中船舶行为识别方法主要为人工观测识别。人工观测识别耗时长，成本高，监管范围有限，且需要依赖海事管理人员背景知识和专业经验。随着水上通航环境日益复杂，船舶数量和类型日益增多，人工观测识别方法难以满足复杂水域的交通态势感知需求。
　　受船舶的动态性和通航环境的多样性（航道条件、气象水文条件、交通条件的随机组合）等多种因素影响，船舶行为具有动态性和不确定性，这使得船舶行为具有丰富的解释，即船舶行为有其特定的语义。表达船舶行为的语义对于理解水上交通态势具有重要作用。船舶行为语义蕴含于船舶轨迹之中，然而，原始船舶轨迹采用坐标、航速、航向等几何特征表示，难以描述船舶行为的语义含义。
　　为揭示船舶行为的语义含义，实现船舶行为深层次认知，本文建立了船舶行为语义模型，主要研究内容如下：
　　（1）语义网络构建。基于水上交通规则和良好船艺构建了船舶行为语义网络，定义了单船行为（包括码头、锚地、航道等水域内行为）和会遇行为相关的语义概念和语义关系，实现了船舶行为的规范语义表达。
　　（2）船舶状态识别。根据拓扑学、几何学和航海学知识，提出了单船状态和会遇状态的识别方法，从原始数据中提取了语义网络中定义的船舶状态，为船舶行为推理提供了必要的语义信息支持。
　　（3）船舶行为推理。从水上交通大数据中揭示船舶行为内在演化机制，使用动态贝叶斯网络（Dynamic Bayesian Network，DBN）推理并预测单船行为，实现了船舶行为的动态概率推理；基于《国际海上避碰规则》，使用语义网规则语言（Semantic Web Rule Language，SWRL）推理会遇行为，得到了对会遇局面中船舶的语义行为指示；同时，给出了基于语义推理机的异常行为推理示例。
　　（4）语义模型应用。将语义模型应用于两种典型船舶（内河客渡船和海上集装箱船），给出轨迹标注、语义查询、自然语言表达和会遇行为指示等方法，向水上交通管理人员和智能船舶清晰、明确地表达船舶行为语义信息。
　　本文建立的语义模型可以在语义层面表达、识别和推理船舶行为，实现了船舶行为的深层次认知，有助于水上交通管理人员和智能船舶在复杂水上交通态势中识别动态船舶行为并迅速做出决策，对实现船舶智能航行具有重要意义。