随着海事信息化的不断发展,基于船舶自动识别系统(Automatic Identification System,AIS)的船舶轨迹研究已经有了显著的成果,但是船舶跟驰的研究却鲜少有人问津。而跟驰理论作为交通流理论的重要组成部分,有着重要的理论与应用价值。本文为了探索航道内船舶的跟驰行为,以长山水道内船舶AIS数据为支撑,以车辆跟驰理论为依据,对比分析了最长公共子序列(Longest Common Sub-Sequence,LCSS)、实序列编辑距离(Edit Distanceon Real Sequence,EDR)和动态时间规整弯曲(Dynamic Time Warping,DTW)的相似性度量效果,对比分析了 K均值聚类、谱聚类和带噪声的密度聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的聚类效果,提出了一种基于改进的DTW和DBSACAN的航道内跟驰船舶的识别方法。并将结果以可视化的船舶航速时间序列图和船舶轨迹时空图的形式展示。结果表明,该方法可以有效识别出航道内的跟驰船舶。为基于船舶跟驰理论的船舶行为研究、船舶交通流预测、船舶交通流稳定性分析提供了支撑。本文的成果:(1)以车辆跟驰理论为原型,结合船舶交通特性,提出了船舶跟驰行为的概念。(2)提出了一种以船舶对地航速变化曲线相似度为指标的航道内船舶跟驰行为的识别方法。