随着对外贸易进程的不断推进,各国间的贸易往来盛况空前,以船舶为载体的水路运输无论是在国际间还是国内都发挥着越来越重要的作用,甚至成为我国经济发展的重要支撑。然而在水路贸易取得丰硕成果的同时,水上交通事故尤其是船舶碰撞事故所造成的人员伤亡、经济损失也给人们敲响了警钟。研究船舶碰撞风险预警系统,不仅能减少人为因素对碰撞事故的影响,也能为船舶自动化避碰决策提供依据。本文基于碰撞危险度建立船舶碰撞风险预警模型,运用智能识别技术,对不同会遇局面下船舶存在的碰撞危险态势进行识别并及时预警。本文的研究工作和创新成果如下:(1)针对碰撞危险度与其影响因素间复杂的非线性映射关系,本文将分类回归树(CART)应用到船舶碰撞危险度预测模型的构建中。利用模糊综合评价法对本文采集的500条船舶会遇样本进行危险度评估,以此构建包含专家避碰知识的碰撞危险度识别库。通过CART回归算法对库中的样本进行学习,构建基于CART的碰撞危险度预测模型。实验结果表明,在特征维数较低、样本量较少且属性值缺失较多的情况下,相较于GA-BP、GA-SVM碰撞危险度预测模型,CART模型在识别精度和识别速度方面均表现最优。(2)针对当前船舶风险预警模型存在的不足,本文研究基于RFFS特征选择和随机森林分类器的船舶碰撞风险预警模型。将系统聚类法应用到船舶碰撞风险预警等级的划分中,打破人为划分样本风险等级的局限性。采用RFFS特征选择算法对初始预警指标进行筛选,得到合理的预警指标体系。在此基础上,引入随机森林组合分类器构建本文的船舶碰撞风险预警模型。实验结果表明,与传统的BP神经网络、SVM预警模型相比,随机森林模型在预测精度、预测稳定性和泛化能力方面都优于其它风险预警模型。(3)基于碰撞危险度确定船舶最佳避碰时机,结合转向避碰数学模型建立本文的船舶碰撞风险预警与避碰决策模型。最后在MATLAB仿真平台下建立辅助避碰决策系统,针对对遇、交叉和追越局面下船舶所面临的碰撞危险态势进行预警与避碰决策仿真,从而验证本文碰撞风险预警模型的有效性。