船舶轨迹数据中蕴含着大量的时空信息,通过对这些数据进行分析能有效挖掘其潜在信息,这些信息对检测违法犯罪、碰撞事故预警、海上搜救等具有重大意义,因此,近年来对船舶轨迹数据的挖掘与分析一直是研究的热点。本文的主要目的是以山东省渔船为例,研究基于雷达、AIS、北斗时空数据的船舶运行轨迹之间的关系并分析包括非法出海捕捞、设备套牌、走私、拖网作业等在内的异常行为,本文利用相似度量方法对多源数据进行关联融合,通过分析融合过程的多源数据关系以及融合后的渔船轨迹之间相似性关系,挖掘渔船运行中的异常行为,达到实时检测和预警的目的,具体设计工作如下:（1）本文首先对渔船雷达、AIS、北斗数据进行预处理,实现数据融合,对融合后的数据进行轨迹关联,删除重复数据,弥补单数据源的不准确和可能丢失的各种关系,增强轨迹计算精度以及分析可靠性。（2）研究渔船轨迹相似性问题,对渔船轨迹做两两比较分析。为减少海量数据带来的轨迹比对工作量,设计一种基于时空数据的轨迹相似性改进欧式度量方法。通过增加距离阈值以及时间阈值,改进传统欧式度量方法并建立网格过滤模型,舍弃设定距离外的轨迹,从而降低系统计算开销。（3）根据所设计算法,建立实时检测模型,筛选可疑数据,根据轨迹之间的关系,将筛选后轨迹数据按照种类和完整度进行分类,对检测分类后的轨迹特征与异常行为的轨迹特征进行匹配,辨识和分析海上渔船的异常行为。（4）设计并实现基于所提算法的海上船舶轨迹异常分析系统。系统使用Arc Map进行地图制图,并采用Arc GIS server进行地图发布,采用MVC架构,利用Java语言基于IDEA开发环境进行开发,数据存储采用SQL Sever数据库,并选择Tomcat作为web服务器,系统包括跟踪模块、异常轨迹检测模块、异常轨迹修复模块三大模块,并通过功能测试和性能测试验证了该系统的实用性。