船舶碰撞事故是水运交通安全的重大威胁，往往造成生命和财产的巨大损失并导致水域环境的污染。船舶会遇是描述海上船舶相遇情况的重要概念，对会遇过程及态势风险进行有效判别是确保相遇船舶实施安全避碰行为，降低碰撞事故风险的关键。现有会遇态势及风险判别仍较多依赖人为主观因素和船舶运动局部空间属性，容易产生误判、漏判、迟判等情况，繁忙交汇水域的交通安全监管压力和风险尤为突出。
　　本文以长江口航道交汇区为目标水域，利用船舶自动识别系统（Automatic Identification System，AIS）采集数据提取船舶会遇态势信息，在分析船舶会遇行为特征的基础上，构建了会遇态势辨识模型，实现了交叉、对遇、追越等不同态势的在线判别，提出会遇态势风险分级量化方法，基于深度学习理论构建了会遇风险预测模型和算法。具体研究工作及成果如下：
　　（1）船舶会遇态势信息提取。针对目标水域进行AIS数据解析和预处理，借助数据滤波等方法实现了异常数据过滤，提取会遇船舶轨迹数据；针对船舶会遇态势演化过程进行时空分析，形成表征会遇过程的时空约束条件，利用时空约束实现会遇轨迹配对，得到会遇过程数据；设计不定长窗口插值算法对配对的会遇过程数据进行同步插值处理，得到完整的船舶会遇态势信息，为会遇态势辨识建模及算法设计提供了数据基础。
　　（2）会遇态势的辨识。在分析船舶会遇过程规律的基础上，对两船速度差、航向差、相对距离、相对方位角等船舶会遇特征参量进行计算，利用核密度估计法对各参量进行统计分析，筛选出易于区分不同态势的会遇特征集；考虑会遇态势的时序演化特性，利用不同时间窗口内的特征集组成会遇行为特征序列，提出了一种联合支持向量机与贝叶斯滤波的会遇态势辨识模型，将特征序列作为模型的输入进行训练并实现会遇态势分类辨识算法流程；开展了模型对比验证和分析，结果表明所提出的基于行为特征序列的态势辨识算法能针对交叉、对遇、追越等态势进行及时有效识别，平均准确率达88.67%。
　　（3）会遇态势风险预测。考虑会遇风险度量模型的差异性和合理性，在计算DCPA、TCPA等评价指标的基础上，实现了会遇风险组合度量，并根据会遇不同阶段特点对组合风险值进行量化分级；采用滑动窗口的方式提取船舶会遇行为特征序列，建立特征序列与未来时段风险等级的映射关系，采用长-短序列记忆（Long Short-Term Memory，LSTM）神经网络对映射关系进行量化建模，针对不同会遇态势分别构建风险预测模型；利用目标水域4130对会遇样本数据进行模型训练和方法验证，结果表明所提出模型和算法能在不同时间尺度下对会遇风险进行预测，平均准确率达81.33%；同时，将提出的模型与贝叶斯分类器、多层感知分类器等开展对比验证，进一步验证了模型的有效性。
　　本研究以AIS大数据为驱动，在实现会遇态势信息提取的基础上，构建会遇行为特征序列并进行会遇态势辨识和风险预测建模。研究成果为开展船舶会遇辨识理论与方法研究提供了新思路，对开发船舶智能避碰预警系统具有重要指导意义。