随着改革开放的不断深入,尤其是“一带一路”倡议的提出,我国外贸运输量迅速增长,船舶运输任务日益繁重,海域交通状况越发复杂。为了保障船舶顺利通航,了解船舶航线信息和特定海域的通航模型十分重要。长久以来,获取航线信息的方式主要以电子海图为主,多为模糊定性分析,缺乏具体的船舶属性信息和实际航行经验,适用性较低。岸基船舶自动识别系统(Automatic Identification System,AIS)(以下简称AIS系统)的建立以及国际海事组织强制使用条例的颁布提供了丰富的船舶航行数据,为定量分析船舶航线信息提供了新的思路。目前,AIS数据包含船舶名称、识别号码、地理位置、对地航速、对地航向等船舶航行信息,且更新周期短,可以详细的构建船舶航行轨迹。本文以通过AIS数据构建的船舶轨迹为研究对象,采用基于轨迹属性相似度量的聚类分析算法,对船舶轨迹进行挖掘,了解船舶在特定海域的通行模式。主要工作包括四个方面:(1)系统的对AIS数据进行了预处理。考虑到AIS数据在重构船舶轨迹过程中存在的问题,本文采用了轨迹点的位置、时间和数量信息进行数据清洗,采用历史数据进行数据插值,采用RDP算法进行数据压缩,保持原始轨迹特征的同时,精简了冗余的数据,提高数据分析效率;(2)优化轨迹间相似性度量方法。本文结合船舶轨迹位置、对地方向和对地速度三方面属性特征,使用欧式距离和Hausdorff距离建立轨迹相似性度量函数,并设置权重对相似距离进行加权求和,综合考虑轨迹属性对聚类结果的影响;(3)建立基于轨迹属性相似度量的聚类方法。在DBSCAN算法的基础上,创建轨迹属性相似距离度量的聚类算法,改进原算法参数的取值方式,加入隶属度函数和局部异常因子,利用聚类结果构建船舶典型轨迹,检测船舶异常行为;(4)利用上海港船舶AIS数据进行实例分析。实验对上海港内货船的轨迹进行了聚类,分析了海域内不同航段的船舶通航模式,聚类结果符合实际情况。本文提出的聚类算法可以用于检测船舶异常行为、获取典型航线等场景,有利于航线设计时对它船航行经验的借鉴。本论文提出的算法和聚类结果可为“一带一路”倡议中港口的建设和监管提供辅助支持。