随着船舶自动识别系统（Automatic Identification System,AIS）在船舶的强制安装,其采集的轨迹数据规模以指数形式地进行增长。海量的AIS数据会给数据挖掘带来严峻的挑战。高效的轨迹压缩技术能够缩减轨迹数据,有助于数据的挖掘。已有的船舶轨迹压缩方法缺乏全面地对每个轨迹的关键信息进行考虑,并且压缩时缺乏对AIS数据长时间消失的轨迹数据进行处理。最后,大多数方法都是只针对轨迹压缩方法进行研究,并未对轨迹压缩后的实际应用结合起来。因此,在海上交通领域对AIS轨迹数据的压缩仍然是一个挑战。为了解决船舶轨迹压缩领域存在的问题,本文做了如下工作:1)提出了一种考虑多个轨迹属性的阈值引导采样法对轨迹进行压缩。针对传统的轨迹压缩方法仅考虑了船舶轨迹个别属性,忽视了船舶轨迹的其他关键信息的问题。本文在方向保留算法的基础上,提出了一种结合船舶运动特性以及AIS数据特点的阈值引导采样法对船舶轨迹进行压缩。2)确定了各轨迹属性的判定条件和在算法中的判定优先级。首先对船舶轨迹按照时间差进行分割,识别停留点和长时间消失的轨迹数据,确保轨迹符合航行习惯;然后对轨迹的方位角差、航向差和航速差进行方位角特征点、角度特征点和速度特征点的判定,确定轨迹中的特征点;通过信息熵下降的方法确定所有特征的判定顺序,利用该判定顺序保留所有的特征点,最后输出所有的特征点即为压缩轨迹。3)对船舶轨迹使用阈值引导采样法进行轨迹压缩。通过选取厦门港的AIS数据作为轨迹数据源,然后使用本文提出的算法与方向保留算法分别进行轨迹压缩,将两者的压缩结果进行对比分析。实验结果表明提出的算法能识别轨迹数据的不同属性的轨迹特征点,并且在压缩效率、运算时间和压缩误差率上优于方向保留算法。4)对船舶轨迹压缩后,使用DBSCAN的轨迹聚类算法进行实用性验证。通过选取厦门港的AIS数据进行轨迹压缩,再使用DBSCAN聚类方法进行轨迹聚类。实验结果表明,使用本文提出的方法进行轨迹压缩后的轨迹不仅能运用于轨迹聚类,并且聚类效果符合预期。在与方向保留算法压缩后的聚类效果对比中,轨迹聚类的结果也更理想。本文以AIS信息作为支撑,提出的算法考虑了船舶轨迹的多个特征属性,实现了较为全面地对船舶轨迹进行压缩。利用轨迹聚类的方法验证了提出的算法在高效地对轨迹压缩的同时,依旧能保留船舶原始轨迹的关键信息,而且能准确识别和处理大时间跨度的AIS信息的轨迹和停留点的船舶轨迹。最后,利用提出的算法对轨迹压缩后,压缩的轨迹能够应用于轨迹的聚类分析,并且取得了理想的轨迹聚类结果。