通过挖掘海量AIS数据,提出了一种新的航道水深信息获取方法,即构建船舶安全航行水深参考图;采用数据预处理的方法对历史与在线的AIS数据进行清洗和修补,生成船舶运动轨迹;选定船舶航行区域的时间与经纬度,采用K-means聚类算法对船舶航行过程中的吃水数据进行聚类分析,得到不同安全航行区域的船舶分类,运用BP神经网络模型预测并补齐AIS数据中缺失的船舶最大吃水信息;分割船舶历史轨迹,当子轨迹的时间间隔在10~20min时,采用Spline插值方法对船舶轨迹中的丢失数据进行插值;采用凸包构建同类船舶的安全航行水深区域图,将不同吃水类型船舶的安全航行水深区域图合并,得到船舶安全航行水深合并图;将不同吃水类型的船舶安全航行水深合并图与航道图叠加,得到船舶安全航行水深参考图。试验结果表明:当聚类算法参数设置为4时,聚类后得到4类船舶,对应的船舶最大吃水范围分别为0.1~4.8、4.8~6.6、6.6~10.0、10.0~13.0m,对应的至少可通航船舶吃水分别为1.8、2.4、3.3、5.0m,说明船舶最大吃水与至少可通航船舶吃水呈正相关关系;构建的船舶安全航行水深参考图在电子航道图中覆盖了86%的航道,并与航道图的深水部分重合率为80%,因此,构建的船舶安全航行水深参考图能反映航道水深的真实情况,满足不同类别船舶的导航需求。