随着现代经济的迅速发展,海上运输迎来巨大的发展契机,如何保障航海运输的安全性和经济性成为现代航运的研究热点。船舶A IS数据量巨大,蕴含着重要的船舶航行规律,可为船舶轨迹预测提供必要的信息支持。本课题通过对A IS数据分析处理方法进行研究,挖掘船舶航行的内在规律,对船舶航迹进行有效预测,达到提高船舶航行安全性的目的。首先,对A IS数据预处理中的航线编码提取、数据缺失修复、异常值处理等问题开展研究。针对原始数据缺失问题,设计了一种基于双向迭代计算插值点的缺失数据插补方法。数据缺失修复试验结果表明,该方法可以有效解决数据修复执行时间与准确率不平衡的问题。其次,重点研究了A IS数据压缩问题。在对轨迹压缩评价指标和轨迹压缩阈值选择原则分析的基础上,设计了一种改进的基于D P算法的船舶轨迹数据压缩方法。与传统的基于D P算法的压缩方法相比,该方法能够在压缩轨迹数据的同时较好地保持原始轨迹的主要特征。再次,对船舶轨迹聚类问题进行了研究。分析了船舶轨迹相似性度量方法,设计了一种基于自适应密度(D BSCA N)的船舶轨迹聚类方法,该方法可以有效解决轨迹聚类算法中距离阈值ε和密度阈值Minpts组合参数选取不平衡问题,达到较好的船舶轨迹聚类效果。最后,设计了一种基于朴素贝叶斯的船舶轨迹预测方法,该方法以聚类后的船舶轨迹数据为基础对船舶轨迹进行预测。以舟山群岛海域的A IS数据为基础,设计了预测方法验证试验。试验结果表明,与基于加权K N N的轨迹预测算法相比,该方法具有较高的预测率。