随着我国航运业的快速发展,水上交通流量快速增长。海事数据的种类、数量、共享范围也在不断的增加。传统的监管方法已经难以满足水上交通快速发展的需求。伴随着海上事故的频繁发生,人们开始研究如何用科学有效的手段来获取数据信息。从而建立船舶航行安全评估机制,从根本上保障船舶的航行安全、减少海上交通事故的发生及保护海洋环境。针对现有VTS系统未能实现信息智能化处理,主要依靠人工监管实现船舶航行安全评估的现状。本文首先对VTS系统数据的类型、来源以及内容进行了分析研究。指出可基于海事数据实现VTS系统智能化评估船舶航行安全状况,并对海事数据进行了预处理。然后通过分析目前常用的安全评估算法的优缺点,结合VTS系统数据的特点。提出利用大数据处理技术实现智能化船舶航行安全状况的评估。具体选取数据挖掘技术中的支持向量回归算法(Support Vector Machines for Regression,SVR)作为船舶航行安全评估算法。最终构建了一种基于大数据的船舶航行安全评估模型,并通过仿真实验与当下常用的极限学习机(Extreme learning machine,ELM)算法进行对比分析。实验结果表明,基于大数据的船舶航行安全评估模型能够充分的考虑船舶航行安全的影响因素。并且在同一样本数据条件下,评估精确度和稳定性均优于基于ELM构建的评估模型。通过对数据的预处理和数据挖掘技术的应用,该方法能够实现对海事数据信息进行自动的分析、推理进而实现安全评估的功能。从而为科学调配海事监管资源提供前瞻性指导,提高了 VTS系统的智能化水平,缓解监管人员的工作压力。由此可见,该方法可用于现有的VTS系统中。