地球表面积的71％是海洋，我国拥有299.7万平方公里的海洋国土。从安全需求上来看，要监控恐怖袭击、海盗、走私、偷渡等违法活动，发现违法侦测、资源侵占等行为，为国土安全提供屏障。另一方面，海运是全球贸易的主要方式。2015年，海运贡献了全球商品交易量的80％以上，超过100亿吨。从经济需求上看，需要对全球航运的状况及态势进行监测。　　船舶和港口是在研究船舶行为时最重要的两类实体。AIS(Automatic IdentificationSystem)的广泛使用提供了海上目标的轨迹数据。通过AIS可以实时获取船舶定期上报的位置、速度、方向等动态信息和MMSI(Maritime Mobile Service Identify,水上移动通信业务标识码)、船名、类型等静态信息。按照规定，船舶应申请唯一的MMSI，并输入AIS设备，但该规定的遵守情况较差，数据中MMSI的可信度取决于船舶的配合程度，普遍存在多目标MMSI相同的情况，需要通过数据关联对每个目标进行唯一标识。而港口数据库中记录的港口信息比较粗糙，更新慢，通常只包含港口的中心经纬度。在船舶异常检测方面的相关工作集中在检测目标位置是否偏离历史模式，缺乏全面系统的分析。由于船舶进行违法违规行动时，通常会关闭AIS隐藏行踪，仅基于轨迹数据分析位置异常的方法此时无法发挥作用。　　本文按照信息融合中的分层方式，以船舶和港口为兴趣实体，依次进行实体评估、态势评估，并在这两层分别检测船舶行为异常。本文的主要研究内容与贡献如下:　　1.本文提出了一种基于证据融合的实时目标数据关联方法，并在实时接入的全球AIS数据上进行了实现。除了分离AIS数据中使用相同MMSI的不同目标轨迹，该方法还能关联AIS、北斗终端、海事卫星终端、雷达等多类数据中使用了不同编号的相同目标。在方法评估时，相关工作中尚未出现1000个以上运动目标的场景，而本文在6万目标4类轨迹数据的模拟场景下实时关联，每秒接收6430条轨迹数据。该方法为线性复杂度，平均占用CPU的1.1个线程及1.94GB内存，远小于经典算法MHT(Multiple HypothesisTracking)的指数复杂度。同时，漏关联率不到万分之一，错关联率为万分之五，好于相关工作中1％量级的漏关联率和错关联率。　　2.本文提出了一种基于栅格的船舶活动模式表示及计算方法，定义了自由空间中的目标密度、交通密度和消息接收频率。与道路网络相比，海上目标活动的自由度很大。本文提出了在自由空间中使用目标密度和交通密度栅格来表示活动模式，使用消息接收频率栅格来表示网络覆盖状态，并首次定义了自由空间的目标密度、交通密度和消息接收频率，计算和可视化了全球船舶的活动模式和AIS接收网络覆盖图。　　3.本文提出了一种基于栅格的港口表示和挖掘方法。港口是航运网络中最重要的节点，然而港口数据库中记录的港口信息比较粗糙，更新慢，通常只包含港口的中心经纬度。由于船舶活动的目的是将货物和人员在港口间转移，而装卸货物及上下人员绝大部分发生在码头泊位，因此，本文将港口表示为泊位栅格的集合，排除了水域、锚地等无关区域。通过检测船舶位置是否与集合中的元素重合，判断进出港口，避免了将路过港口附近水域的船只误判为进出港。本文首先将全球划分为经纬度跨度相等的栅格，然后通过模糊逻辑推理每个栅格属于泊位的置信度，最后使用基于多坐标系的分类方法将每个属于泊位的栅格分类到已知中心点的港口。结果表明，本方法比基于聚类的方法可以更加准确表示及挖掘港口的分布范围，误检率由50％左右降低为了不到1％。　　4.本文提出了一种在实体层和态势层分别进行船舶异常行为检测的方法。在实体评估层，将目标行为与历史活动模式比较，计算目标属性的异常值。在态势评估层，对航运网络特征进行了分析，结果表明，全球港口节点的出度近似为指数分布，从一个节点去往其他各节点的航次近似幂律分布，指定有向边上各个航次的时间也近似幂律分布，从全球最繁忙的2.7％的港口出发的航次占总航次的一半以上。基于航运网络特征，提出了一种计算船舶在港口之间转移行为异常隶属度的方法。该方法将一艘船的活动表示为航次序列，分别计算每个航次的异常隶属度，然后加权平均计算出该船的异常隶属度。在船舶关闭AIS设备隐藏行踪的情况下，该方法仍然能发现异常行为。相关工作中通过人为编造异常数据评估异常检测算法，由领域专家主观判断准确度。本文首次基于法院公布的真实走私案例评估算法，计算涉案船只的异常隶属度。结果表明，走私船的异常隶属度超过了0.9，证明本文的异常检测算法具有很好的识别能力。同时，检测算法具有较低的误检率:超过95.64％的航次的异常隶属度小于0.9，当以0.9作为异常阈值时，假设正常船舶各次航程的异常度相互独立，则对包含5次及以上航次的船舶检测时，误检率低于百万分之2.182。