船舶航行交通事件检测多采取基于历史数据的离线检测方式，检测模型适用性差，无法满足监管人员实时检测需求。通过对现有船舶异常行为和船舶事故检测文献的分析，可以发现：在数据层面，数据来源单一、环境信息缺失；在方法层面，基于统计、风险评估的经典模型检测效率高但检测准确性低，基于神经网络、图像识别等机器学习的检测方法准确性高但效率低；多源数据融合、多项技术结合的检测方法成为实时检测趋势。梳理船舶航行交通事件实时检测关键技术3项。①海事大数据处理技术：高效处理船舶运动数据和航行环境数据，标准化多源异构数据结构，降低数据源单一造成的事件报警频率，扩大数据适用性；②船舶行为动态建模技术：利用深度学习、语义关联、图神经网络等方法融合船舶运动数据与船舶航行情境信息，考虑船舶交通的空间相关性及环境影响，提高检测准确性和实时性；③实时分析和可视化技术：结合平行系统进行虚实系统间信息传递，定性分析检测结果，实时显示检测全过程，提升监管交互性。面向海事监管未来的发展方向，结合新一代航运系统，提出平行检测系统架构，包括数据采集、后台服务和客户端应用3个功能模块，实时接收处理船舶航行数据、分析预测交通状态、动态检测预警交通事件并展示仿真结果；结合平行检测系统和实时检测关键技术，从数据融合处理、交通状态感知和交通虚实映射3个方面进行展望，提出实际使用阶段的实时检测技术发展方向。