随着我国航运业的快速发展,巨大的船舶交通量致使海上交通环境日趋复杂,安全问题日益凸显。而船舶AIS的广泛应用,带来了船舶时空数据的迅猛增长。因此,提高船舶时空数据利用效率,从中获取海上交通特征,实现海上交通管理系统智能化成为研究热点。而异常行为检测作为海上交通监管的重要环节,对于船舶通航安全,海洋保护,海上非法行为打击等具有重大意义。鉴于此,本文基于船舶AIS历史信息,利用Hive数据仓库、SparkR分布式处理平台和数据挖掘技术,分别从船舶OD航迹、港口船舶停泊行为和船舶类型识别三个方面研究海上船舶运动特征和规律,并将算法模型构建与实例分析相结合,实现船舶的异常行为检测。本文通过分析各领域异常行为检测相关现有研究,总结不同对象适用的异常行为研究方法,提出如下三种船舶异常行为检测方法。首先,建立基于OD切分模型的航迹异常检测方法,并以“中远之星”客轮为例,获得该船舶实际航行时间和航行路线,与其既定船期、路线进行对比验证模型的正确性。其次,建立基于网格化密度聚类的船舶停泊点挖掘方法,并选定国内外六大港口,获取港口水域停泊点具体位置和面积信息,结合动态船舶地图港口标识处实时船舶停泊行为来验证模型的正确性。最后,建立基于随机森林的船舶类型识别模型,并以舟山渔场水域船舶为例,获得渔船识别模型,通过比较模型识别的船舶类型结果和上报的船舶类型验证模型的正确性。研究结果表明,本文建立的三种船舶行为算法模型能较好的反映船舶海上运动的特征和规律。基于对挖掘所得船舶行为特征的分析,可以有依据的对船舶异常行为进行检测。其中,OD切分模型可用于检测船舶航行路线异常问题,停泊点挖掘模型可用于实时检测船舶停泊行为,船舶类型识别模型可用于检测渔区范围非渔船的异常行为。通过挖掘船舶海上交通特征来发现船舶异常行为,可以有效地规范船舶安全交通,为船舶交通管理系统智能化奠定基础,亦对航海事业的健康发展提供助力。