（兰州大学信息科学与工程学院 兰州 730000）

1 引言

随着5G时代的来临与物联网行业的兴起，海量数据蜂拥而至，船舶自动识别系统（AIS）的数据量也与日俱增。同时伴随着一带一路发展战略，繁杂的数据为海洋监管提出了更多的挑战。船舶在航行过程中，受到风、流和雷电等气象环境异常时，容易造成航道偏差，造成位置异常；追越，横越，多船舶会遇等人为因素或其他突发情况也会给水上交通带来安全隐患。特别是大型船舶的异常航行，若未及时发现并纠正，最终会造成失控风险，损失难以估量。因此，船舶在第一时间发现行为异常时，如果及时监测到并报警，就能大大降低船舶异常行为的危害性，保证航行安全。在当前大型船舶数量与快速增长的情况下，异常识别，不仅对于船舶驾驶人员，船舶航运监管人员，甚至整个航运业来说，都是非常现实的问题。海上交通特征规律蕴含于海量的船舶AIS历史数据中。从海上交通工程的角度研究船舶行为模式，利用数据挖掘技术对AIS数据进行分析，所挖掘的船舶行为知识可以运用到船舶航行位置预测、船舶异常行为检测及海上交通流模拟等研究领域，为港口主管部门的通航环境管理等提供理论依据［1］。本文目的是通过AIS数据的分析，感知海上交通态势以及识别异常船舶，使得海事部门及船舶公司尽早发现异常，及时预警，快速排查问题船舶。采用该方法进行船舶异常识别的稳定性较好，结合线性时间复杂度的iForest算法［2］，化繁为简，同时也提高了船舶异常行为识别的准确性。……