渔船作为重要的海洋渔业生产工具,渔船的运行轨迹数据中包含大量的时空分布信息,通过对渔船轨迹信息的精准分析能够挖掘出渔船的出海规律及作业行为模式等,对精准掌握渔船作业行为、发现渔船异常行为、规范渔业执法等具有重要意义。目前已有大量国内外学者利用AIS轨迹数据中的轨迹点的时间、经纬度、航向、速度等属性,通过建立数学模型和研究算法处理轨迹数据,但研究的对象大多是商船,对渔船领域的研究涉猎不深,因此本文以渔船作为研究对象,以大量渔船AIS轨迹数据为基础进行研究分析,针对渔船轨迹的数据特点,对渔船AIS轨迹数据进行相关预处理工作后,对其进行相似性分析工作,具体工作可概括为以下两点:1)提出了基于改进滑动窗口的渔船AIS轨迹数据压缩算法:针对渔船AIS轨迹数据数据质量不高、渔船轨迹分析需要保留更多特性点这一特点,在Sliding window算法基础上利用相邻轨迹点之间的经纬度变化状态趋势确定行驶特征点,在保留时序信息的同时压缩高密度的停滞点,用采样法保留直行中间点,尽可能多地保留了轨迹特征点。实验表明,基于改进滑动窗口的渔船AIS轨迹压缩算法将压缩率控制在94%以下,很好的保留了渔船轨迹特征点,同时也避免了Sliding Window算法存在的轨迹形态失真问题,更有利于后续的渔船作业行为分析工作。2)提出了基于分段动态规划的渔船AIS轨迹相似性度量算法:针对渔船AIS轨迹数据的相似性度量存在轨迹不等长且相比较的轨迹之间有时间漂移的问题,结合了不同轨迹的渔船轨迹点采样率不同的特点,在已知的动态时间规划算法上提出分段的改进思路,利用点对段的距离计算减小轨迹采样方法对灵敏度的影响,然后在段对段的距离计算中引入角度距离,改进了相似性度量的精确度。实验表明,两组聚类对比实验中,基于分段动态规划的渔船AIS轨迹相似性度量算法比Hausdorff算法和DTW算法的准确率分别提高了15.5%和5.3%,能够取得比较理想的相似性度量结果。