在世界经济全球化、一体化的大环境下,航运业发生着巨大的变化。贸易货物的标准化管理、运输、装卸的大趋势,引发了造船技术的不断变革,船舶越造越大,种类越来越多。导致港口水域、航道、航线承载的负担增大,航道也更加拥挤。在此情况下由于船舶自身问题(自动舵失效、雷达、罗经失准等)以及人为因素(未使用安全航速、船舶逆行等)引发的海事事故增多,造成了巨大的经济损失。因此探索、发现和解决船舶异常问题,成为当前航运业的重要研究课题。而聚类又是解决异常的基础,基于此原因,本论文对船舶轨迹的聚类分析进行了研究。论文以AIS数据为样本,与聚类分析方法相结合,引入了适用于船舶轨迹聚类的算法。在对AIS原始数据处理的基础上,完成了船舶轨迹聚类。以获得的聚类结果作为研究对象,开展对船舶轨迹聚类在船舶监控、轨迹异常检测,航路规划等方面的应用研究。本文主要工作包括：1.AIS数据的解码与处理。在介绍AIS信息类型、信息内容、更新时间的基础上,分析了AIS原始信息的构成和主要语句结构,并对AIS信息进行了解码。对解码后数据中出现的四种常见的情况进行了相应的处理,获得清洁可用的AIS数据。2.采用基于轨迹结构距离的聚类算法实现对船舶轨迹的聚类。在分析评价各种空间数据度量方法的基础上,对其进行融合形成轨迹结构距离。通过基于轨迹结构距离的聚类算法,实现琼州海峡部分船舶轨迹聚类。3.将轨迹聚类应用于船舶动态监控、异常检测、航路规划等领域。在ECDIS模拟器上,对航行于聚类区域附近的船舶进行航速、位置以及航向的动态监控仿真,并对轨迹聚类在异常检测和航路规划方面的应用做了相应的介绍。