随着船舶自动识别系统（Automatic Identification System,AIS）设备的强制安装,每天都在产生大量的船舶AIS数据。基于船舶AIS轨迹大数据的船舶类型识别是指利用船舶AIS数据中的轨迹数据识别出船舶的类型。船舶类型识别可以为进一步研究伪装船舶识别、船舶轨迹数据模式挖掘、异常点检测提供技术支持。本文基于船舶AIS轨迹数据实现了渔船（fishing）、货船（cargo）、集装箱船（container）、客船（passenger）和油轮（tanker）五种船舶的分类。具体工作如下:1、通过分析发现船舶AIS轨迹数据具有数据量大、数据冗余、乱序、异常等问题,针对这些问题,基于Hadoop和Spark等大数据组件设计并实现了船舶AIS轨迹数据的预处理方法,包括对原始船舶AIS数据排序、删除异常数据、数据去重、采样插值、计算速度、航向、角速度等操作,最后转化为轨迹图像数据,然后通过实验证明了该预处理方法提高船舶AIS轨迹数据的有效性,为挖掘特征工作提供了保障;2、以往的特征提取方法存在不够深入的问题,比如基于整条轨迹提取特征,而没有考虑到不同船舶在不同航行状态下可能会具有更加明显的区别,因此导致分类效果不佳,本文基于Hadoop和Spark等大数据组件将船AIS轨迹数据分为直行段、拐弯段、停留段三种,并分别从三种轨迹段中提取速度、航向、角速度等63种统计量特征。3、模型的选择会影响最终的分类结果,本文基于统计量特征训练了十个机器学习模型,实验结果表明KNN模型和Decision Tree模型具有最好的分类性能,两种模型的F1值均达到了 90%以上。同时也基于轨迹图像数据训练了深度学习模型——ResNet50模型,实验结果表明ResNet50的F1值达到了 95%以上,与KNN模型和Decision Tree模型相比,ResNet50有较大领先。4、设计并实现了基于船舶AIS轨迹大数据的船舶类型自动识别系统。系统基于B/S架构,分为四个功能模块:数据预处理、统计量特征挖掘、模型训练以及船舶类型识别。