近年来,我国海洋渔业信息化建设得到快速发展,越来越多的渔船被纳入渔船监控系统(VMS),渔船监控数据呈现爆炸式增长,轨迹数据作为渔船监控数据中的关键信息,也得到大量累积。如何通过渔船轨迹数据实现更加高效和精准的渔船状态监控,是当前渔业监管部门面临的一个亟待解决的问题。渔船轨迹预测及异常检测是渔船状态监控的两个重要组成部分,实现精准的轨迹预测和异常检测,对渔船状态监控具有重要意义。本文围绕上述问题进行了相关研究。(1)为了对渔船进行有效监管,本文实现了一个基于北斗和AIS的渔船监控系统。该系统的主要功能包括海图显示、船舶查询、轨迹回放、轨迹预测、异常报警等,其中,轨迹预测和异常报警是渔船监控系统的重要组成部分。(2)为了在渔船数据丢失时仍能对渔船进行较为准确的状态监控,本文充分利用渔船多源轨迹数据,提出了一种基于多源信息融合的轨迹预测算法。该算法首先将渔船北斗轨迹和AIS轨迹数据进行融合,使渔船轨迹更加接近其真实轨迹,然后在此基础上进行轨迹预测,提升轨迹预测精度。实验表明,基于多源信息融合的轨迹预测算法能够显著提升轨迹预测精度。(3)针对传统轨迹异常检测算法主要对轨迹位置信息进行异常检测,而忽略移动对象的方向、速度等运动属性的问题,本文在TRAOD算法的基础上将渔船航向、航速等运动特征加入轨迹异常检测,提出了一种渔船轨迹多维特征协同异常检测算法(FVT-MCAD)。该算法使用六个独立的组件分别对渔船位置、瞬时角加速度、平均角加速度、瞬时航速、平均航速和加速度进行异常检测,然后将每个组件得到的异常趋势分值进行组合,并与用户定义的异常阈值比较后确定轨迹异常状态。此外,该算法能够根据不同组件异常检测的有效性设置组件权重,避免最终异常趋势分值过分依赖某个组件的问题。最后通过实验验证了FVT-MCAD算法的鲁棒性和可靠性。