傳統的道路數據獲取方法成本高、更新慢等無法適用于海洋航道的獲取，從眾源軌跡數據中提取道路或航道信息具有成本低、更新快等特性，然而，由于船舶軌跡數據噪聲多、數據量大、不同區域分布不均使得航道邊界提取面臨較大挑戰。針對該問題，提出一-種基于大規模船舶軌跡數據進行航道邊界提取的方法。首先對大規模的船舶軌跡數據進行并行化去噪、插值、軌跡分段;然后，基于并行化及基于Geohash編碼的空間聚類，將軌跡數據化簡為多個方形區域的點集數據;其次，對其進行窗口劃分，對傳統的NiBlack方法進行擴展，提出SpatialNiBlack算法，對方形區域進行航道識別;最后，提出一種新的提取算法del-alpha-shape，基于航道識別結果獲得航道邊界。理論分析與實驗結果表明，所提方法在最大密度值是200，最小密度值是10，窗口長和寬分別為5和5時，可同時達到86. 7%的準確率和79.4%的召回率。實驗結果表明，該方法可以從大規模的軌跡數據中提取有價值的航道邊界，是一種有效的航道提取方法。

　　由于傳統道路數據依靠人工測量、高分遙感影像等采集方式，具有價格昂貴、更新慢等特點，使得道路信息的快速獲取和更新成為一直以來亟待解決和廣受關注的問題。傳統道路信息提取的難點在于人工測量及高分遙感影像的獲取昂貴，以及基于圖像的準確道路檢測與識別技術。其中，人工測量在采集信息時耗時耗力，而且受到地理環境和自然條件等限制，會帶來安全問題和時間成本大問題。高分遙感影像通過衛星進行高清影像數據采集，需要對數以百萬量不同級別的移動物體長期且頻繁地進行數據采集和處理，由于成本高昂難以推廣使用。尤其是，基于圖像的識別檢測技術對已建設的陸地道路路網識別是一種常用的方式，但海洋航道不同于陸地道路，該方法無法基于海洋影像識別航道與非航道區域。近年來，隨著移動傳感器、物聯網、云計算、大數據等技術的發展，產生了海量的時空軌跡大數據，并能夠對其進行處理和分析。通過對眾多在道路上行駛的移動物體產生的時空軌跡大數據進行分析，提取其中的道路信息成為一- 種受關注的技術。與陸地上的道路相比，海上沒有人為建筑的航道，且受氣候洋流事故等各種外部因素影響動態變化，情形更加復雜。與陸地道路信息采集相比，利用傳統的人工測量等方法采集航道信息代價更為高昂，而利用來自船舶自動識別系（ Automatic Identification System， AIS） 的眾源船舶軌跡數據提取航道的信息，如果可行其一定具有 低廉、更新快等特性，不失為一種可以探索且較有前景的途徑;但是，眾源船舶軌跡數據具有海量、地理范圍大、數據質量差、數據密度在不同區域差異明顯等特征1，這給海上航道的獲取和更新提出了更大的挑戰，本文提出了基于眾源船舶軌跡數據進行航道信息提取的-。整套方法，所瞄準的主要挑戰及本文貢獻包括：