随着航运事业的飞速发展和造船技术的进步,伴随而来的是海上交通日趋繁忙和船舶操作更为复杂,这大大增加了海上交通事故风险。海上交通流模拟作为研究海上交通问题的重要技术手段,对海上交通规划和海上交通流评价等问题的解决具有指导意义。避碰模型是海上交通流模拟研究的核心之一,传统的交通流模拟技术存在模拟的逼真度不高或时效性较差等问题,需要引入新的方法对模型进行改进。论文在分析已有海上交通流模拟的建模精度和实用性不足的基础上,提出一种基于强化学习的船舶避碰模型,主要研究包括以下几方面:(1)收集真实海域的船舶AIS数据,对数据进行解码、预处理工作,利用ArcGIS在地图上再现海上交通流,使用Hadoop技术筛选出现过会遇局面的航行轨迹数据,在众多会遇局面中选择三种比较典型的会遇局面。(2)选择强化学习中的深度Q学习算法进行避碰模型的建模。通过航海模拟器对三种会遇局面在相同经纬度、相同航行状态和相同风流影响下进行实操模拟,截取实操模拟图作为仿真结果的对比参照物。(3)进行避碰模型的训练,将航行轨迹数据通过卷积神经网络对Q学习模型进行训练,当网络目标Q值与真实Q值间的误差满足预设精度或达到最大训练次数时停止训练,输出模型完成对避碰策略的学习。(4)设计仿真实验,将三种会遇局面的船舶初始状态数据输入避碰模型中,用Matlab工具对结果进行仿真,对比仿真结果图与实操模拟图。再将避碰模型模拟效果与传统海上交通流模拟效果进行对比,分析模拟逼真度和时效性。