近年来，随着全球能源供需格局的深刻变化，超大型油轮（VLCC）作为国际能源运输的核心载体，在国际能源 运输中扮演着至关重要的角色。为确保能源航线的安全与稳定，及时获取可疑油船的信息及精确生成船舶航线的技术变得尤 为关键。目前，利用 AIS 数据分析海上船舶行为已成为航运领域的新发展方向。然而，AIS 数据存在冗余复杂、信息检索低 效的问题，且缺乏有效的长距离航线生成方法。为解决上述难题，本文开展基于 Transformer 模型的 VLCC 油船交通态势感 知与航线预测研究，设计了一种数据处理策略，能够更高效地利用静态数据，提高船舶信息的管理和检索效率；同时，提出 融合 Transformer 的航线生成方法，构建 Encoder-Decoder 与 Encoder-LSTM 两种模型，旨在提升航线生成的有效性与可靠 性，同时强化人机协同分析能力。实验结果表明，Encoder-LSTM 模型生成航线与真实航线的动态时间弯曲（DTW）距离 显著小于原始航线间的平均距离，验证了方法的可靠性；最后，本文设计并实现 B/S 架构的航线智能分析系统，集成静态 信息管理与查询、航线处理、抽取、生成及可视化功能，系统实现了智能算法与可视分析的深度融合，能够为海上交通态势 感知与能源航线安全保障提供支撑。