全球能源供需格局深度调整背景下，超大型油轮（VLCC）作为国际能源海上运输的核心载体，其航行安全与航线稳定性直接关 系全球能源供应链安全。为精准感知 VLCC 交通态势、高效生成安全可靠的能源运输航线，及时识别可疑油船动态，解决当前航运领域态 势感知与航线预测的核心痛点，本文聚焦 VLCC 油船，开展融合 Transformer 模型的交通态势感知与航线预测研究。针对现有 AIS 数据冗余 复杂、信息检索低效，且长距离航线生成方法精度不足、可靠性欠佳的问题，本文创新设计多维度 AIS 数据预处理策略，实现静态数据的 高效挖掘与精准利用，显著提升船舶信息管理与检索效率；同时，提出融合 Transformer 的 VLCC 航线生成方法，构建 Encoder-Decoder 与 Encoder-LSTM 两种改进模型，强化人机协同分析能力，有效突破传统航线预测模型在长距离、复杂海况下的性能瓶颈。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）距离显著低于原始航线间平均距离，相较于传统方法预测精度提升明显， 充分验证了所提方法的可靠性与优越性；最后，设计并实现基于 B/S 架构的航线智能分析系统，集成船舶静态信息管理与查询、航线处理、 抽取、生成及可视化等全流程功能，实现智能算法与可视分析的深度融合，为海上交通态势精准感知、可疑油船识别及能源航线安全保障 提供强有力的技术支撑与实践参考