Los barcos inteligentes son la dirección futura del transporte marítimo. El diseño de rutas y la planificación de rutas de los barcos inteligentes requieren información de red de tráfico marítimo en tiempo real de alta precisión, que cambia dinámicamente a medida que cambia el entorno de tráfico. En la actualidad, existe una falta de métodos de extracción de información de tráfico marítimo de alta precisión y exactitud. Basado en los datos de trayectoria masiva de los buques, se propone el modelo de extracción de punto de paso adaptable (ANPG) para extraer los puntos de paso críticos en la red de tráfico, y se construye el método de estimación de densidad de núcleo mejorado (KDE-T) para extraer las características espacio-temporales de los carriles marinos. Luego, se presenta un modelo de generación de red de tráfico automático (NNCM), basado en la red pix2pix, para reconstruir la red de tráfico marítimo. NNCM ha sido probado en los datos de trayectoria histórica de las aguas de Humen y Dongping en China, los resultados experimentales muestran que el modelo NNCM mejora la precisión de extracción en un 13% y un 33% en comparación con el método de análisis geométrico y el método de agrupamiento de densidad. Es de gran importancia mejorar la precisión de navegación de los barcos inteligentes. Este método también puede proporcionar un importante soporte técnico para el diseño y monitoreo de vías navegables y la supervisión del tráfico marítimo.