基于自动车牌识别数据的团伙犯罪时空关联车辆发现方法

本文针对公安工作中利用自动车牌识别（ANPR）数据发现团伙犯罪车辆的问题，提出了基于ANPR数据的时空关联车辆发现方法。研究背景指出，传统方法难以有效识别团伙车辆因避嫌意图而产生的特殊时空关联模式。研究目的是通过分类车辆时空关联模式（近距离跟随、故意远距离跟随、另择路线前往）并构建关联车辆数据模型，提出五个时空约束参数，以发现团伙犯罪中的时空关联车辆。实验结果表明，本文方法在发现不同时空关联模式的团伙犯罪车辆方面具有较高的有效率（87.59%），优于频繁序列挖掘和计算伴随概率方法。结论认为，该方法能够有效发现传统方法难以识别的团伙犯罪车辆，有助于快速锁定涉案人员并缩小侦查范围。