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

自动车牌识别(ANPR)数据是当前公安工作中获取车辆轨迹的主要来源之一,基于ANPR数据发现涉案车辆的时空关联车辆,对于团伙犯罪防控具有重要意义。在实际工作中发现,团伙车辆会存在主观避嫌意图,导致出现故意远距离跟随等与传统伴随关系不同的时空关联模式,而现有方法难以有效识别,为此,本文基于车牌自动识别(ANPR)数据,提出了团伙犯罪的时空关联车辆发现方法。①通过分析团伙车辆的跟随策略,梳理出“近距离跟随模式”、“故意远距离跟随模式”、“另择路线前往模式”3种车辆时空关联模式;②基于ANPR数据构建关联车辆数据模型,并提出车辆关联的时空约束参数;在此基础上,提出了时空关联车辆的发现方法;③以B城市为例,采用团伙犯罪车辆的相关ANPR数据进行试验与分析,基于团伙案件历史数据对时空约束参数阈值进行定量评估。在此基础上,对某典型案件进行时空关联车辆分析,将本文方法与频繁序列挖掘、计算伴随概率2种方法对比,本文方法有效率平均可达87.59%,优于对比方法,试验结果表明,本文方法能够有效发现故意远距离跟随、另择路线前往等传统方法难以发现的时空关联车辆,能够为公安部门开展团伙犯罪防控工作提供新思路和技术支持。