随着人们生活水平的不断提高,国内机动车保有量持续上升,机动车辆已成为民众的主要出行交通工具之一。与此同时,与车辆相关的违法犯罪等行为也随之激增,更好地管理道路车辆及相应的违法犯罪行为已成为管理部门和执法部门亟待解决的问题。而随着以5G、人工智能和物联网等为代表的技术手段日趋完善,为解决这一系列问题提供必要的技术基础。现今,城市道路网络中的自动监测卡口识别系统每天能产生海量的交通轨迹大数据,即车牌识别数据,这为研究城市道路中的行驶车辆相关问题提供充足的数据。同行车辆的挖掘是交通轨迹大数据的研究方向之一,它的应用场景通常为城市路网中驾车共同作案的行为。对于这类违法行为,传统做法是对涉案车辆人工排查,费时费力且准确度不高。对路网中车牌识别数据的研究,可以提升对违法车辆组的识别率,节省办案人员时间和精力,辅助交通执法和公安部门做出正确决策。本文是在Spark计算框架下,提出一种分布式并行化的FP-Growth关联算法挖掘同行车辆的方法,提升识别效率。在此过程中提出同行片段的数据结构,主要用来存储监测卡口在某时间阈值内通过的全部机动车辆信息,舍弃监测卡口的位置信息和机动车辆经过监测卡口的时间信息,以减少数据的存储空间。接着对得到的同行车辆结果进行处理,主要是运用关联规则中置信度的原理剔除随机同行车辆。最后对同行车辆行驶轨迹进行可视化展示,进一步验证本文方法的可行性。