随着机动车保有量的增长,涉车违法犯罪愈加猖獗,使得套牌违法现象越发突出。“套牌车”会带来一系列的社会问题。有效识别套牌车辆已成为交管部门急需解决的难题。鉴于目前尚未利用城市道路上的电子摄像头、智能卡口和电子警察等设备对采集到的数据进行科学智能的套牌车分析,并且现有的套牌车检测方法存在着成本高、检测效率低等缺点。本文通过探索数据挖掘技术在“套牌”现象上的实际应用,先后研究了三种套牌嫌疑车辆的识别方法,分别是:1.基于旅行时空矛盾的套牌车辆识别方法。2.基于高德地图路径规划与实际行驶行为相矛盾的套牌车辆识别方法。3.综合并改进前两个方法所提出的一种融合数据挖掘技术与车辆轨迹时空特征分析的综合性套牌车识别方法。针对城市道路交通研究中的套牌车辆识别问题,将现有交通卡口摄像头采集到的大量过车记录作为实验数据。首先提取过车记录并完成相关的数据清洗工作。其次,从相邻两条过车记录中拾取旅行时间较短,旅行距离却相隔较远,出现时空矛盾的过车数据。然后根据驾车路径规划函数,模拟车辆的真实过车行驶轨迹,记录模拟的真实行车路线中存在的“漏拍”点个数。进而将它们作为车辆时空特征数据,利用数据挖掘技术,运用支持向量机算法训练套牌车分类器模型。最后将所有的待测数据输入训练的分类器模型进行分类判定,筛选出套牌嫌疑车辆。实验运用SVM算法训练套牌车识别模型,并对样本数据进行五折交叉验证以消除分类器过拟合问题。融合数据挖掘技术与车辆时空特征分析的套牌车检验方法弥补了传统人工排查套牌车的缺陷,该模型可以较好的对套牌嫌疑车辆进行筛选,为交管部门提供可靠的参考依据,同时减少了稽查人员的工作强度,避免了检测成本的投入,使得分析更加科学高效,查处范围广,效果更佳。