在车辆侦查领域，用户最看重的是什么的？当然是如何解决业务中的实际问题。
我们对素材进行结构化也好，建立车辆大数据平台也好，最终都只是为应用打基础的。而各个地区由于发展水平不一样，关注的重点不一样，就造成了早期很多业务系统只能以项目形式存在而不具备广泛适应性，同时应用平台能否用好，很大程度上也取决于干警专业素质。后来，为了解决这种问题，让视频侦查系统的使用难度降低，具备更好的适应性。从用户到行业专家，都对大量应用案例进行分析，提炼出一些套路，在公安视侦领域，我们称之为“技战法”。
这样依赖，大多数公安干警在实际办案过程中，只需以卡口、电警过车数据为基础，按照案件特点选择一种或多种技战法组合，即可高效的进行案件研判，快速查找到案件嫌疑车辆的相关信息，而不需要一个个都是专家才能做好案件研判。
从我们做产品的角度，当然是需要熟练掌握技战法的策略和方法，才能设计出适合干警使用的系统。下面就是对一些技战法设计思路的分析。
总体思路：“技战法”名字听起很炫，但其实就是通常说的“时空分析”。我们通常能知道的车辆信息就两个，一是空间，就是车辆出现的区域、路口、地图上的GPS位置；二是时间，就是指车辆经过某个路口或出现在某个区域的时间。根据两条或多条时空条件，就可以寻找出在这几个时空条件下均出现过的车辆行为状况。
比如说有两个案件的作案方式或作案工具比较类似，侦查者想查找下在这两个案发地点均出现过的车辆；再比如，侦查者知道某嫌疑车辆曾经在某几个时间点情况下出现过，那么通过碰撞这几个时空条件，就可以分析找到此嫌疑车辆；再结合其他车辆信息、速度、违章记录等其他条件就可以定位目标。下面就列举了比较通用的十种“技战法”。
1、套牌遮牌分析
需求描述：
很多作案车辆在作案时都会通过套牌手段来躲避卡口、天眼的抓拍，另外也有一些车辆会套牌或遮挡号牌来掩盖其开车违法行为，所以套牌遮牌分析是车辆数据挖掘中一个非常重要的业务。一旦发现套牌车就可以在对应的卡口扣押车辆，对车辆进行处理。
分析指标：
路口距离、经过路口的时间、车牌号牌、车辆速度
分析策略：
在同一时间区间且空间距离异常的多个卡口间使用同一车牌的车辆，就是套牌车。还有一些车辆细节特征的异常的车（如：品牌不一致、颜色不一致等）往往也是套牌车。
对于遮牌嫌疑的车辆，理论上也可以检测到，但是考虑到卡口设备的一次识别信息的准确性，该数据仅作参考。但可以和图片视频数据结合使用，或者和二次识别数据比对，这样就能大幅提高准确性。
对于历史数据中的遮牌嫌疑的车辆，利用其它数据分析，对其进行还原。其它数据包括，车品牌，颜色，部分车牌号码，行驶路线反推，经常活动区域，驾驶人照片特征等等。其分析识别过程为：
1）先根据车辆首、尾牌的一致性判断原则，进行遮挡号牌分析
2）再根据车品牌、颜色、和部分的车牌号码进行一次检索，缩小车辆范围；
3）再结合形式路线，该区域的车辆活动情况等进行进一步筛选。
总之，通过车牌唯一性原则进行判断，同一辆车不可能在多个距离较远的位置同时或者相隔非常短的时间出现，通过这个原则进行车辆套牌车识别预警，同时根据车辆首尾牌的一致性判断原则，进行遮挡号牌分析。
2、尾随行为分析
需求描述：
所谓的“尾随行为”，是指车辆在道路行驶过程中，经常出现前、后或左、右有相伴或相邻行驶的车辆的行为。
一方面，某些案件中嫌疑人会驾车跟踪、盯梢被害人，针对这些驾驶特征，如果按照时间、车辆号牌、类型、前后跟车时间及路口数量为条件，自动进行分析出同行车辆中存在尾随行为的车辆。
另一方面，通过对以往大量涉案机动车行为的研究和分析，发现涉案机动车辆往往存在频繁出现于作案现场附近以及存在多辆车辆伴随出现的现象，而这些特征也是我们分析的依据。
分析指标：
路口、时间、时间范围、区域范围、车辆信息
分析策略：
这种行为分析的条件，要在过去的同一段时期内，要经过多个卡口历史数据对比得出。一般多个车辆在短期内同时出现在一个或多个卡口或一致路径，可能属偶然行为，而经常有两辆车前后行驶，行驶路线一致，依次驶入驶出同一路段，同时经过多个卡口，这种情况下则可以得出这两辆车有伴随行为。通过对伴随车辆进行分析，得出车辆的相关性，从而能够为一些事故、事件提供另外一个角度的特殊线索。
3、行驶轨迹分析
需求描述：
人的行为往往尤其规律和特点，表现在车辆行为上当然一样，通过对直接看到目标车辆的行驶轨迹，就可能直观的发现问题。
分析指标：
卡口、车牌、位置、方向、车道，时间
分析策略：
通过分析车辆通过卡口数据（治安卡口、电警卡口、固定或手持停车收费等）、GPS信息，结合照片视频等资料，得出车辆完整的行驶轨迹，该轨迹能够通过PGIS地图重现回放。能够为民警执法办案提供有力的支撑。
车辆基本信息
序号路口车牌号码车辆类型通过方向行驶车道通过时间
1红星路口鲁A23555小轿车从东往西2车道2017-08-13 13:20:15
2建设路口鲁A23555小轿车从东往西2车道2017-08-13 13:23:10
3供销路口鲁A23555小轿车从东往西1车道2017-08-13 13:28:07
4琵琶山路口鲁A23555小轿车从东往西2车道2017-08-13 13:30:55
按照时间、地理空间关系顺序，把车辆行驶的卡口数据在地图上依次连线，即可得到车辆在该短时间的完整行驶轨迹，一目了然。
4、落脚点分析
需求描述：
落脚点分析指的是通过分析某段时间内某个车辆的行车轨迹，来寻找该车辆停留较长的地点，即找到了该车的落脚点，比如住所、工作地点等。从而可进一步通过后续排查来找到嫌疑人。
分析指标：
时间，GPS位置或路口，车辆信息（颜色、品牌、车牌号）、停留时长
分析策略：
通常的判断流程：
1）在某个路口逗留时间超过“落脚点时长”，则判为落脚点一次。
落脚时长=新出现时间-上一次出现时间
2）在某一地点出现，将其记为落脚点路口A
3）出现时间：在路口A第一次出现的时间
4）离开时间：在路口A出现的最后一次时间
5）落脚时长：等于离开路口A后，在其他路口出现时间-在路口A最后一次出现的时间
6）经过次数：在这段时间内，在路口A总共出现过的次数总和。
7）落脚次数：在这段时间内，在路口A满足落脚时长的次数。
在PGIS地图上看会更加直观，在该段时间范围内，车辆每次通过一次卡口，会用一个红点在地图标注，这样该段时间内的标注就会在地图上直观的显示出来，标注点越密集的区域，说明车辆在该区域活动越频繁，从而发现该车主要活动区域或落脚点。还可以预设各种阈值作为过滤条件来进一步缩小目标范围。
通过该分析，可以为交通肇事逃逸者查找提供依据。也可以判断出该区域车辆的出现频度、范围，可以为合理的交通规划提供参考，可以实现单体行为习惯的有效预测
5、车辆异常轨迹预警
需求描述：
根据实时数据，结合照片视频等数据，对车辆行驶过程中突然出现的异常轨迹做出预警，判断驾驶人或者车辆是否出现问题。从而能够再一定程度上对一些特殊的作案前车辆进行预警，达到防范于未然的目的。
分析指标：
路口、车辆信息、时间
分析策略：
1）首先定义哪些行为属于异常行为，比如车辆逆行，无视信号灯，不听从交警指挥，不走机动车道，行走路线不稳，急启急停，不避让车辆行人等。
2）其次定义每类异常轨迹的行为特征，例如某辆车反复出现在相邻几个路口，那么就很可能是在绕圈。车辆短期内在一个或多个加油站频繁加油，并结合该车辆同期行车轨迹判断，并不足以消耗相应的油料。
3）最后在结合大数据平台过车数据和车辆的违规信息，就可以把存在异常行为的车辆找出来及时作出预警，并把预警信息发送给相关人员进行处理，做到及时响应，避免异常事件发生。
转自：
https://blog.csdn.net/mist99/article/details/78137129/
