接着前面一篇，我们继续介绍车辆侦查技战法：
需求描述：
很多时候，嫌疑人案前都有踩点等行为，会驾车在某些路段频繁出现，针对这些特征进行数据分析，就可以帮助分析出活动异常的车辆
分析指标：
路口、频度阈值、时间范围
分析策略：
通常我们通过设定过车频率阀值，选择好时间段、路段区域信息，就可以从海量数据中检索出哪些车出现较频繁，然后按照出现车辆的出现次数由高到低排列，从而缩小范围，再结合案件情况，以及车辆注册信息，就能帮助定位到有效嫌疑人。如果有一些可能的车辆信息，还能进一步定位准确。
需求描述：
在各种犯罪行为中，流窜作案是一种比较典型的情况，在很多时候，针对特定路口，只要关注突然出现的车辆，就能极大的缩小侦查的范围。
分析指标：
路口、时间范围、车辆方向
分析策略：
这是一种定量分析的方法，通过对某个时间段、某些路口下设置车辆进出的方向，，从而筛选出首次出现的车辆。比如某车在最近十天内出现过，但在之前的半年内从未出现过，那么此车即算首次入城，可能就会列入嫌疑车辆，然后再根据已知的车辆特征进行进一步过滤，目标范围就能更加准确。
需求描述：
根据经验我们知道，夜间犯罪率往往是高于白天的，从车辆行动规律来看，一般仅在夜晚出现概率比较高的车辆是具有较高作案嫌疑的车辆。
分析指标：
路口、时间范围、白天出现阈值，夜间出现阈值
分析策略：
昼伏夜出模块的主要功能是搜索在白天较少出现，而夜晚却频繁出现的车辆。这是也是一种定量分析，通过设置关键路口、白天出现时间、出现次数以及夜晚出现时间、出现次数来查找嫌疑性较高的车辆，进行有规律排序。并可以进一步找到其落脚点或行为轨迹。
需求描述：
嫌疑人在犯案后可能因心理情绪不稳驾车慌乱逃窜，驾车逃窜中可能出现连续违法。而通过对连续违章车辆进行筛选就有很多可能找到嫌疑车辆。
分析指标：
路口、违章记录、车辆信息（车牌号、车辆品牌、车辆颜色、归属地）
分析策略：
车辆侦查系统，往往不是孤立作战的，而是要利用多方面资源。违章分析方法就是通过和车管系统的对接，获取到某个区域的违章记录，再结合当前区域中相应路口的过车信息，从而筛选出连续违章的车辆信息，就能起到追查和预防的作用。同时结合其他技战法，比如轨迹分析，能更方便的筛选出目标。
需求描述：
在动则上千万、上亿条数据中去进行分析匹配，其实是非常耗费时间和资源的。而大部分危害往往发生在一小部分车辆上，所以就有了高危车辆的概念。一方面是指需要重点监控的车辆（危险运输车辆、旅游包车、专线班车、校车、公务车辆等），另一方面是有前科（违章记录、违法记录、被各种技战法筛选出、被取过档等等）车辆。从而建立高危车辆库，那么一旦有事件发生，可以优先从这个库中进行快速查找。
分析指标：
车辆类型、车况（车辆年限、行车里程、保险理赔状况、车辆年检和违法记录超标、过往违法记录等），车牌（车牌号、车牌类型、属地）、路口信息、历史违规项目
分析策略：
这个策略可以看做是对其他技战法的一个综合应用，通常我们采用的办法是建立车辆积分机制，来进行车辆危险程度量化。参与打分的业务主要是其他技战法业务的结果或者一些手动添加的主观评判，比如A车属于套牌分析，则为其计2分，首次入城业务计2分，该车辆连续5次被检索到加1分。车辆积分模块中可以查询按一定积分规则来计算所得到的车辆积分结果，从而找到积分较高的车辆，即定义为危险程度较高的车辆，单独缩成一个高位车辆的索引。通过对这些指标进行判断，与人、案、警、单位、地、物品等信息合并通过一定的技术手段关联起来，建立统一的、综合的查询查证子系统，可快速得出车辆是否异常。这样我们在大多数情况下，在高位车辆库就能查询到自己需要的信息。
在公安业务实际应用中，远远不止上述10种车辆技战法方案，这些可以称为基本技战法，可以单独应用，也可以相互组合。随着大数据和人工智能的发展，未来的车辆技战法会复杂很多。可以设想未来任何一种犯罪类型，可能都只需要加载响应的模板，就能直接匹配出嫌疑人来。警察叔叔就只需要在一个很小范围能去进行取证确认，这必定能极大的提高效率，节约警力。
转自：https://blog.csdn.net/mist99/article/details/78184097
