随着社会经济发展、城市化进程加快,智慧城市建设已成为城市化发展的必然要求。如何将数据挖掘等前沿科学技术融合到智慧城市建设中,有利于提高城市治理和发展水平,推动城市治理体系和治理能力现代化。以过车数据为例,车辆行驶在城市道路的过程中,经过卡口点位会抓拍生成海量的过车数据,通过数据挖掘等大数据技术,对过车数据进行分析与处理,发现内在的联系和规律,可以挖掘出更深层次的规则与知识如车辆高频出入点、落脚点、经常行驶路线以及同行车辆等轨迹信息。这些信息如果应用在公安等部门的实际工作中,可以在疏导城市交通、实施车辆管控、案件快速侦破等方面提供强有力的技术支持,因此应用关联规则挖掘技术对车辆轨迹分析具有重要的研究意义。本文深入分析当前智慧城市建设的状况、车辆轨迹分析研究的现状以及关联规则挖掘的产生与发展;介绍车辆轨迹分析方法、数据预处理技术、常用数据挖掘工具以及基于关联规则挖掘Apriori经典算法。针对算法存在多次扫描数据库、产生大量候选项集等制约算法运行效率的两大不足,提出一种基于事务非空子集的改进的Apriori算法,改进算法从减少数据库扫描次数、缩减候选项集生成规模两方面出发,通过单事务的非空子集集合与前一事务产生的候选项集集合进行集合运算产生当前事务的候选项集,计算各候选集的支持度,生成交易事务的最大候选项集集合,删除不满足最小支持度阈值的候选集得到频繁项集集合,实验验证改进后的Apriori算法运行效率得到有效提高;最后将改进算法应用在嫌疑车辆轨迹追踪的案例分析中。以某地一辆肇事逃逸的套牌车行车数据为研究对象,借助数据挖掘工具进行数据预处理,将该车经过卡口集合作为事务数据,以不同日期区分,设定最小支持度与置信度,生成关联规则。通过分析套牌车历史高频出入点、经常行驶路线,排查梳理嫌疑人的活动范围,根据落脚点分析研判,对嫌疑人实施精准布控与抓捕,通过套牌车辆5个高频出入点在历史时间内经过的不同车辆集合关联分析出与与嫌疑人开设赌场的同案人员,帮助公安机关成功打掉该犯罪团伙。研究结果表明改进的Apriori算法应用在车辆轨迹分析中,可以为公安等部门在实施车辆管控、案件快速侦破等方面提供技术支持。