我国公共交通运输体系、模式以及客运管理还不完善,不能满足居民出行的多样性需求,给非法客运车辆创造了市场机会。目前,非法客运现象未得到有效控制,严重影响了客运市场的管理,扰乱了社会治安秩序,危及乘客的安全,也使公众权益受损。究其原因,主要是传统的辨识非法客运车辆的方法需要大量的人力、物力和时间,且效率低下,所以研究一种可以在很大的区域范围内,快速有效的辨识出非法客运车辆,从而提高执法效率,有效抑制或消除非法客运的科学方法是一个急需解决的问题。而大数据理论、智能交通的形成,为解决此类问题带来了很大的机遇。查处非法客运车辆可分为发现疑似非法客运车辆和取证处罚两个方面。由于非法客运车辆隐蔽性强、分布的范围广,所以在大范围内快速发现疑似非法客运车辆是重点和难点。本文通过理论以及深入调查分析,研究了非法客运现状,揭示了非法客运车辆在出行空间与时间方面的特征,包括“出行强度”、“特定线路出行占比”、“特定线路出行强度”、“周末出行强度”、“早晚高峰出行占比”五个特征,将此作为辨识疑似非法客运车辆的指标;基于高速公路收费数据建立了相应的辨识疑似非法客运车辆的五个特征值集合;在此基础上,结合聚类算法理论,建立了基于空间特征、基于空间和时间特征的两种辨识疑似非法客运车辆的方法,采取DB聚类评价指标着重对比分析了K-MEANS算法以及DBSCAN算法的聚类效果,作为选取聚类算法的依据;利用某市高速公路收费数据信息,对两种疑似非法客运车辆的辨识方法进行了实例分析与验证;验证结果表明两种方法辨识出的非法客运车辆的精确度都比较高,至少为80%,疑似非法客运车辆辨识方法有效,且具有较好的实用性,最后开发了相应的疑似非法客运车辆辨识系统。综上所述,本文成果可为政府运输管理部门治理非法客运提供科学依据,为交通执法部门提供切实有效的方法,可显著提高执法效率和效果。