如今城市客运体系已经得到长足发展,但是依然不能满足城市居民多样化的出行需求,在这样的环境下,城市私家车群体中诞生了疑似营运车辆。疑似营运车辆指在没有获得营运许可的情况下私自载客牟取利益的私家车,这类车辆极大的影响了交通市场秩序以及社会和谐稳定。因此从私家车群体中找出疑似营运车辆并对其进行管控显得尤为重要。目前稽查疑似营运车辆的手段多以人工为主,不仅浪费了大量的人力资源并且效率低下。机动车电子标识（Electronic Registration Identification of the motor vehicle,ERI）是一种新兴的交通信息采集技术,其采集精度高,且能覆盖城市中各种类型车辆,其中包括私家车,利用其采集到的轨迹数据检测疑似营运车辆可以提高检测效率及准确率。因此,本文提出一种基于机动车电子标识数据的疑似营运车辆识别方法,并在此基础上发现了疑似营运车辆的热点路径,为相关管理部门治理疑似营运车辆提供参考。本文的主要工作概括为以下几个方面:（1）对基于机动车电子标识的车辆轨迹进行分析,为疑似营运车辆的识别及其热点路径的挖掘做准备。首先对机动车电子标识原始数据的数据质量进行预处理,在此基础上对机动车电子标识轨迹数据进行定义并提取,最后根据时间阈值提出了针对机动车电子标识车辆轨迹的划分方法。（2）针对疑似营运车辆识别问题,本文提出一种基于逻辑回归的疑似营运车辆识别模型。首先从定义出发,以出租车为参考,分析其行为特征,在此基础上定义并计算得到能够区别普通私家车与疑似营运车辆的特征,然后利用得到的特征训练疑似营运车辆识别模型,最后利用训练好的模型从私家车群体中找出疑似营运车辆集合,在此基础上验证了模型的有效性并找出疑似营运车辆的停留热点区域。（3）在以上两点工作的基础上,本文利用轨迹聚类的方法发现了疑似营运车辆的热点路径。具体来说,首先考虑到车辆轨迹数据的时空特性,根据机动车电子标识轨迹数据的特点,提出了一种轨迹相似性度量的计算方法,在此基础上,以DBSCAN聚类算法为基础提出了基于时空相似性度量的轨迹聚类算法SPATIO-DBSCAN,通过该算法发现疑似营运车辆的热点路径,并分析了全天三个时段的热点路径分布情况。