1.一种基于增量计算的伴随车即时发现方法，其特征在于，包括以下步骤：

S1、获取交通摄像头记录中的交通车辆数据，生成数据集；

S2、从数据集中提取相关属性，生成过车事务数据集；

S3、获取过车事务数据集，构建动态频繁树DF‑tree；

动态频繁树DF‑tree的构建包括以下步骤：

S31、将提取的自动车牌识别ANPR数据通过实时流数据处理平台处理为ANPR离散数据流；采用滑动时间窗口机制，将每一批ANPR离散数据流中的移动对象的特征信息处理为过车事务数据，所述特征信息包括：车牌号，过车时间和摄像头编号；

S32、将过车事务数据集的数据按照数据流到达的时间顺序依次进入固定容量的事务队列窗口；

S33、根据当前事务队列中的过车事务数据集生成项头表和散列表，通过散列表进行项头表 的 辅助 查 询 ，在向 项头 表 添加 项目 时 ，按 照开 放 地址 散 列函 数计算该项目哈希值，以该哈希值作为该项目在散列表中的存储位置，然后根据该存储位置获得在项头表的项元素节点信息，其中， 表示所选的散列函数，item指的是项头表中的项目名，di表示由随机函数计算得到的偏移量，m表示当前项头表的容量大小，i表示第i个项；

S34、新的事务数据到来时，在新项目插入动态频繁树之前，判断是否需要对动态频繁树进行剪枝操作，若需要进行剪枝操作，则先对动态频繁树进行剪枝操作，再扫描事务数据集，查询辅助项头表获得项目节点信息，按事务项数据排列的顺序插入新项目；若无需剪枝操作则直接扫描事务数据集，查询辅助项头表获得项目节点信息，按事务项数据排列的顺序插入新项目，并在数据批次表中记录该批次事务数据项中最后插入动态频繁树的节点信息；

S4、采用自底向上的方法遍历动态频繁树，进行频繁项映射存储，生成动态频繁项集；

动态频繁项集的生成过程包括：

S41、根据动态频繁树的叶子记录表，逆向遍历每一棵子树；

S42、根据公式 计算子树路径上两两节点的频

率计数，其中， 表示pre、d车辆之间的伴随次数， 表示以项目pre为前项、项目d为后项的所有节点集合，以项目名组合(pre，d)为键， 的计算值映射存储于存储表中，利用存储后的存储表生成动态频繁项集；

S5、利用时间衰减模型，通过加权时间权重对动态频繁项集进行过滤，挖掘近期的伴随车组信息；包括：S51、动态频繁项集是持续更新的，当新的频繁项μ到来时，当前时间参数tcur加1；

S52、发现新的伴随车cv时，根据公式ccv＝ccv×α，引入时间衰减因子 以概率为1的机会更新伴随车辆的伴随计数ccv，其中，α表示衰减因子， 表示引入时间参数的时间衰减因子，ccv表示伴随车cv的伴随计数，过车时间t≤tcur；

S53、对于新的频繁项μ，若μ∈CV时，将时间权重计数ccv′加1，所述时间权重计数ccv′＝mincv∈CVccv；若 则取出当前伴随车集合中时间权重计数最小的伴随车cv′，其中，CV表示伴随车发现结果，mincv∈CVccv表示时间权重计数最小的伴随车的伴随计数；

S54、判断时间权重计数ccv′的值，若ccv′＜1，则从伴随车集合中去掉时间权重计数最小的伴随车cv′，同时将新的频繁项μ加入伴随车发现结果CV中；

S55、输出伴随车发现结果CV；

S6、将挖掘的伴随车组信息输入到交通管理中心的数据库中储存，并将伴随车信息输入到警用地理信息系统PGIS。

2.如权利要求1所述的一种基于增量计算的伴随车即时发现方法，其特征在于，数据集的生成包括以下步骤：S11、获取数据，提取交通摄像头采集的行驶车辆的所有原始数据，原始数据包括：自动车牌识别ANPR数据、过车时间、摄像头编号、摄像卡口、行驶车辆颜色及形态；

S12、对原始数据进行时间分片，根据“过车时间”字段对经过卡口的行驶车辆数据进行划分，统计同一卡口在设定时间阈值间隔中的过车数量，生成数据集。

3.如权利要求1所述的一种基于增量计算的伴随车即时发现方法，其特征在于，过车事务数据集的生成包括以下步骤：S21、从获取的数据集中提取行驶车辆的特征，提取的行驶车辆的特征包括：车牌号、过车时间和摄像头编号；

S22、设定时间阈值间隔对过车时间进行时间窗口滑动，对提取到的相关属性进行哈希值计算，形成哈希表，根据哈希表将提取到的属性根据时间维度和空间维度生成过车事务数据集，计算公式如下：其中，ANPR(v，t，p)表示车牌识别数据流，v表示车牌号，t表示过车时间，p表示摄像头编号，hash(w(δ+t),p)表示对摄像头编号p和经过时间窗口滑动处理后的过车时间做哈希值计算，δ表示时间阈值，w(δ+t)表示滑动窗口在过车时间t的基础上左右滑动δ个时间单位，I表示生成的过车事务数据集，tid1:v1,v2,…,vn1表示一条数据事务项，z表示数据事务集中数据事务项的数量，n表示一条事务数据项中包含的数据项的数量，vn,1表示第1条事务项中的第n个数据。

4.如权利要求3所述的一种基于增量计算的伴随车即时发现方法，其特征在于，过车事务数据集的生成还包括：设定时间阈值间隔对过车时间进行窗口滑动处理，对交通摄像头编号和过车时间做哈希计算，生成的哈希值作为该辆行驶车辆的数据事务项，根据所有车辆的数据事务项生成过车事务数据集，并将过车事务数据集中事务数据项中的数据按字典顺序排序。

5.如权利要求1所述的一种基于增量计算的伴随车即时发现方法，其特征在于，动态频繁树节点结构包括：项目名、节点频率计数器、子父指针、指向同名节点指针、记录当前项目所在节点的动态频繁树子树的根节点地址标记、记录当前节点是否为叶子节点的标记。

6.如权利要求1所述的一种基于增量计算的伴随车即时发现方法，其特征在于，动态频繁树的剪枝操作包括：当事务队列窗口装满时，需要对过期事务数据进行处理，在构建动态频繁树时利用数据批次表进行剪枝操作，具体剪枝操作包括：从数据批次表中读取过期数据中最后添加的节点，沿着该节点的子父指针执行，判断节点的频率计数是否大于支持度阈值，若节点的频率计数小于支持度阈值，则删除该节点，若节点的频率计数大于支持度阈值，则将经过的节点的频率计数减1，直到到达根节点。