机动车在给大众出行带来极大便利的同时,也常常被犯罪分子用来作为犯罪后逃逸的工具。机动车的快速移动性,给警方的抓捕工作带来了很大困难,抓捕代价非常高。因此,借助智能交通背景下的视频、卡口等信息,快速形成代价较小的逃逸车辆围堵方案,是公安领域一个非常重要的应用场景。本文利用凸包理论和图匹配理论,研究逃逸车辆的最小代价动态围堵问题,设计实现了以下三种算法:一是基于快速凸包的封锁路口生成算法,算法对传统凸包算法应用于围堵问题时存在的缺陷进行改进,减少了封锁集合的规模,形成了节点数较少的封锁集合,节约了警力资源;二是封锁路口集合更新算法,算法基于路网拓扑结构特点和逃逸车辆初始位置对封锁路口集合进行约束条件检测,确保封锁路口集合可以形成绝对围堵;三是警力调度算法,算法将警力调度问题转化为加权二分图匹配问题,利用Kuhn-Munkre图匹配算法给出代价最小的车辆围堵方案,并根据车辆时空信息动态调整封锁路口集合。在已知路网拓扑结构、警力分布情况以及逃逸车辆最近一次出现的时空信息的情况下,能够迅速求得代价较小的围堵方案并给出具体的警力调度建议,同时根据时间推移动态调整围堵方案。在算法研究的基础上,搭建了基于高德地图API的WebGis平台,实现了辅助警方快速围堵逃逸车辆的可视化决策支持系统。通过测试实验,证明了算法的有效性,与现有围堵算法的性能进行分析对比,证明本文提出的目标车辆动态围堵算法可以在相对较短的时间内给出代价较小的警力部署方案,具有较高的应用价值。