随着经济和城市化建设的飞速发展,人们的出行需求也相应增长,出租车成为了城市公共交通的重要组成部分。然而,由于客源分布不均衡等因素,致使出租车“空载巡游”现象较为严重,降低了出租车的运营效率,浪费了城市资源。论文以西安市出租车为研究对象,在GPS大数据的支持下,充分考虑了行驶途中的动态载客成功率,建立了从出租驾驶员心理出发的寻客路径推荐模型,旨在分析出租车由载客状态进入空载状态时的周边客源规律,为驾驶员进行路径决策时提供帮助。该模型可缓解道路交通压力,减少资源浪费,为进一步开发以出租驾驶员为专项受众人群的路径推荐软件提供了系统的方法。论文建立了出租车GPS数据库,对数据统一管理,并进行预处理、二次处理以及坐标转换,采用隐式马尔科夫算法进行地图匹配,将轨迹数据与路网数据关联。计算提取出租车上下客轨迹点的数据信息,分析出租车运营特征。采用DBSCAN算法对出租车的载客点进行聚类分析,对轨道交通OD数据做核密度分析,并进行可视化处理,为后续计算奠定基础。与传统的以耗时最少或路径最短为目标的路径推荐模型不同,论文在对现有的载客热点路径计算模型的研究基础上,提出了一种新的推荐路径计算模型及算法,即在保证行程耗时较短的同时,以提高驾驶员行驶途中的载客成功率为目标。考虑到驾驶员希望尽快成功载客,而非必须在热点成功载客的实际载客情况,因此改进了Dijkstra算法,以路段耗时与路段载客概率为算法中权重的取值依据,计算得到前往各载客热点的推荐路径,再综合量化考虑各路径的路段评价、时间成本、轨道站点辐射强度,以及前往热点的区域车辆平衡系数,得到最终的推荐路径。最后,论文根据西安市城市结构特征,对西安市约11400辆出租车的GPS数据进行实例研究,分析西安市出租车的运营特征,并对选取的下客点计算寻客路径,结合城市功能区结构及居民出行规律等实际情况,验证了模型和算法的有效性,可为出租车、网约车等多种类型车辆的寻客路径计算提供理论参考,也可为出租车甚至城市交通运营管理人员在决策时提供辅助。