随着科学技术的发展,世界上的汽车数量正在暴增。其中,私家车已经成为人们的主要交通工具。不断扩大道路建设的范围,也仍不能从根源上解决交通问题。然而,每天产生的大量的私家车轨迹数据为我们的研究提供了新机会。本文在有关人们出行行为的国内外相关文献的研究基础上,基于大规模的私家车轨迹数据对人们的出行行为进行了研究。主要工作包括:本文使用GPS（Global Positioning System）和车载诊断（OBD）设备收集了大规模的私家车轨迹数据,对此收集设备和收集过程进行了详细的介绍,并且对数据进行了预处理,去除了无效、重复、冗余数据,还用阈值法检测并删除了漂移数据。除此之外,为了将私家车轨迹数据与出租车、滴滴的轨迹数据进行对比,我们介绍了出租车和滴滴轨迹数据的获取途径和详细的数据。本文使用了包括出行次数、平均速度、出行距离和熵在内的各种指标量化人们的出行行为。而且,我们还通过研究熵率发现私家车在时空模式上都具有一定的规律性。此外,我们发现停等时间是私家车一种独特的属性,可以从中识别人们的出行目的。在利用每个指标分析时,我们也将出租车和滴滴轨迹数据所反映出的人们出行行为与私家车的进行了对比研究,结果表明私家车的轨迹数据更适合用于挖掘人们的出行行为,分析出的规律也更为准确。提出了一种针对私家车轨迹数据的目的地预测算法,增强了已有的子轨迹合成法。两种算法最大的差别就是我们提出的算法利用了私家车轨迹的出行规律,对轨迹进行分组,在组内进行轨迹匹配,从而预测目的地的位置。实验结果表明预测的准确率更优于现有算法的目的地预测,这意味着理解人们的出行行为有助于更个性化的预测私家车的目的地。