共乘出行的方式极大地方便了人们的生活,而基于位置的社交网络的普及也为共乘出行的发展注入了新的理念。LBSN中丰富的社交资源可以为共乘出行提供多元的数据支持,从而帮助用户匹配到令其满意的共乘伙伴,以此提高共乘群体的出行质量并间接提高共乘吸引力。但是,由于带有社交需求的共乘群体匹配需要引入体验约束条件,因此造成共乘匹配率下降,并且在共乘群体发现中需要综合考虑共乘总体验度和匹配率,而现有的方法难以实现带有社交需求的共乘群体的最优匹配。基于此,本文以提高共乘总体验度和共乘匹配率并达到共乘群体匹配最优为目标,从以下三个方面展开研究:(1)提出了一种基于兴趣和轨迹的社交相似群体发现方法,该方法融合用户社交兴趣和轨迹信息,通过构建社交异构信息网络表征用户多元特征,从而计算用户之间的社交相似度并发现相似群体。实验表明该方法的准确性较高,并有效提高了目的地推荐的准确率和共乘总体验度。(2)提出了一种基于位置预测的潜在目的地推荐方法,该方法基于V-PPM位置预测算法学习用户历史POI轨迹,通过预测紧邻访问位置点的POI类型并结合社交相似群体访问偏好,为用户推荐具有时效性的潜在目的地。实验表明该方法在一定接受率的条件下可显著增加共乘匹配率。(3)提出了一种带有社交属性的多目标共乘群体匹配优化方法。该方法融合社交相似群体发现和潜在目的地推荐的结果,利用时空约束和体验约束发现候选共乘群体,通过构建带有社交属性的多目标函数,并基于SA优化算法生成最优共乘群体。实验表明该方法提高了共乘出行的总体验度和共乘匹配率,并使得共乘群体匹配的最终结果达到最优。