现今社会,出租车已经越来越多的被人们用来作为日常出行的交通工具,成为城市客流中不可或缺的一环。出租车在城市中的穿行,从一个侧面反映了城市客流的分布情况。但是,空载出租车在城市道路中的穿行,对司机收益、城市道路负载和环境污染三方面都造成一定的负面影响。因此,提高出租车的利用率,从而减少空载出租车在城市道路上的穿行时间和路程,是当前面临的一个紧迫问题。本文主要研究一种基于实时客流分布的路线推荐算法,为空载出租车司机推荐空载穿行时间短且载客概率高的出行路线。通过阅读大量的参考文献,首先研究出租车出行路线推荐的背景与意义,阐述推荐系统的发展及特点,分析交通网络中最优路径规划问题的求解方式,并研究数据挖掘中的聚类算法,为课题研究提供理论基础。在本文中,对最短路径和最短时间两种路径搜索策略进行了对比,指出影响推荐路线的一个重要因素是实时的交通状况。本文对南京市真实的出租车GPS数据进行数据挖掘,提取实验区域内的载客事件发生地点,并通过K-Means聚类算法进行划分,得到可能的载客推荐点,并提出其载客概率的计算方法。通过历史GPS数据的分析可以得到城市客流分布情况,计算出各个时问段内路段上的平均行驶速度。本文提出对推荐路线的衡量标准PVC (Potential Vacant Cost)方程,用来计算每条路线的潜在空载开销,并设计出出租车出行路线的最小开销推荐算法。本文中还利用真实的GPS数据对最小开销算法的有效性进行验证,通过与其他算法的比较分析该算法的性能,并研究了该算法中的常量参数对算法性能的影响。最后,本文对研究内容进行总结,并对未来研究进行展望。