出行者的出行目的信息是城市交通规划或优化的关键依据之一,现有的公交出行目的信息采集主要依赖人工获取的方式,该方式需要耗费大量的人力物力,且在采用人工调查方式时往往进行小样本抽样调查,因此所获得的结果取决于取样是否合理。而出租车作为城市公共交通与私人交通的中间者,其出行目的分布可以有效评估城市公共交通与私人交通的衔接程度。随着信息技术的发展,越来越多的交通工具的运营数据可以自动获取,因此,如何结合所获取的信息数据,通过一定的技术手段解析乘客的出行信息已经成为了近年来研究的热点,并逐渐在实践应用中取得了良好的效果。首先,本文构建了出租车乘客的出行特征提取模型。结合出租车的运营数据,通过乘客运营数据中记录上下车字段值的变化,实现了出租车乘客出行距离、出行时间等特征获取。其次,提出了基于集合运算的出租车运营数据和在线POI数据融合的出租车乘客出行目的识别算法和模型。总结现有的研究方法指出仅采用出行特征会导致识别精度不高,特别是具有类似特征的不同出行目的极易混淆的问题,通过融合出租车运营数据以及在线地图POI数据,实现了出租车乘客出行目的获取,该方法通过结合机器学习以及下车点附近的POI类别,可以有效避免类似特征的不同出行目的无法精准识别的问题,与仅用出行特征相比,所提出的方法可以有效提高识别精度。最后,以成都实际调查数据对模型识别的精准性进行了验证,并对成都出租车实际运营数据实现了出行目的识别。验证结果表明,融合POI数据之后的模型识别精度提高了12%,所提出的方法能够应用于实际大规模出租车运营数据的出行目的识别。本文所构建的出行者出行信息获取模型能有效解析出行者出行目的信息,为城市交通规划及优化提供辅助决策信息。