随着计算机技术和物联网技术的快速发展,人们越来越依赖于基于位置的服务,时空轨迹大数据也急剧增加。出租车轨迹数据作为时空轨迹大数据的重要组成部分,受到了广泛的关注。出租车是城市出行的重要交通工具,为居民生活带来便利。目前,对于出租车司机而言,在没有订单的情况下,他们只能选择在原地被动等待,或者自主寻客。这会消耗大量的时间成本和油费成本,影响收益。由于缺乏合理规划,还存在热门路径的拥堵问题。针对现有工作不足,本文基于时空轨迹大数据的路线规划问题展开研究,主要的研究工作如下:(1)时空轨迹大数据的研究。我们分析了数据的时空分布并且挖掘了基于出租车轨迹数据的最佳客源点。首先对数据进行时段的划分,其次按照地理位置再进行分区,目的是了解不同时段不同区域的数据变化趋势,分析出租车整体的时空分布,为路线规划做铺垫。然后对划分的数据利用DBSCAN聚类算法挖掘出轨迹数据中的簇。最后利用K-Means聚类算法找出每个簇的中心点,也即最佳客源点。最佳客源点是轨迹数据中出租车最常访问的位置点,如果空载司机能够找到最佳客源点将大大提高上座率。(2)盈利路线的规划。数据经过聚类处理,形成了一系列的最佳客源点的集合。我们将基于点到点的路线规划问题转化为旅行商问题。提出了基于最佳客源点的优化蚁群算法(Ant Colony Optimization Algorithm based on Optimal Profit Points,ACO-OPP)。在路径的选择概率上,我们通过加入影响因子来提高司机对于热门最佳客源点的选择。通过使用全局信息素更新和局部信息素更新相结合的规则来增加算法的探索能力,避免进入停滞状态。利用百度地图API中驾车距离实时计算函数来代替原始距离计算公式。(3)Stackelberg博弈模型。在路线规划过程中,往往会出现热门路径的拥堵问题,随着拥堵时间的上升,司机的成本也会急剧增加。为了解决这个问题,我们引入Stackelberg博弈模型,我们从管理者和出行者两个决策方的角度出发,通过固定的时间间隔进行交通诱导,使得两者达到一种均衡状态,从而实现管理者和出行者效益最大化,使得路网资源得到了极大的利用,有效解决热门路径的拥堵问题。(4)基于SSM(Spring+Spring MVC+My Batis)框架构建了出租车路线规划系统。该系统利用百度地图API进行开发,实现地图展示、定位、最佳客源点的检索和查询、路线规划、路线导航等功能。在路线规划的算法设计上,由于考虑到热门路径的拥堵问题引入了Stackelberg博弈模型,并在管理者决策方求解时利用了提出的ACO-OPP算法,从而实现出租车司机和交通管理者利益最大化。