由于移动互联网的日益流行,人们开始通过移动互联网来处理城市中的问题。打车应用就是这样一个示例,通过手机软件,司机能够及时知道乘客的位置,避免了盲目的空跑。由于打车软件规则还处于摸索中,规则由之前的在一定范围内的司机谁先抢到谁下单,转变为以距离为主的抢单模式。这种模式也有一定的缺陷,首先实际距离有时计算不准确,其次司机离乘客最近并不表示能够在最短的时间里将乘客送到目的地。本文针对出租车司机推荐这实际应用场景及其出现的问题,提出了一种多维度量的司机推荐方法。本文的主要工作内容有：根据出租车的GPS轨迹信息,得到出租车所处地区的道路网络信息,构建道路节点图,得到了各个节点的经纬度信息。在道路网络的基础上,研究了多种最近邻算法,IER算法、INE算法和TDFP算法,根据其适用场景,选择应用于打车环境下的最近邻算法,针对算法做了一定的改进。实际距离是其中一个度量,另一个度量就是司机的评价度量,主要是通过乘客对司机的路线、速度等进行评分。在得到多个乘客对多个司机的评分数据的基础上,通过多维的基于协同过滤算法来预测乘客给司机的评分来推荐最佳司机给乘客,从而提高乘客的服务满意度。本文研究和实现了基于多维度度量的出租车推荐系统,本文的主要贡献体现在：(1)实现了改进的适合道路网络场景的最近邻算法,提出了预测司机评分的多维度协同过滤算法。(2)通过实验对比分析,验证了算法的有效性和合理性,并且在此基础上,实现了系统的客户端和服务器端。