随着物联网、移动互联网、大数据等新兴技术的发展,我们能够获取道路上行驶车辆的信息越来越多,轨迹数据在公共交通领域的分析已经很多且取得了比较好的效果,但针对私家车的分析在现有的研究中比较少。而公共交通车辆的数量只占了机动车总量的1%左右,它对城市交通规划、缓解交通拥堵、交通引导、道路路况预测等影响不大,需要更多的分析私家车的用户行为。如何利用私家车车辆的行驶数据,分析乘客出行规律、预测乘客的出发时间及出行目的地以引导其出行、发展共享交通就成为了在此领域的重要研究问题。本文以深圳为例,利用私家车轨迹数据和城市交通小区数据,对用户出行行为进行分析研究,具体研究内容和创新点包括:1、提出了基于数据挖掘的用户出发时间预测方法:先对用户的出行时间特征及规律进行分析,然后使用K-Means算法将连续的时间变量转换为离散的时间类别,再用随机森林来预测用户下一次的出发时间,并采用基于时间序列的k折交叉验证法和互信息来对模型预测的准确率进行评估,在覆盖率70%时准确率75%,优于朴素贝叶斯模型的62%。2、提出了基于随机森林的用户出行目的地预测方法:将随机森林模型应用于用户出行目的地预测中,并采用基于时间序列的k折交叉验证法和互信息来对模型预测的准确率进行测试评估,在覆盖率70%时准确率达到75%,优于朴素贝叶斯模型的68%;在覆盖率30%时准确率达到90.48%,与滴滴用户出行目的地预测系统90%的准确率持平。3、研发基于用户出行行为预测的拼车出行系统:将用户出发时间预测、目的地预测应用于拼车出行系统中,方便用户寻找可拼车出行的车辆。具有较高的落地性,已经实际应用在宝马公司的高端拼车出行系统中。基于本文的研究分析方法,可以建设用户出行分析及预测系统,有助于提前预知用户的出行行为,实现交通路况预测、交通引导、拼车出行等应用,缓解交通拥堵,提高道路通行效率,提升整个交通的总体运行效率和服务质量。