当今随着人民生活水平的不断提高,大众出行服务需求亦日趋增长,便利快捷的出租车更是成为大众出行不可或缺的交通工具。大量涌入的出租车在方便人们交通出行的同时,也面临公共资源调度不均,能源消耗增加,交通拥堵等问题。此时值得关注的是GPS设备在出租车上的广泛应用,由安装于出租车上的GPS设备,产生了大量的轨迹数据,这些数据包含了丰富的时间、位置及驾驶状态等信息。挖掘出租车轨迹数据,从中获取交通热点了解出行需求分布,能够为出租车司机及乘客提供合理的载客和上车信息,指导司机及驾驶新手避开拥挤路段,实现城市交通资源分配的优化,同时为智能交通提供决策支持。现有的轨迹数据挖掘技术研究通常将乘客行为模式挖掘,司机寻客偏好分析及交通流量预测作为关注热点。在热点区域挖掘的应用方面,大部分研究未考虑针对乘客上车位置的推荐。对于驾驶出行路径规划,现有的实时导航考虑当前时刻的道路状况,而对预测未抵达路段拥堵情况的研究较少。针对目前研究的不足,本文提出了一种基于R-DBSCAN的热点区域发现算法,并在此基础上进行载客及上车位置的推荐,进而为出租车司机载客驾驶提供考虑时间因素的动态路网路径规划。本文的主要贡献包括:(1)出租车热点区域挖掘本文以出租车轨迹为研究对象,提出了基于R-DBSCAN热点区域挖掘算法。通过提取出租车轨迹数据中的上下车地点,利用空间聚类DBSCAN算法依据不同特征时间段进行聚类,采用RNN(Reverse Nearest Neighbor)反向近邻查询算法确定对应时间段的核心热门区域,为下文的位置推荐提供候选区域。(2)出租车载客及乘客上车位置推荐分别从出租车司机载客和乘客打车的角度出发,分析出租车热点区域对于实际载客及上车的推荐指数。一方面,根据出租车司机寻客时对热点区域的空载开销及其吸引力值估算该载客区域的推荐值;另一方面,依据乘客抵达候选区域的移动开销及其吸引力预测乘客在该候选区域能打车的推荐值,从而实现基于热点区域的位置推荐。(3)出租车驾驶路径规划由于交通道路复杂多变,本文提出了考虑时间因素的动态路网路径规划。借助路段状态矢量数目计算拥堵系数,通过时间序列预测拥堵系数,并设计A*算法中的启发式函数,按照预测到达时间选择动态变化的路段拥堵系数,进行路径规划。(4)原型系统实现综合本文的研究成果,实现了基于出租车轨迹数据的管理及应用分析系统原型。在真实的出租车轨迹基础上,通过原型系统验证所提出的热点区域挖掘算法得到的热点区域与实际交通热点分布相一致,并在与仅考虑热点区域吸引力作为推荐载客算法的距离开销对比中证明了本系统载客及上车推荐算法的有效性,最后通过与百度地图与高德地图的路径导航比较,本系统设计的动态路网路径规划更倾向于选择道路状况良好的路段,达到了合理规避交通拥堵的效果。