随着“北上广”等一线城市相继颁布限行政策,车辆限行、停车昂贵、停车位紧张使得人们在购买私家车和选择出租车出行之间选择后者。早晚上下班时间出租车需求量最为旺盛,这恰好也是出租车司机的就餐时间,出租车司机常忙于载客无法及时就餐。饮食习惯不规律问题造成的肠胃疾病已成为出租车司机的职业病。针对出租车司机饮食不规律的问题,现有研究大多从司机自身角度出发给出解决方法,例如养成按时就餐的生活习惯等。然而,造成该问题的一部分原因是没有专供出租车司机停车就餐的就餐点,但未见有研究提出新建就餐点的选址方案。当今,大量出租车携带GPS接收装置,产生的海量轨迹数据不仅提供了准确的车辆ID,而且还有车辆状态、车辆GPS位置、车辆GPS时间等信息,具有数据时间延续性好、信息量大的特点。出租车轨迹大数据中蕴藏着出租车司机的就餐量信息,为新建就餐点、解决出租车司机就餐难问题提供了数量依据。然而,利用轨迹大数据进行就餐点选址有两个技术难点:一是需要快速的从海量轨迹数据中提取位置、状态信息,传统空间数据的索引结构（如R-tree等）无法达到要求;二是选址问题为高复杂度的优化问题,现有算法的速度、精度仍待改进。综上,本研究提出一种利用轨迹大数据进行就餐点选址的方案,并针对技术难点提出解决方案。首先,本文提出了一种车辆轨迹大数据的索引方法,可以在不同时间粒度下针对特定时间段、车辆位置状态的查询场景建立索引结构,对轨迹大数据进行快速存储和查询。然后,本文基于索引结构统计就餐需求量时间序列,通过平稳性假设检验来验证该时间序列的可预测性。最后,针对粒子群算法容易过早的收敛到局部最优点的缺点,本文提出了子种群协作与粒子重启策略,增强了粒子群算法的全局搜索能力,获得适应度值更优的选址方案。为了验证方案的有效性,本研究以2016年8月约1.3万辆出租车覆盖整个上海市的出租车轨迹数据为例进行了就餐点选址案例研究,结论包括两部分:一是上海市外环以内出租车就餐需求量具有可预测性;二是得到外环线内就餐点选址方案及对应出租车司机前往就餐点所需平均时间、就餐点供应量。本文的研究结果可以为政府相关部门进行就餐设施布局、停车位规划提供定量依据,从而解决司机就餐难问题。本文的创新点包括:（1）基于真实就餐需求量数据提出就餐点最优选址方案,定量解决出租车司机就餐难问题。（2）本研究针对数据特点（依据时间排序、删除频率低）和应用目标（特定时间的车辆位置、状态查询）设计了索引方案。该索引方法通过用户输入时间粒度来重采样原始数据,在创建时间、占用空间、查询时间上为MySQL数据库的B+索引的68%、62%、2%。（3）改进了传统粒子群算法并将其应用于选址最优化问题求解。提出子种群协作与粒子重启策略。这一策略增强了粒子群算法的全局搜索能力,避免过早的收敛到局部最优点,获得适应度值更优的选址方案。实验证明,改进后的算法适应度值、收敛至全局最优解次数优于已有文献方法^[61]。