物流业是国民经济发展的重要组成部分,而公路货物运输更是物流体系不可缺少的一环。随着,“互联网+”、智慧物流的发展,在线货运交易平台应运而生,这种平台可在线提供车源、货源,以及初步的车货匹配服务,通过高效的车货信息传递,一定程度上缓解了物流供需矛盾,同时也在平台上积累了大量的货车司机移动轨迹数据。对货车司机海量移动轨迹数据进行挖掘分析,能加强对货车司机出行路径特征的了解,为制定货物运输政策、规划货物运输线路等提供依据。利用货车司机移动轨迹数据,能对货车司机下一时段行驶道路进行预测,可为货运监管部门设防设卡、线上平台优化服务等提供支持。本文采用轨迹数据处理方法、特征提取、机器学习、神经网络、数据可视化等相关技术,利用在线货运交易平台货车司机手机GPS轨迹数据,对货车出行路径时空特征进行了分析,并对货车出行路径进行了预测。本文首先采用数据处理基本方法对轨迹数据进行处理,随后采用语义分析与K-均值聚类算法(k-means,k-means clustering algorithm)结合方法实现了轨迹点POI类型分类。在此基础上,提取货车司机出行距离、道路类型、行驶速度、时间等特征对货车司机停留偏好、行驶状态下道路类型偏好、分区域出行路径特征进行分析,并对货车司机出行的常规性与自限性进行了阐述。最后,采用K最近邻居(KNN,K-Nearest Neighbor)、分类和回归树(CART,Classification and Regression Tree)、支持向量机(SVM,Support Vector Machine)三种机器学习模型以及长短期记忆神经网络预测模型(LSTM,Long Short-Term Memory),实现了对货车司机下一时段在重庆区域行驶道路的预测,并且四种模型预测准确率在70%以上。通过对货车出行路径特征分析及预测,可为政府部门提高货物运输效率制定货物运输政策出台相关措施提供理论支持,同时也能为在线货运平台优化平台服务提供依据,对基于运力预测的智能车货匹配提供基础条件。