交通拥堵、出行费用上涨、环境污染等一系列问题在近年来越来越受到人们的广泛关注。共乘出行通过有效整合运力对缓解交通拥堵、降低出行费用、减轻环境污染都有重要意义。随着移动网络的普及和GPS、北斗等定位系统的不断完善,其产生的大规模轨迹数据为智能共乘系统带来了全新的发展机遇与挑战。本文围绕智能共乘中的车辆过滤、模式发现、匹配规划、系统优化等关键问题展开研究。本文创新点主要有:·面向大规模路网的海量移动对象的k近邻搜索,提出了索引算法V-Tree。现有技术要么仅关注欧几里得距离移动对象索引,要么仅关注基于路网的静态对象k近邻索引,前者不支持路网索引、后者不支持移动对象。为此,本文针对智能共乘中基于路网的移动对象索引需求,提出了基于图划分边界点数量上界理论的路网上移动对象k近邻索引算法,将移动对象路网查询与更新平均复杂度均降至O(log)级。该算法具有良好的可扩展性,可满足大规模路网海量移动对象索引需求。·面向智能共乘中的区域模式发现,提出了高效用占比挖掘算法OCEAN。现有相关挖掘技术无法体现区域模式对共乘的重要性,为此,我们以区域在轨迹中距离的贡献占比为依据,提出了效用占比这一度量。针对这一度量不具有向下闭包特性、无法有效直接裁剪的问题,找到了其裁剪上界,并设计了面向共乘的效用占比空间区域模式挖掘算法。该方法可有效发现以共乘有效性为度量的区域模式。·面向智能共乘中多订单匹配与路线规划,提出了基于聚类的匹配规划算法Roo。现有方法将多订单匹配规划看成先匹配订单再规划路线的两个步骤,且对订单匹配时往往仅考虑订单的起终点位置。针对这一问题,提出了基于路网的共乘时空距离度量。基于该度量,设计了同时考虑订单匹配与路线规划的多订单匹配规划算法。通过在匹配规则中考虑订单在路网上可能经过的位置,该方法提供了更加灵活的共乘选择,从而降低了里程开销。·面向完善智能共乘所需的城市出行特征分析,提出了基于城市出行网络的分析框架NBAF。智智能共乘中运力调度、乘客等待时间、价格策略等要素都决定了共乘系统的体验,需针对共乘系统的需求对城市出行特征进行有效提取。为此,基于网络中心度理论提出了基于出行活动网络的城市特征分析框架,该分析框架能有效描述城市中区域之间的出行模式,为共乘系统的改进与宏观调度提供支撑。