“互联网+交通”新形态的出现,使得出租车行业发生了巨大的变化,网约车作为出行的新方式给传统出租车带来了明显的冲击。与此同时,网约车因解决了传统出租车的信息不对称和随机交易的问题,也为出租车行业带来了新的发展机遇。但无论是网约车还是传统出租车,如何提高运营效益始终是运营企业和司机个人最关心的问题。以此为切入点,本文构建了效益指标,并基于效益指标实现了对网约车的选单决策建议和对巡游车的高效益寻客区域推荐。首先,本文通过分析现有研究文献中采用的国内出租车数据,以及目前通过检索途径可获取的国内出租车数据,并对比国内一线城市与纽约市出租车出行情况,说明了当前可获得的国内出租车数据用于本文研究存在的不足,以及应用纽约市出租车运营数据的合理性与适用性。本文以纽约市13862辆出租车的运营数据为基础,进行了剔除缺失、异常、不合理等问题数据的预处理,并采用射线法选定了研究区域及区内数据。其次,针对研究区域内的出租车运营数据,分析了出租车出行的时空分布特征。其中,时间分布特征分析从出行需求、载客时间、载客距离和载客收入四个特征量角度展开,指出了各个特征量在工作日与非工作日上的区别,以及一天内不同时段的变化特征;空间分布特征分析以出行需求、出行目的地和出行方向为特征量,研究了出行需求和出行目的地在空间上的分布,以及出行方向的时间和空间差异性特征。然后,考虑区域供需、乘客目的地等因素对出租车运营效益的影响,构建了基于马尔科夫决策过程(Markov Decision Process,简称MDP)的效益指标,对指标参数的计算做了详细分析和说明。并以出租车出行的时空分布特征为依据,提出了效益指标计算时段的划分方法,以及能够突出区域目的地特征的、基于K-means++算法的效益指标计算区域划分方法,并对研究区域进行了区域划分。最后,顺应出租车行业的发展需求,从两个方面进行了效益指标的应用。一方面,根据构建的效益指标,以网约车司机在接受不同订单情况下一定时间内的预估收入为决策信息,为网约车提供选单决策建议。另一方面,建立了基于效益指标的高效益区域推荐模型,为巡游车提供高效益寻客区域,并进行了推荐和运营过程模拟,通过对比研究时段内模拟与实际的平均运营收入和时间空载率,验证了模型的有效性。图39幅,表16个,参考文献60篇。