出租车作为城市交通系统中的重要运载工具,因其覆盖范围广,速度快,舒适和安全的特点而受到越来越多出行者的青睐。随着人们社会活动的丰富以及大数据、物联网与精密定位技术的发展,在出租车运营过程中获得数量巨大且优质的出租车载客数据,这些数据不仅是出租车运营中载客的相关记录,还蕴藏着城市居民出行规律、城市结构及其他社会问题。通过各种数据分析与挖掘手段对出租车载客数据进行深入探究,对于智能交通、城市规划、出租车调度、居民出行等有着重要意义。随着滴滴出行等打车软件和新型出行方式的兴起,以及机器学习方法研究的热潮,出租车数据挖掘领域正面临着重大机遇和挑战。这些乘客数据可以通过机器学习进行挖掘和建模,并获得潜在的可用信息,利用该模型可以做出一些决策和预测。本文对纽约市出租车载客数据的挖掘和应用做了以下工作:(1)城市出行热点区域研究,基于出租车载客数据挖掘的OD点数据结合城市交通小区划分的热点提取方法,提取出城市出行热点区域,并进一步基于这些出行热点构建热点区域交互网络,研究出行热点区域之间的交互关系,最后对交互网络进行社区发现,找出交互关系密切的出行热点形成的社区。(2)车费和到达时间预测,基于热点区域研究提取的OD数据结合载客人数、上车时间和打车费用等数据进行数据分析和特征提取,构建了机器学习预测模型并不断改进最终对打车费用和到达时间的预测有较高的预测精度。(3)出租车出行预测系统,基于城市出行热点区域研究和预测模型构建了出租车出行预测系统系统,包含居民出行量预测、城市出行热点预测、车费和到达时间预测等功能,对乘出租车出行和出租车运营提供参考。本文用常规的数据挖掘和分析方法进行了宏观的城市出行热点研究,又通过机器学习方法进行了具体的车费和到达时间预测研究并将研究结果构建系统加以应用。本文研究成果对城市居民出行规律、智能交通、城市规划、出租车调度、居民乘出租车出行等方面都能提供参考。