城市交通系统是城市经济和社会发展的基础条件。近年来我国城市化迅速发展,城市人口不断增加,城市规模在不断扩大,居民交通出行需求也大幅度增长。出租车具有出行及时、方便、快捷、灵活的特点,可以为城市居民提供“门到门”的运输服务,已经成为了居民日常生活中一种重要的交通出行方式。在以巡游出租车为主要服务方式的出租车市场中,由于乘客出行具有随机性和波动性,同时空载出租车在道路网络中搜寻乘客的路径具有较大的盲目性,乘客出行需求和出租车服务之间总存在着供需的矛盾。通过出租车出行需求预测,可以引导空载出租车到达乘客需求较多的区域,从而解决出租车供需时空不匹配的矛盾,对出租车运营效率和服务水平的提高具有重要意义。本文在查阅文献资料的基础上,从出租车运营与管理、出租车GPS数据应用和交通短时预测方法三个方面对国内外现有研究成果进行了综述,总结对比现有研究成果,从城市区域的实际特点出发,对城市出租车出行需求的估计与预测展开研究。首先,本文在对出租车GPS数据进行预处理的基础上,提出了基于网格划分的出租车出行需求估计算法,通过网格划分、需求估计和网格合并三个步骤,估算研究区域范围内一定时间段的出行需求总量。其次,本文以不同的土地利用类型为区分方式,选取了科技办公园区、核心商业区域、交通枢纽区域、学校周边区域以及医院周边区域等五种不同类型区域,分别对不同区域的出租车出行需求的时变特征进行了分析,为出租车出行需求预测模型的构建提供了依据。最后,本文以齐鲁软件园区域为研究案例,分析了相关因素对预测变量的影响。基于卡尔曼滤波模型和遗传算法优化的神经网络模型,本文提出了一种组合模型预测方法,并在三种不同的场景条件下,对比了卡尔曼滤波模型、遗传算法优化神经网络模型和组合预测模型的预测效果,验证了组合预测模型的有效性。