截止2018年底,我国私家车保有量达1.89亿辆,占机动车总保有量的57.8%。我国已经进入了汽车社会,随之而来的交通拥堵、交通混乱、尾气污染、油价上涨等问题已成为了当前社会的主要难题。共乘模式是缓解上述难题的重要方法。共乘模式是居民通过共享车辆一起出行的交通方式,其通过共享车辆可以提高车辆的入座率,减少道路上出行车辆,从而减小车流量,缓解交通压力,降低尾气排放量,促进绿色交通。本文基于重庆市的汽车电子标识数据进行共乘模式的挖掘,目标是分析汽车电子标识数据提供基于数据驱动的服务。通过挖掘私家车的出行行为,发展公共交通共乘和建立长期稳定的个性化共乘,从而促进共乘模式的发展。主要工作如下:(1)基于汽车电子标识数据的车辆出行链提取方法。为了了解机动车的出行行为,针对汽车电子标识数据的特征提取了车辆的轨迹链和出行链。由于RFID阅读器存在交叉读、漏读等问题,通过清洗冗余数据和基于马尔可夫决策过程补全轨迹获得了完整的轨迹链,并利用四分位数筛选法设定时间阈值提取出行链。(2)基于频繁序列模式的私家车出行热点路径挖掘。私家车出行热点路径是指单位时间内大量私家车通过的路径,其揭示了城市中共乘的需求性。为了用数据来说明共乘的需求,提出了基于频繁序列模式的算法Prefix-projected Sequence Pattern Mining based on Successor Set(PSSS),用于挖掘私家车出行热点路径并进行分析。(3)基于数据立方体的私家车规律出行行为挖掘。为了发展个性化的共乘,建立长期稳定的共乘模式,基于数据立方体挖掘了私家车的规律出行行为,为共乘推荐提供了重要的信息。(4)基于相似性的共乘推荐。挖掘了个人的规律出行行为后,根据出行习惯的相似性进行共乘推荐。从出行行为时空相似性、车辆相似性和出发地相似性三个方面衡量推荐度,推荐度较高的两人之间推荐进行共乘出行,从而建立起长期稳定的个性化共乘。最终,用重庆市真实的汽车电子标识数据进行了共乘实验。实验表明在一天早通勤期间,共乘出行可以减少6.09%的私家车外出,降低出行总里程数3.35%,节约汽油5吨多。私家车外出数量的减少将降低总的车流量,提高了通行能力,缓解了城市交通压力。同时总里程数的下降与汽油的节约有利于建设绿色文明社会。因此,共乘模式具有一定的社会价值,值得研究。