近年来，随着城市居民经济水平、生活水平的快速提高，城市居民的日常出行逐渐向便捷、舒适的交通方式转移，作为城市公共交通系统重要构成部分的出租车可以根据乘客的需要提供灵活方便的出行服务，因此出租车也得到了突飞猛进的发展。出租车可以在很大程度上方便城市居民出行、缓解交通拥堵等交通问题。随着信息通讯技术的快速发展以及移动传感设备的普及应用，隐含出租车司机采取的服务策略的出租车GPS轨迹大数据得以获取并保存下来。出租车司机的服务策略，对司机的收入、总的载客行驶的时间、距离有直接的影响。通过研究出租车司机的服务策略，可以降低出租车的空驶率，改善出租车司机的运营收入，提升出租车的服务品质等。　　在浮动车低采样率的情况下，本文提出一种基于GPS轨迹大数据和条件随机场的地图匹配算法：首先建立道路网络模型，在此基础上，计算GPS观测点可能匹配的候选投影点集合以及集合中每一个候选投影点的观测概率，然后计算相邻GPS观测点的候选路径集合以及每两个相邻候选投影点之间的传递概率；根据这些候选投影点和候选路径，在滑动窗口内，基于条件随机场模型，应用前后向递归算法，计算每个候选投影点的概率权重值；根据概率权重值，选取GPS观测点的最佳匹配投影点。本算法（FB-MM）在低采样率的情况下，综合考虑道路网络的拓扑结构和GPS观测点之间的关联信息，实现了较好的地图匹配效果。　　针对两个司机共同运营的出租车在运营期间产生的GPS轨迹数据，本文提出一种基于OPTICS的出租车交接班模型，从一辆出租车GPS轨迹数据中检测出两个司机交接班的时间、地点，该模型的复杂度较低，检测速度较快，为全面掌握出租车运营规律、分析出租车司机运营绩效、出租车司机服务策略提供了良好的方法和工具。　　出租车司机的服务策略，隐含在出租车GPS轨迹大数据中，通过挖掘GPS轨迹大数据来研究出租车司机的服务策略，可以在许多方面有利于出租车司机、普通乘客以及城市规划工作专家等。在第二、三章的基础上，本文提取每个出租车司机驾驶出租车产生的GPS轨迹数据，量化、分析每一个出租车司机的绩效，分析与出租车司机运营绩效相关的载客行驶的次数、乘客上下车热点区域等因素，最后从三个方面提取出租车司机的服务策略，建立服务策略矩阵TSSMatrix，并预测出租车司机的绩效。