随着移动互联网和无线网络技术的迅速发展,利用手机APP来约车的行为越来越普及,如何利用历史轨迹数据来预测人们的出行需求对于提高出租车的运营效益有很强的指导意义。为实现上述目的,本文设计了多维度出行需求概念模型。首先,定义了乘客出行需求时间、空间和语义三个维度之间的关系,设计实现了从出行轨迹历史数据和城市兴趣点数据中挖掘时空语义的算法,并利用话题模型对热点区域潜在的功能语义进行挖掘分析,乘客出行特征,构建出行需求模型。接着,设计了基于时间序列和空间聚类的预测模型,利用自相关与偏自相关性分析对时间序列中的参数进行估计,针对空间聚类算法中参数选择问题实现自适应的算法,从而达到热点预测的目标。然后,利用兴趣点热度与曼哈顿距离结合的方法产生候选集推荐给出租车。在神州租车真实数据集上进行的对比实验,结果表明综合利用时间序列与空间聚类相结合的方法在出行需求预测中平均F值有15.21%的提升,同时热点推荐的平均命中率达到了79.6%。综上所述,本文提出了一种结合空间聚类技术和时间序列的自适应预测模型来对乘客的出行进行预测,通过对乘客历史出行GPS数据进行挖掘,结合热度与地理位置为出租车进行推荐,提高出租车整体的载客率,改善城市交通状况。