随着移动对象运动轨迹的采集越来越方便,催生了大量基于位置的服务(Location Based Service,LBS)。这些服务对于市民生活、道路规划和城市发展等具有相当重要的理论意义与实用价值。出租车是城市交通运输的重要组成部分,由于其覆盖范围宽广、定位精度高、连续性强,且没有涉及到隐私问题,其轨迹数据成为了学术界和工业界研究应用的重要数据源。本文研究了基于出租车轨迹挖掘的寻客路线推荐方法,在轨迹数据挖掘、司机选择寻客点类型的个性化偏好分析,以及寻客点诸多属性对于寻客路线选择的影响等方面展开了较深入的研究,旨在减少出租车空载时间、提高司机利润、并降低油耗污染。本文的主要贡献包括以下三个方面:(1)提出了一种基于密度聚类的载客点时空分析方法,旨在分析载客点在时间和空间上的分布特征,获取代表乘客聚集地的寻客点。实验结果表明,该方法能够大幅度的提高寻客点的准确性。(2)提出了一种个性化的寻客点推荐方法,旨在分析出租车司机载客时对地点类型选择的偏好情况,并根据司机的个性化偏好推荐寻客点。实验结果表明,出租车司机对寻客点类型或者乘客存在偏好。(3)提出了一种基于信息熵的寻客路线推荐方法,旨在分析寻客点的多评价因素对出租车选择寻客路线的影响,并以序列推荐的形式为出租车推荐综合属性最优的寻客路线。实验结果表明,本文推荐方法的推荐性能更加优异,能够帮助出租车司机获得更多的收益。