出租车是城市公共交通的重要组成部分,但是由于部分巡游出租车司机对客流分布信息不明确,使得其无法快速准确找到客流需求热点,从而导致很多出租车产生盲目巡游现象,降低了出租车运营效率。因此本文通过出租车GPS数据对客流热点区域进行识别,建立出租车寻客推荐模型,为出租车司机提供寻客引导,提高出租车运行效率。具体工作主要包括:首先,基于搭建的Map Reduce处理框架进行出租车GPS数据预处理,采用几何地图匹配算法进行出租车GPS数据的地图匹配,设计出租车乘客上下车位置提取算法和OD匹配算法。其次,采用核密度聚类算法,构建密度场客流热点识别模型,分析了宁波市居民出行规律、出租车运营特征、出租车客流热点区域的时空分布。分析表明,工作日居民乘坐出租车出行的高峰时段分别为7:00-9:00、17:00-19:00和20:00-23:00。休息日居民出行随机性较大。出租车主要服务时域为30min以内,重点服务时域为15min以内。交通枢纽、医疗卫生、商业服务和居住区等为出租车需求热点区域,其中大型交通枢纽和医疗卫生的热点等级始终维持在较高水平;商业服务区在休息日热点等级较高,居住区在工作日热点等级较高。最后,以出租车寻客点至热点区域最短行驶时间、热点区域出租车供需比和路网交通运行指数为变量,建立了出租车寻客推荐模型,分别采用Dijkstra算法标定最短行驶时间,在区域划分基础上计算出租车供需比,基于行程时间比计算交通运行指数的方法对模型进行了参数标定。将该模型应用于宁波市2017年7月22日早高峰的出租车寻客引导,分析对比得到的推荐结果可知,热点等级最高的区域并不一定是寻客推荐度最高的区域,推荐结果也与热点区域出租车供应量与需求量的情况和路网交通运行状态密切相关,结果表明该模型对出租车寻客具有一定的指导作用。