近些年来,随着共享经济的出现,城市网约车逐渐兴起,并因其方便、快捷、实惠的特点受到城市人群青睐。然而,随着业务规模的不断扩张,一些产业内现实存在的问题也开始暴露出来,制约着这个行业的发展。比如网约车的供需平衡,网约车司机的驾驶安全,汽车调度策略以及汽车路线规划等常见问题。本文基于2016年11月份网约车公司“滴滴”在成都市的运营数据,从多个角度进行了深入挖掘。通过计算与信息采集等方式,提取大量可用相关特征,使用合适理论框架建模解决实际问题。具体包括基于源订单数据集做了网约车需求的多角度分析和实时预测,基于源轨迹数据集做了网约车司机驾驶行为风险评估这样三个角度的分析研究,以期提高智能化出行水平以及网约车服务质量。本文的主要工作如下:第一,多维度分析网约车需求,探索城市居民出行行为模式。时间维度上,分析了不同观测窗口下网约车需求的演化情况;空间维度上,对订单分布进行了可视化;行为模式上,研究了居民出行的偏好目的地,偏好乘车时常等。除此,还计算了一些变量因素与网约车需求之间的相关系数,为后续研究提供理论支撑。第二,实现网约车订单数量的实时预测,从供需关系角度为网约车提供调度策略。网约车的需求由于受到众多复杂因素的影响难以去合理建模,导致市面上成熟的算法较少。本文在网约车的订单数据集基础上,又获取了外部相关特征如天气情况等,同时考虑时间序列前后时刻的影响,分别使用决策树与循环神经网络算法框架对数据进行建模,提出实时预测网约车需求的方法,并评估了预测模型的效果。实验结果证明该模型可以有效地预测汽车订单数量,从而间接提升汽车调度效率。第三,建立网约车司机的驾驶风险评估体系,用来规范司机行车习惯。本文通过对轨迹数据集进行指标计算,特征提取等手段,以特征聚类的方式构建了驾驶员驾驶安全系数的打分标准体系。该评估模型的提出,可以对驾驶员每次的订单行程做出评分,从而起到规范网约车司机驾驶行为的作用,同时有利于降低交通事故的发生概率。之后,本文又针对汽车轨迹数据的具体应用场景,提出了检测与纠正异常数据的规则方法。最后,对以上三部分工作内容进行总结,阐述每个研究应用对于网约车服务的现实意义以及对于其他研究的参考价值。分析目前实验可能存在的不足及可优化之处,对后续研究做出规划。