随着信息时代的到来,人们每时每刻都在产生各类数据,这些数据有着内在的相互关系,人们通过聚类、分类、异常点发现和关联规则等方法挖掘数据的深层价值。同时,这些数据也在不断改变人们的生活以及思维方式,具有广泛应用,打车数据就是其中之一。本文基于滴滴打车数据和POI(point of interest,兴趣点)数据来研究海口市市民的打车需求情况,POI数据主要包括大厦楼宇、住宅小区、学校科研机构、宾馆酒店、购物服务场所以及旅游景点等。滴滴打车数据包含了海口市市民打车地点的经纬度,POI数据反映了各类建筑物的功能以及城市内部区域功能,二者相结合可以更加直观的反映市民的打车需求。本文选取了海口市5月份和9月份两个不同季度以及十一假日期间的数据,按照不同月份中工作日和周末不同时刻的打车订单量对时间段进行了划分,工作日期间在早上7-8点打车数量会骤增,因此本文将工作日7-8点时间段单独分析,将5月份工作日划分为0-6点、7-8点、9-16点、17-18点和19-23点,周末划分为0-7点、8-16点、17-18点、19-23点,9月份工作日划分为0-6点、7-8点、9-16点、17-18点和19-23点,周末划分为0-7点、8-17点、18-19点、20-23点,十一假日期间将时间段划分为0-6点、7-8点、9-16点、17-18点和19-23点。利用DBSCAN密度聚类算法对不同时间段内的打车点进行聚类分析,获取相应的打车活跃区域,依据不同打车活跃区域内打车点的经纬度坐标点,本文分别选取各个时间段内前五个打车活跃区域进行分析。爬取打车活跃区域内打车点100米范围内的POI数据,包括POI标的物(建筑物)名称、POI标的物与打车点之间距离以及POI类型等,其中POI标的物反映了打车需求点的地理位置,进一步利用关联规则中的Apriori算法计算每个打车活跃区域内POI关联规则,POI规则对于未来研究打车不活跃区域打车需求具有参考价值。