出租车在运营的过程中,经常要面临空驶时寻找乘客的问题,对于出租车需求信息的未知性增加出租车驾驶员在寻客过程中的盲目性与不确定性,尤其是对于缺乏经验的出租车驾驶员,往往需要浪费很长时间去寻找下一位乘客。为了解决空驶出租车寻客的问题,必须要为出租车驾驶员提供一套引导其寻客行为的方法,因此要对出租车驾驶员进行寻客驾驶方案推荐,减少其寻客过程中的盲目性。本文首先根据出租车的历史数据,对出租车的数据进行处理和分析,应用SQL Server数据库,对上海市QS出租车公司的出租车数据进行预处理,然后分别建立上下车点提取算法和OD匹配算法获取出租车的需求信息和运营时间信息,并对一些能反映出租车需求状态和空驶状态的运营指标进行分析。然后基于已处理的数据,挖掘出租车需求的热点区域,本文运用了基于密度的聚类方法OPTICS算法对出租车需求点进行聚类分析,在详细介绍了算法的原理的基础上,通过实例进行了最优参数的确定和聚类结果展示,最后计算出每个聚类簇的核心点位置作为出租车的需求热点。最后,本文综合考虑了需求热点载客概率、最短寻客距离和基于车速的道路交通状态指数三个指标。首先建立寻客驾驶方案推荐的综合推荐度指标,筛选出评分最优的寻客点,得到寻客点序列。然后,建立寻客点序列综合评价函数,得到最优寻客点序列,做为寻客驾驶方案推荐的结果。其间,运用剪枝策略减小算法的规模,提高计算效率。最后通过实例进行验证,结果表明,最优寻客点序列对应的影响因素值符合常规的交通状况,模型是有效的。