在出租车运营过程中,出行者需求信息对出租车运营效率及收益具有重要影响;同时,交通环境的时变性给驾驶员的有效寻客带来了较大的困难。为减少此类状况的发生,为出租车驾驶员推荐实时有效的寻客方案就显得尤为重要。因此,本文针对驾驶员寻客这一问题,建立两阶段出租车驾驶员寻客方案推荐模型,对驾驶员进行寻客方案动态推荐,提高驾驶员寻客效率。本文的主要研究内容包括:（1）GPS数据匹配及出行者出行偏好信息解析为掌握出行者出行时空规律,本文基于北京市出租车GPS数据,进行数据清洗和数据分析进而提取有效信息。接着提出出租车乘客上下车位置点OD（origin-destination,OD）的提取算法和出租车OD数据匹配算法。通过分析OD数据,获取出租车需求和运营时间信息,挖掘城市居民出行偏好特性,为后文确定出租车寻客目标做数据支撑。（2）基于Voronoi图的寻客区域划分与寻客指标计算方法为了为出租车驾驶员准确地推荐寻客目标,本文基于出租车OD数据,对O点进行聚类,利用Voronoi图法根据聚类中心坐标对研究区域进行划分,获得驾驶员寻客目标区域集合。基于区域内统计数据,建立区域寻客指标计算模型。对于区域寻客指标选择,本文基于核函数建立驾驶员寻客特征模型,揭示目标区域吸引力与驾驶员到目标区域距离的变化规律,研究寻客区域特征对驾驶员寻客策略的影响,为后文进行寻客方案推荐做基础工作。（3）基于出行时间不确定的动态寻客方法本文建立两阶段出租车驾驶员寻客方案推荐模型,分别为寻客目标区域推荐模型和寻客目标点推荐模型;从GPS数据中提取各寻客指标数据,对寻客推荐模型进行求解计算,将推荐值最高的寻客方案（即为最优寻客方案）作为驾驶员寻客的初始方案。基于推荐模型,本文提出基于出行时间不确定的动态寻客方法。通过各路径中路段交通速度的预测,对当前车辆行驶路段终点到各寻客目标点的道路交通指数和空载行程时间进行估计计算,进而对各目标点的推荐值进行计算更新,实时调整驾驶员最优寻客目标点。基于对出租车GPS数据分析得到的出行者出行特性,本文通过建立寻客推荐模型为驾驶员明确寻客目标,最后对出租车进行寻客路段的行程时间估计,以此为驾驶员实时更新计算寻客目标,以提高出租车寻客效率。