随着移动互联网的发展，人们衣食住行发生了很大的变化。在出行方面，打车方式也发生了极大的变化，从路边招手叫车到线上预订或者线上发单。这一切的变化，却不会影响司机和乘客服务与被服务的关系，只会使二者联系更加紧密。这种情况下，司机和乘客可能会因某些问题影响自己的利益而产生投诉。因此，对出租车司机和乘客投诉行为问题的研究就显得非常重要，尤其是影响投诉的因素和投诉问题的主要内容这两个方面。
　　本文利用北京市的订单数据从三个方面对司机和乘客投诉行为研究。第一方面，利用投诉分类模型进行研究。选用了对投诉发生有影响的变量，利用分类算法建立投诉分类模型，起到预警的作用;同时，利用关联规则的方法得到最有可能发生投诉的规则;第二方面，对投诉文本进行研究。通过对文本的分词处理，利用分类算法和LDA主题模型方法对文本主题进行分类建模，实现投诉文本快速分类的目的;第三方面，对投诉订单量和订单需求量进行预测。利用时间序列SARIME模型对订单量进行预测，以起到投诉订单预警的作用。
　　本文经过研究发现，投诉分类模型中神经网络最佳，召回率接近于100％;通过关联规则发现，在“星期一”的“中午”，如果“线下支付”并且“订单失败”，或者空气质量达到“一级”，或者气温为“寒”，或者天有“微风”，很有可能导致订单“被投诉”;文本分析发现投诉内容的主要集中在“乘客爽约”、“多收车费”、“未付车费”、“态度恶劣”等方面。本文利用实际订单数据分析建模，利用机器学习算法进行挖掘，证明了分析方法的正确性和可操作性，为实际应用提供了可能。