近年来,滴滴出行成为人们市区内出行的一个主要的方式。滴滴出行的GPS数据逐步向研究人员开放,“滴滴盖亚数据开放计划”自2017年10月正式启动以来,已陆续发布了包括轨迹数据、POI检索数据、驾驶场景视频数据等6个数据集。此次发布的GAIA出行数据集则作为已有数据集的有效补充,从社会科学领域研究学者的真实需求出发,充分结合滴滴出行场景特点以及前期专家访谈调研,共覆盖起终点经纬度、订单类型、出行类别等二十多类字段。为解决国内广大社会科学领域学者在城市规划与公共管理、人口分布与出行习惯以及交通拥堵等城市发展过程中所面临的挑战性问题,提供了真实且高质量的开放数据。本文在国内外现有的对GPS数据的研究基础上,以西安市三环局部区域为研究对象,选取了工作日和非工作日两天的滴滴出行数据,提取了工作日早晚高峰和非工作日早晚高峰的滴滴上下客点数据,初步拟定利用POI设施作为研究滴滴出行影响因素的变量,先进行了数据预处理,再进行了时空特征分析,从空间的角度分析了其影响因素。具体,本文先对研究区域进行了合理的划分,提取了各个小区内滴滴的上下客点数量并进行描述统计,用核密度分析方法展示了研究区域内滴滴上下客点和POI设施,以及人口密度的热点空间分布;其次利用莫兰指数计算了滴滴上下客点和POI设施分布、人口密度的空间相关程度,以及二者之间的空间关联度,得到,以上变量均存在自身的空间相关性,且滴滴上下客点和POI设施分布、人口密度具有空间关联性;最后,本文以11种类型的POI密度、人口密度以及道路密度作为自变量,以四个不同时段的滴滴上下客点密度作为因变量,采用了普通的线性回归(OLS)和地理加权回归(GWR)两种模型进行了拟合,得到以下结论:不同时段,对滴滴出行有显著影响的变量是不同的,且变量对滴滴出行的影响程度在空间上存在着差异性,在文末,本文还利用相关参数对两种模型进行了对比,得到GWR模型比OLS更加准确和有效的结论。