突发重大公共卫生事件对居民公共交通出行易产生负面影响,地铁、常规公交车等聚集性出行方式的客流量都会出现不同程度下降。作为公交的补充,出租车出行需求是否会遭受同样影响?本文根据重大公共卫生事件影响下出租车出行需求变化程度的差异对城市地块进行分类,并基于失常度的动态投入产出模型（Dynamic Input-Output Inoperability Model,简称DIIM模型）构建了出租车出行需求衰减模型,揭示地块间出租车出行需求的关联性以及模拟各类地块出租车出行需求强度的衰减规律。投入产出模型可以描述系统内不同类型地块之间的影响变动。本文将相互关联的不同类型的地块视为一个系统,将不同类型地块对出租车的吸引量与发生量视为投入量与产出量,其中每一类地块总的投入量与产出量是一致的。由于简单的投入产出模型不能表达系统的动态性以及当重大事故发生时系统的稳定性或系统内各类地块的出行需求强度变化情况,因此本文引入了DIIM模型。基于DIIM模型建立的出租车出行需求衰减模型不仅考虑到了系统内各类地块之间的关联性,还能建立当重大事件发生后各类地块相互影响的联系以及表达出租车出行需求强度随时间变化的动态特性。本文首先对疫情初期的出租车GPS订单数据的来源、格式及数据预处理方法进行介绍;然后提出了基于K-means聚类的地块分类方法,将具有相似出行特征的地块聚为一类;其次统计了不同类型地块之间的出租车出行需求表;最后,根据出租车出行需求表构建了基于DIIM模型的出租车出行需求衰减模型,模拟出租车出行系统出行需求强度的衰减规律。本文选定了宁波市某一区域作为研究范围,对所建立的模型进行了仿真,并对误差及模型参数的灵敏性进行了分析。其中五类地块与实际出行需求强度衰减情况的相对误差分别为8.3%、3.8%、8.7%、5.5%、5.3%,误差相差均不大,基本能与实际情况相吻合,证明了该模型的有效性。本文的研究成果可以为其他类型和严重级别的公共卫生事件场景提供一定借鉴作用。