1.用于出租车乘客出行目的的预测方法，其特征在于，包括以下步骤：a、构建乘客出行特征识别模型，具体方法为：

根据出租车运营数据获取乘客的出行特征；所述出租车运营数据至少包括：出租车辆的ID编号、每次触发GPS设备时车辆所处位置的经纬度、每次触发GPS设备时是否有乘客在车上、每次触发GPS设备时的时刻；所述乘客的出行特征至少包括：出行是否为节假日、下车点时刻、乘客出租车出行距离、下车点经纬度；其中，所述出行是否为节假日、下车点时刻、下车点经纬度可根据乘客的下车点信息直接获取：其中 为乘客i出行是否为节假日的特征标识符， 为乘客i出行的为周几，当为周一至周五，即为工作日时 为0，当 为周六或周日时Aiw为1， 为乘客i出行时段特征标识符， 为乘客i到达下车点的时刻，其中时刻表以一个小时为区间单位进行划分，为乘客i的下车点经度特征标识符， 为乘客i下车点的经度取值， 为乘客i的下车点纬度特征标识符， 为乘客i下车点的纬度取值；

所述获取乘客出租车出行距离的具体方法为：

根据车载GPS的触发时间，将出行轨迹划分为n段，则乘客的出行距离为：其中， 为乘客i从起点o到终点d的行驶距离，j为将乘客i从起点o到终点d轨迹划分的小段序列标识符，n为轨迹分小段数量， 为乘客i的第j段小段轨迹的距离长度；

其中 小段轨迹的距离长度为：

其中R为地球半径， 为 小段轨迹起点的纬度， 为 小段轨迹终点的纬度，为 小段轨迹起点的经度， 为 小段轨迹终点的经度；

则获得乘客的出行距离特征标识 为：

b、构建乘客出行目的识别模型，具体方法为：

b1、采用分类方法根据步骤a获得的乘客出行特征获取乘客出行目的：其中 表示乘客i通过其出行特征推断出的出行目的，f表示推断出行特征所用的方法，至少包括神经网络、贝叶斯、决策树、支持向量机、最近邻方法；

b2、设置信息点对乘客出行目的进行判断，所述信息点为至少包括名称、类别、经度、纬度的预设乘客出行目的地点，根据乘客下车点及与该下车点邻近的信息点，判断方式为：其中，中 为通过下车点邻近的信息点推断的乘客i的出行目的，typepoi为在下车点的距离为r的范围内存在的信息点的集合， 为乘客i下车点与最终目的地的距离，r为设定的下车点与最终目的地距离阀值；

c、乘客出行目的预测：

根据获得的 和 进行融合，有：

则最终识别结果

或：

则最终识别结果

或：

则最终识别结果

或：

则最终识别结果

2.根据权利要求1所述的用于出租车乘客出行目的的预测方法，其特征在于，所述步骤b2中，还包括判断信息点是否位于下车点半径阈值r内：对每位乘客下车点与所有信息点的经纬度进行预判断，将信息点分为两个集合：其中，Setpoi为所有POI点的集合， 为满足乘客i下车点的经度差和纬度差均在预设范围内的信息点集合， 为除了 中信息点元素的剩余信息点集合， 为乘客i满足后续计算条件的信息点元素， 为信息点的经度， 为乘客i的下车点经度，为信息点的纬度， 为乘客i下车点的纬度， 为预设的最大经度差， 为预设的最大纬度差；

针对每位乘客的下车点将所有信息点进行分类，只需计算下车点与该下车点的集合中的信息点的距离，然后进行目标信息点判断。