分布式处理平台对大数据的处理具有很高的效率。应用分布式处理平台对出租车GPS大数据进行分析处理,处理结果可以有效地分析出租车运行过程中的不同数据特性。对于出租车GPS数据的处理,聚类分析算法是效果相对较好的算法。将K-means算法进行改进,改进后的算法处理GPS数据的能力也得到提高。改进后的K-means算法是一种混合算法,该混合算法对于初始簇心的选择更加的准确,与之对应处理数据的结果也越精确。K-means改进算法的实施具体可以分为两大部分：首先对大数据集利用DBSCAN算法聚类,得到数据集的初始聚类及初始簇心,根据得到的初始聚类分析其簇数K,然后利用K-means算法根据K值对聚类得到的结果进行处理,最终得到最优化的处理结果。对GPS数据进行预处理后,根据该混合算法建立GPS数据处理模型。应用该模型分析出租车上下客高峰期、载客时长以及空载率等问题。对于出租车的载客时长分析中,主要对比分析了工作日与休息日的载客时长分布和高峰期与平峰期载客时长分布；在研究空载率时,则分别从时间空载率和里程空载率进行研究。最后,根据研究结果实现实际应用,根据出租车上客热点的时间分布、空间分布以及时空间分布建立基于乘客步行距离最短的出租车停靠站模型。本课题的研究具有非常重要的实际应用价值。通过分析出租车GPS数据的各项特性,可以了解城市居民的出行规律,有利于缓解城市交通拥堵。另外,通过分析空载率等问题可以了解城市出租车的保有量是否合适,以实现城市资源的合理利用,避免造成资源浪费。