智慧城市和智能交通作为全球新兴技术,旨在通过对资源的智能管理来促进可持续经济发展。相较于其他主要城市运输工具而言,网约车具有运营路线和时间安排上的高度灵活性,为城市人民出行提供极大的便利。然而,由于城市规模、网约车数量和需求增多等原因,同时也存在管理难度较大的问题。利用大规模GPS轨迹数据改善网约车服务,已成为第四次管理革命下大数据分析和物联网领域的热门研究问题。主要研究内容如下:（1）本文依据网格数量与计算复杂度的关系,在空间维度对数据进行网格划分,使用边长1.5公里,总计753个正方形网格。计算用户出发和到达频数,以及空闲网约车在网格间的转移概率,通过盖亚数据开放计划获取真实数据并进行计算机仿真。（2）为更好的评价派单策略,基于帕累托原理再次划分研究区域为核心区、中间区和边缘区,将乘客等待时间、网约车空驶距离和接单数作为派单方案的评价指标。（3）在时间维度上对网约车数据进行周期性处理,考虑到空间关联性作规范化处理,最后检验订单序列的平稳性。（4）根据预测数据的时空特性构建基于卷积层和长短期记忆网络系统的混合网络模型C-LSTM,其中卷积层挖掘网格区域需求的空间相关性,LSTM层提取时序信息。多次训练模型后,使用单时间步预测作为派单规则的改进依据。（5）本文将网格区域订单数预测引入派单改进方案,提出具有前瞻性的预派单方案并进行规则设计,计算网格区域空闲司机数,明确分成契约下的补贴,通过计算机仿真对比连环派单制和建议预派单方案的系统效率。仿真结果表明基于网格区域订单数预测的预派单方案可行。乘客等待平均时间在研究设定的核心区、中间区和边缘区分别减少66%、55%和46%,接单数方差由14.9减小至6.2本文的研究表明,考虑空间相关性和时间特性,构建C-LSTM网约车需求预测模型,对网格区域订单数量进行预测,有较高的精确性。在需求预测和连环派单制的基础上,经改进优化后的派单方案能够有效缩短乘客平均等待时间并改善司机接单不均衡的情况,达到节省乘客出行成本和稳定司机数量的目的,在提高整个服务系统效率的同时为司乘双方带来更好的用户体验。