在互联网和移动端快速发展的时代下,诞生了无数造福大众生活的新时代产物,而网约车就是最重要的成员之一。网约车在短途出行领域改变了以往招手即停的传统出租车模式,交易双方只需要在移动互联网端就可以完成出行的全过程。然而即使有这样的新型技术,也存在着打车难、司机空转周期长等供需不匹配的问题,这样的情况会导致平台、司机和乘客三方面的利益都受到损失。平台作为管理者,如果能够提前得知需求量就能够通过管理手段对整体供需进行调配,因此需求量的预测对网约车整体生态的运作非常重要。网约车的需求量预测需要精确到某时某地也就是时空双维度预测,这样做对现实情况的指导意义更强,然而网约车需求量复杂的时空特性导致其在时空双维度的预测是一件非常具有挑战的研究。在以往的研究中能够做到准确预测某时某刻的研究相对较少,特别是在新型业态——网约车领域的研究。其次因为专车的产品线特殊性,目前在专车领域的预测还是一大空白。该研究的模型是一种结合了能够在空间维度提取地理信息特征的卷积神经网络和能够处理时间序列数据的长短期记忆单元的特点而形成的时空双维度神经网络预测模型。该研究还对每一个小区域采用了LSTM模型的预测分析来进行对比研究。预测结果显示对比局部的LSTM模型,该时空双维度神经网络预测模型在时空维度的预测方面表现良好,特别是引入建筑环境特征之后,预测结果与真实值更加接近。特别的,该研究还得出了以下结论:专车需求量在机场附近集中是一个描述性分析结果,但是为了研究城市区域专车的情况,该文章以研究市区范围为主。建筑环境因素在时间维度是变化,特别是对快车而言白天的建筑环境因素较少,distance（交通设施服务）的影响较为连续;在夜晚建筑环境因素则开始变多,特别是体育及休闲场所的影响较为连续。