巡游出租车行业是整个城市交通运输服务系统的主力之一,但由于司乘之间供需信息的不对称而导致“打车难”的问题日益严重。“互联网+”的理念为传统行业的改革和创新提供了新方向,网约车服务产业则由此而生。网约车有效地消除了司乘供给和需求之间信息不对称的弊端,一方面是对城市交通系统运力的一个极大补充,缓解了城市交通的出行压力;另一方面使人们对出行的方式也有了新的认识和体验。通过对网约车出行数据的研究,目的是在满足人们日常出行需求的前提下,合理分配运力资源使其能够与出行需求达到最佳匹配的状态,提高乘客的出行体验。因此研究分析网约车成交量以及其影响因素就有十分重要的现实价值。本文以滴滴网约车订单为主要数据源,基于深度学习和可视化方法对网约车的出行特征与成交量的预测进行了详细分析,为网约车运力资源调度提供了有效的数据支撑,有助于提升整体的运营效率,对提高成交率以及改善乘客出行有重要意义。论文首先对网约车出行数据进行介绍,结合相关可视化的基础方法对其进行了可视化分析。然后将网约车的日常出行分为工作日出行需求和非工作日出行需求,并且由出行需求量、未满足量定义了网约车出行的需求匹配度和短缺度。分析了在不同时段中工作日与非工作日的网约车出行时间特性,在此基础上又对在不同区域内的网约车出行做了空间上的特性分析。最后从实际需求出发先对网约车成交量的影响因素进行相关性分析。根据网约车数据的时间特性和相关性分析分别使用指数平滑模型、RNN神经网络模型、LSTM神经网络模型对成交量进行了预测,并且以实际的成交数据对模型进行验证。实验结果表明LSTM神经网络预测模型对网约车成交量的预测效果最佳,能够很好的反映出成交量的趋势变化情况。还针对影响成交量的两个重要因素司机资源和乘客出行需求量进行了详细分析,并进行了提高网约车成交量的策略分析,对网约车运营工作有一定的指导意义。