随着人口快速增长,城市生活空间有限,世界上的大多数大城市,如深圳,新加坡和悉尼等,都越来越依赖城市中的公共交通系统。因为城市中复杂的交通情况以及城市中居民不断动态变化的出行需求,出租车无法精准匹配乘客的出行需求,公交车则很难去按照提前规划好的时刻表在城市道路中运行。出租车在城市中的随机巡游往往会造成运力的浪费和不必要的交通拥堵,公交车无法按规划的时间表运行往往会造成同一条线路的连续两辆公交同时或以相距很近的时间到达同一个公交车站的现象（我们将这种现象称为“公交串行”）,进而增加了乘客的等待时间,降低了公交系统的运行效率。研究如何改善甚至解决出租车系统和公交系统存在的上述问题对于提高城市公共交通系统的整体效率具有重大意义。近年来,共享出行方式受到越来越多的关注,不同于此前的其他研究,我们充分挖掘乘客和出租车的移动信息,提出了 mT-Share的共享出行系统。此系统利用地理信息和方向信息共同对乘客和出租车进行索引并匹配,同时支持出租车主动寻找非线上乘客进行服务。我们利用一个真实公开数据集来评估mT-Share模型的性能。实验结果显示此模型能在毫秒级实时响应每个乘客提交的出行需求,在使每个乘客绕行距离略微增长的情况下,比其他方法在高峰时间段多服务42%乘客,非高峰时间段多服务62%乘客。公交车系统中,公交串行现象造成了系统的运力浪费和低效运行,解决这个问题中的关键一步就是对于城市中一条具体的公交线路,能够实时准确的预测出下一次公交串行现象会在什么时间在哪个站点发生。因此在此项研究中我们提出了 SD-Seq2seq模型。此模型通过提取来自公交运行过程中的供给端和需求端的特征作为输入,判断某一条公交线路的所有站点在未来时间段是否会发生公交串行现象。我们利用悉尼智能交通卡的数据来评估此模型的性能,通过多条公交线路的实验证明SD-Seq2seq模型能够取得高于85%的预测准确度。