随着中国城市化进程的不断推进和“互联网+”概念在国内社会的普及,加之智能手机行业的迅猛发展使移动互联的概念深入人心,网约车作为“互联网+交通”的实践产品开始参与城市居民的日常出行,并迅猛发展。截至2019年6月,网约车业务已在全国31个省(区、市)普及,可见使用网约车出行在我国已十分普遍。本文基于海口市网约车出行数据,在对网约车出行特征进行深入分析的基础上,挖掘载客热点区域,进而对典型载客热点区域进行需求预测研究。首先,基于处理后的原始数据,分析快车与专车在出行时长、距离和费用三个方面特征的差异,发现网约车用户使用快车时更倾向于中短程出行,而使用专车时更倾向于进行短途或长距离出行;对于出行量变化特征的分析发现,快车与专车全天出行量时变特征大致相同,并与相应时段的居民出行规律相适应。其次,以快车数据为例对工作日全天的出行量进行统计,识别出3个出行高峰时段T1:08:00～11:59、T2:12:00～15:59和T3:16:00～19:59,分别代表上午时段、午间时段和傍晚时段的出行。选取DBSCAN聚类算法对工作日出行高峰时段的载客点进行聚类分析,挖掘各个高峰时段的载客热点区域并进行可视化,结合实际地图分析载客热点区域的时空特征,分析发现网约车出行早高峰的载客热点多分布于住宅区,而晚高峰和夜高峰则更集中在商务办公区和商业广场。最后,基于载客热点区域挖掘的结果确定预测研究区域,构建包含历史需求量和天气条件等因素在内的影响因素集。构建了随机森林回归预测模型、BP神经网络模型和基于Stacking方法的组合预测模型,在多种影响因素共同作用下对海口市典型载客热点区的网约车需求进行预测,并结合多项评估指标对模型的性能进行评估,结果表明本文构建的基于Stacking方法的组合预测模型在全部研究区域中都展现出比单一模型更高的预测精度。