随着移动互联网的快速发展,滴滴打车等在线打车服务平台应运而生。网约车以其便利性、灵活性越来越受到人们的欢迎,网约车也在城市交通中发挥着越来越重要的作用。建立网约车需求量预测模型可以前摄性地优化调度网约车资源,提高网约车的利用率,降低用户的等待时间,同时可以在一定程度上缓解城市拥堵顽疾。本文针对网约车需求量预测问题展开研究,具体的研究内容包括:1)在数据预处理阶段,使用行政区划数据对城市进行不规则区域划分,避免了现有空间划分方法中存在的实用价值低或划分难度大的问题。在此基础上,将不规则区域看做图论中的节点,将区域中网约车需求量看做节点的特征,区域间网约车需求量的依赖关系看做节点间带权重的边,将网约车需求量预测问题转化为图回归问题。2)在特征选择阶段,针对现有研究论文中特征提取不足和特征不精简的问题,从时空和全局两个角度提取特征。时间上提取三个时间关键步特征,空间上构建三种空间依赖关系矩阵,同时提取天气状况等全局特征并基于随机森林模型进行特征选择。3)在特征建模和预测阶段,首先提出一种多图卷积单元,对图卷积网络的输入结构进行改进,然后基于改进的图卷积网络和全连接网络分别对网约车时空特征和全局特征建模,最后将图卷积和全连接模型融合,建立网约车需求量预测模型,改善了现有单一模型预测精度不高的缺陷。本文使用Keras深度学习框架,在真实数据集上进行分析验证,将本文所提出模型与当前主流模型进行比较,在均方根误差和平均绝对误差指标下比当前最好模型分别下降了24.9%、13.0%,显示出所提出的模型具有一定的优势。同时,验证了所提出模型中三种时间关键步、三种空间依赖特征和全局特征各个组件的作用。