网约出行作为一种新兴的城市交通服务模式,对居民出行行为产生显著影响,甚至逐渐改变城市多模式交通结构。相比于传统出行模式,网约出行由特定的网约出行平台进行统一调度运营,更加便于实时调控管理。揭示网约出行行为机理及调控措施对供需平衡的影响具有重要的理论意义。本文基于真实的网约出行数据,提出网约出行需求预测深度学习框架和动态定价优化模型,可辅助政府监管部门和网约出行平台对网约出行市场进行管理和调控。主要研究内容和研究成果体现在以下方面:(1)揭示网约出行行为机理。分析网约出行订单数据,发现不同类型网约出行的时空分布规律,结合共享出行行为调查问卷数据,刻画网约出行用户的个人家庭社会属性等信息,量化网约拼车在不同时期对交通系统的影响。(2)高效预测网约出行需求。筛选网约出行需求生成的影响因素,分析其时空相关性,提出卷积长短时记忆融合神经网络(Fusion Convolutional Long Short-Term Memory Network,FCL-Net)深度学习框架,实现在需求预测过程中学习各种影响因素的时空相关性,采用真实需求数据进行模型的训练、验证、测试。(3)出行平台动态定价优化:提出司机-乘客动态匹配模型,刻画在非均衡状态下网约出行市场供给和需求波动对匹配速率的影响,基于此建立网约出行动态定价优化模型,并提出近似动态规划(Approximate Dynamic Programming,ADP)算法求解这一时序决策问题,最后对比了不同目标函数下的动态定价策略。