近年来随着“互联网+”经济的快速发展,互联网与传统行业的联系越来越紧密,也为行业带来了新的动力。在打车出行方面,网约车的发展尤其迅速,市场上出现了许多网约车的平台。凭借其乘坐便捷、服务质量高的乘客体验,也越来越被普通大众所接受。为进一步提升网约车和乘客之间的匹配度,缓解供需矛盾;缩短乘客等车时间,提高在热点地区和高峰时段的打车成功率。本文研究网约车平台的分配调度算法,通过城市各个区域的实时交通、天气等数据,实现城市内网约车短期供需情况的动态预测,利用短期预测结果能够提前感知打车的热点地区和紧缺程度,有助于平台实现对网约车的有效调度,提升乘客的打车成功率同时缩短等待时间;对于司机可以提升日订单数量,提高整体网约车的接单率。针对以上问题,首先研究了网约车与短期乘客出行的供需关系,以及目前网约车短期需求预测的机器学习算法。使用超过680万条打车数据,分析了城市各类数据例如天气情况、温度和交通拥堵情况等因素对乘客出行的影响。为得到短期乘客出行需求量预测模型和短期打车供需缺口预测模型,通过对数据集的特征提取和构建,使用梯度提升决策树算法、极端梯度提升算法和随机森林算法训练预测模型,最后通过多元线性回归模型进行模型融合,进一步提升了模型预测的准确率。根据实际运营数据测试,验证了本文的网约车短期需求量预测模型的良好效果。其次,本文针对网约车空间众包任务分配问题,基于网约车短期需求预测,提前感知未来短期热点区域车辆的紧缺程度和区域的供缺关系,对网约车分配众包任务实现车辆的调度,有效提升了乘客在热点区域高峰时段的打车成功率。最后通过实验结果表明,本文提出的网约车空间众包任务分配算法的有效性。