项目摘要

近年来，随着移动互联网的发展和城市化进程加快，网约车出行已成为城市交通的重要组成部分。网约车市场的供需动态平衡是平台运营的重要命题，它依赖于时空资源的最优匹配，其中供需会直接影响运营效率与服务质量。供需预测中，时空因素至关重要：一方面，城市空间具有层次化结构（如格子、围栏、区县），出行需求在不同地理特征与业务约束条件下存在显著分布差异；另一方面，出行需求呈动态演化特性，单元间存在OD流向、邻近联动等时空依赖。准确建模这些关系，有助于捕捉需求变化规律，提升预测模型性能。

基于以上背景，本项目拟从以下三个关键科学问题展开研究：（1）如何构建兼顾地理特征与业务约束的高效多层次时空划分方法，实现复杂城市环境下对同质区域的精确划分与层次化表达；（2）如何设计统一的时空表征方法，以同时编码静态地理信息和动态出行信息，从而实现对不同时空单元的精准表征；（3）如何建模时空单元间需求传导、交通流关联等动态网络关系，并将其深度融合至供需预测模型中，以提升时序预测的准确性。

本项目拟围绕网约车场景中的供需预测问题，实现统一的时空划分与表征方法，融合地理属性、业务约束与单元间动态关系，来有效提升模型对供需变化的感知与刻画能力，为精细化调度与精准预测提供系统支撑。

合作单位

2025年CCF-滴滴盖亚学者科研基金

Q.E.D.