近些年来，随着城市化进程的加快以及公共交通系统的发展，可供居民选择的出行方式越来越多：公共汽车、私家车、地铁、网约车、共享单车等。以这些出行方式为基础，结合搭载在其上的硬件设备获得的卫星导航信号等相关数据，应用先进的物联网，大数据等技术，人们可以对使用这些出行工具的用户进行行为分析和研究，获得用户的出行行为以及需求特点。从而解决城市的交通以及规划等问题，促进城市的发展，提高居民的生活质量和幸福指数。
　　在以上多种出行工具中，网约车，作为一种新兴的出行方式，在近几年积累了海量的用户，得到了社会的普遍认可和国家相关政策的大力支持，解决了传统出租车和用户之间的信息不对称等问题。不过，当下对于网约车用户相关的出行行为分析较少，而且随着越来越多的用户和司机的加入，很多城市的一些区域在某些时间段出现了叫车难，排队时间长等问题。如何利用网约车历史订单数据，对网约车用户的出行行为进行分析研究，以及对某些区域的网约车用户需求进行预测就成为了相当重要的研究方向。
　　本文以海口市为例，利用滴滴网约车订单历史数据，天气数据对网约车用户出行行为以及需求预测进行研究分析。主要研究内容如下：
　　1、数据预处理工作——获取网约车订单数据；搭建爬虫系统爬取订单日期范围内对应的天气数据；对上述数据进行数据清洗、格式转换、数据整合等工作，得到预处理后的完整的订单数据。
　　2、网约车用户出行行为分析工作——预处理后的网约车订单数据进行统计以及可视化分析，分析网约车用户需求量在不同时间、不同区域、不同环境下的数量以及变化趋势等。为后文网约车用户出行需求量的预测做基础工作。
　　3、需求预测的模型构建工作——基于已完成的相关可视化分析得到的直观结果进行网约车用户出行需求的预测。首先进行特征选择的工作，探究不同变量对于需求量的影响比重；然后提出使用LSTM与CNN并行组合模型来实现网约车用户出行需求预测的工作，并且利用预处理后的订单数据来确定最优参数和模型的整体结构；最后进行对比实验，实验结果证明本文构建的需求预测模型准确度优于传统的单特征LSTM预测模型，串行多特征LSTM预测模型。本文研究工作对于网约车公司的运营，城市公共交通系统的规划等方面有较强的实际意义。