Los servicios de viajes compartidos tienen como objetivo reducir los costos de viaje para los usuarios y optimizar los ingresos para los conductores y las plataformas al compartir los asientos disponibles. Los trabajos existentes pueden clasificarse aproximadamente en dos tipos, es decir, métodos basados en línea y métodos basados en lotes. Los primeros se centran principalmente en responder rápidamente a las solicitudes, y los últimos se centran en enumerar meticulosamente las combinaciones de solicitudes para mejorar la calidad del servicio. Sin embargo, los métodos basados en línea tienen un rendimiento deficiente en calidad de servicio debido al descuido de la relación de compartir entre las solicitudes, mientras que los métodos basados en lotes fallan en términos de eficiencia. Para obtener una mejor calidad de servicio de manera más eficiente, proponemos un marco basado en la predicción de la capacidad de compartir, P-Ride. Específicamente, primero introducimos la estrategia de listado de -cliques en teoría de grafos basada en el grafo de capacidad de compartir para reducir las combinaciones de solicitudes inviables. Además, extendemos el grafo de capacidad de compartir a la estructura de hipercubo para representar las relaciones de compartir de orden superior entre las solicitudes. Además, diseñamos un modelo de predicción de capacidad de compartir que admite la predicción de relaciones compartidas para combinaciones de solicitudes de un tamaño arbitrario, lo que ayuda a filtrar aún más las combinaciones de solicitudes candidatas con aceleración de dispositivos GPU. Los extensos resultados experimentales demuestran la eficiencia y efectividad de nuestro marco propuesto P-Ride.