Con el desarrollo de los coches en línea, la demanda de predicción de viajes está aumentando para reducir la asimetría de información entre los pasajeros y los conductores de coches de alquiler en línea. Este artículo propone un modelo de pronóstico de demanda de viajes llamado OC-CNN basado en la red neuronal convolucional para prever la demanda de viajes. Con el fin de aprovechar al máximo las características espaciales de la distribución de la demanda de viajes, este artículo divide el área de predicción y crea un conjunto de datos de demanda de viajes con una estructura gráfica para preservar sus propiedades espaciales. Aprovechando la red neuronal convolucional en la extracción de características de imágenes, se utilizan los datos históricos de demanda de los primeros veinticinco minutos de toda la región como entrada del modelo para predecir la demanda de viajes para los próximos cinco minutos. Para verificar el rendimiento del método propuesto, se utilizan datos de un mes del servicio de coches de alquiler en línea de la Cuarta Circunvalación de Chengdu. Los resultados muestran que el modelo extrae con éxito las características espaciotemporales de los datos, y las precisiones de predicción del método propuesto son superiores a las de los métodos representativos, incluidos el Modelo de Ridge Bayesiano, la Regresión Lineal, la Regresión de Vectores de Soporte y las redes de Memoria a Largo y Corto Plazo.