为解决基于多功能视频编码(versatile video coding，VVC)的等距柱状投影(equirectangular projection，ERP)全景视频编码复杂度过高的问题，提出了基于预测划分卷积神经网络(predictive partition convolutional neural network，PP-CNN)的CU快速划分算法。首先，分析ERP全景视频的CU在不同纬度区域的划分特性，并将纬度特征引入到算法中。其次，建立了具有纬度和量化参数特性的全景数据集。然后，设计了轻量化的PP-CNN模型预测CU的边缘划分信息。接下来，根据PP-CNN模型输出开发了双阈值的CU快速划分决策方案以去除冗余的划分模式。最后，根据编码场景的需要设计了快速、均衡和性能三种决策模式。经过大量实验结果证明，在全帧内编码配置下，与官方测试平台VTM-14.0-360lib13.1相比，所提算法能够平均缩短39.31%-61.95%的编码时间，BDBR仅增加0.37%-1.43%，这表明该算法能够在保障编码性能的前提下实现更快编码速度。