作为解决“最后一公里”问题的共享单车系统正处于快速发展期,但在实际运营管理中自行车分布不均衡现象普遍出现,自行车分布不均衡会导致各站点的供需不平衡。为了缓解供需不平衡对系统的影响,本文以站点自行车使用情况分析为基础,通过建立共享单车静态调度模型来缓解系统供需不平衡的问题。首先,论文利用美国芝加哥Divvy Bikes公共自行车系统实际运营数据,统计出公共自行车系统的使用频率、时长、用户分布等数据,建立了站点需求模式分类模型与站点初始车辆判断方法,分析了站点借还量与调度需求量的关系,提出站点潜在需求问题。其次,综合考虑天气、气温、风力、站点容量与初始车辆数等因素,以历史每日正常数据构建训练网络,将具有潜在需求的每日数据作为测试网络,使用三种神经网络方法预测出具有潜在需求站点的借还量。并将预测出的潜在需求量加入原始数据得到组合数据,使用组合数据导入时间序列ARIMA模型,从而得到站点需求量的结果。然后,考虑调度总成本和站点破损车的因素,建立了系统调度总成本最小的静态调度模型,该模型中的站点调度需求量根据论文建立的站点调度需求量模型确定,同时将破损单车问题加入至调度模型中,站点破损单车数量根据条件判断确定。设计了离散粒子群与变邻域搜索算法的组合算法对调度模型进行求解,先使用离散粒子群确定粒子个体与总体最优解,再使用变邻域搜索算法进行局部搜索判断该最优解是否为局部最优解,加入变邻域搜索算法后能够有效避免离散粒子群求出局部最优解的问题。最后,以芝加哥市OLD TOWN区域为例,进行公共自行车系统调度问题的研究。使用论文站点需求量预测方法和破损车判断方法获得站点调度需求量和破损车辆数,利用MATLAB软件编写离散粒子群与变邻域搜索法的组合算法对案例调度模型进行求解,同时将实际的调度方案与预测的调度方案进行对比分析,结果表明本文所考虑的站点需求预测问题与静态调度模型对实际调度方案具有一定启示作用。