在共享单车发展历程中,单车的需求预测与调度一直以来都是单车发展的痛点,也是学界研究的重点,除此之外现有共享单车通信能耗高也已然成为阻碍单车发展的突出问题。为了对以上的问题进行研究、分析并提出解决方案,本文做了以下工作:首先,本文对已获取的单车出行数据进行预处理,剔除相关错误数据和和本次实验无关的数据,并将其中Geohash编码的地理位置数据转化成为经纬度数据,然后对出行数据进行归一化的处理,以供后续聚类操作使用。本文还对单车出行记录的出行距离作了简要分析,结果显示样本数据中心90%的单车出行的距离都在2000米以内,这也进一步说明了共享单车在城市出行中更多的是充当了一个短途出行的交通工具。其次,本文利用之前预处理过的单车出行数据进行聚类操作,将整个北京市划分为多个区域簇,然后选取待遇测出行点所在区域簇进行进一步研究。考虑到单车需求量的预测不仅仅和单个孤立的点有关,它所涉及的是该点附近的一个单车出行点,本文选取待遇测点附近部分区域的出行记录来表示待预测点的需求量,命名为单车出行点。本文中选取计算速度较为快捷的回归算法ARMA模型来预测单车出行点的需求量。最后,本文在前一步单车出行点预测的基础上提出了基于预测数据的单车混合调度策略。首先,本文简化现实中的出行场景,采用数学方法对出行区域进行建立无向图,然后选取上一步中多个出行点的出行记录重采样数据,作为实验用的单车出行数据。除此之外,本文还通过蒙特卡洛仿真法生成多个具有单车分布特征的初始单车数量分布图,以供验证模型使用。本文中分别提出基于单车出行点预测值的人工调度算法和用户激励算法。最后,我们使用多张不同分布的初始地图和多种不同流量的出行记录对调度算法进行检验。