随着汽车行业向智能化、共享化、电动化趋势发展,单向共享电动汽车在中国具有较大的发展前景。单向共享电动汽车不仅经济环保,而且由于人人共享方式使得车辆和停车位的利用率极大的提高,是目前解决交通拥堵、停车难和空气污染问题的有效方法之一。但由于顾客出行需求的潮汐性和不均衡性造成了共享站点之间的车辆库存不平衡,牵制了单向共享电动汽车行业发展。而在现有的研究中,调度目标车辆分布大多被视为给定,这在现实中实现的可能性较小。故此,本文提出基于需求预测的车辆调度方法,为单向共享汽车行业的发展提供理论依据和科学实践指导。首先,对共享站点的车辆需求预测问题展开了研究。先通过对单向共享电动汽车车辆需求问题进行介绍并分析。然后,将共享站点的车辆需求问题进行分类,并探究每类预测问题的特点及影响因素。最后,结合车辆需求预测问题特点,设计长短期记忆神经网络和径向基神经网络相结合的车辆需求预测模型。其次,基于需求预测的基础上,进行车辆调度的研究。将站点间的车辆调度问题视为供需分配问题的一种,将车辆积压的站点视为供应站点,将车辆短缺的站点视为需求站点。在满足约束条件的前提下,建立以调度成本、库存成本和潜在收益损失最小的多目标调度模型。并设计了基于遗传算法改进的模拟退火算法对车辆调度模型进行求解。最后,为了验证本文所提方法的有效性,本文以上海市单向共享电动汽车为研究对象进行实例分析。首先对研究案例进行介绍,并准备案例中所用数据。然后,采用本文设计的预测模型对共享站点的车辆需求进行预测,并将本文提出的预测模型分别与长短期记忆神经网络和径向基神经网络模型进行对比,显示本文模型的运算速度快、精度高的特点。最后,在车辆需求预测的基础上,对共享站点的车辆进行调度。并采用本文设计的GA-SA算法对调度进行求解。为了验证本文设计的模型和算法的有效性和合理性,将此算法分别与模拟退火算法、遗传算法进行对比。另外,将本文提出的基于需求预测的调度方法与普通的调度方法进行对比,结果显示本文所提方法更优,实现了企业和客户共赢的局面。