共享单车作为一种方便快捷、绿色低碳的出行方式,深受城市出行者的喜爱。因此,共享单车系统的建设也迎来了热潮。但在共享单车系统运营时也逐渐暴露出一些问题,如用户需求的随机性导致共享单车时空需求不均衡,甚至出现“借车难”的困境,无法满足高峰时段的用户需求。为此,开展需求预测是解决此难题的有效方法。但由于共享单车系统无法识别和记录用户因无车可借而产生的流失现象,现有预测方法大都是基于共享单车系统实际记录的数据。因此,如何挖掘共享单车系统用户的真实需求并开展预测,进而研究其调度优化问题是非常必要的。具体来讲,本文以呼和浩特市共享单车系统作为研究对象。首先通过Prefix Span算法和谱聚类算法探究用户在长周期、短周期和细粒度下的骑行习惯,并将三种时间粒度相结合研究租车用户在多粒度下的骑行偏好。研究表明,用户的骑行偏好最终被映射为九大类,不同类别下租车用户的骑行频次和目的均有不同。对骑行模式进一步分析发现,高频用户存在高频出行时段到临近站点借车的现象,这意味着出现了在其频繁出行的站点出现“无车可借”现象,存在隐性需求。其次,提出了站点真实需求问题。通过站点状态变化图和需求判定模型确定站点的隐性需求,进而更新其真实需求。以真实需求作为基础建立共享单车系统的需求预测模型,通过LSTM算法对呼和浩特市的两个代表性站点进行了验证;通过计算平均误差,均方根误差等对得到的预测结果进行评价,并与BPNN的预测效果进行对比,结果证明本文所选的预测模型表现更好。最后,对真实需求及预测结果进行应用研究,在合理假设的范围内建立了共享单车系统的区域调度模型,该模型以成本最小为目标,通过遗传算法求解得到调度成本最小的路径,为基于真实需求开展平衡调度提供了参考。