公共自行车作为一种“低碳排放”的中短途绿色交通工具,在全世界越来越受到推崇。“租/还车难”问题是困扰公共自行车系统运营与发展的主要问题,而研究服务点的租还需求特性,对系统调度问题进行数学建模与算法求解,能够为实现公共自行车系统的智能调度提供科学依据,有助于打破“租/还车难”这一桎梏。在对公共自行车服务点进行短时租还需求量预测的基础上,建立了GIS支持下的多车辆实时协同调度模型,并研究了调度模型的优化求解算法,最后设计开发了公共自行车智能调度系统,为实际调度提供指导。本文主要研究工作如下:(1)通过分析服务点租还需求量的影响因素,结合深度学习中的带有LSTM单元的循环神经网络,基于区域公共自行车出行的平均OD,得出服务点的租还需求影响范围,从而建立了公共自行车服务点短时租还需求量预测模型,并对杭州市3618服务点的租还量进行预测。结果表明,LSTM在处理公共自行车租还需求量预测问题上具有较高精度,证明了该预测方法可行有效;(2)基于GIS分析了公共自行车系统调度问题的难点,首先通过设立不同服务点的调度优先级,建立区域服务指数说明调度请求产生的不同情况,然后基于服务点的动态需求特性确定调度模型参数,并以调度成本最低、调度车协作最合理且区域服务指数增益最大为优化目标建立GIS支持下公共自行车系统的多车辆实时协同调度模型,并基于提出的有效调运系数对调度模型相关参数进行优化。最后为了验证调度模型,对公共自行车动态调度问题进行求解优化,设计了模拟退火混合遗传算法对所建立的调度模型进行求解,并与实际调度过程相比较。实验结果表明,混合算法减少了调度车的行驶距离,提高了调度效率,使结合了需求量预测的多车辆调度模型能在较大程度上满足公共自行车服务点存在的调度需求;(3)选择杭州市下沙公共自行车服务区作为试点案例,基于构建的服务点租还需求量预测算法以及智能调度算法,设计开发了基于客户端/服务器架构的公共自行车智能调度系统,并详细介绍了系统的开发架构与主要功能,最后通过杭州下市沙地区的实例应用,展示了系统的部署应用过程及其使用效果。同时也将该系统推广应用至桐庐、龙游等地,为当地公共自行车系统的健康运营提供帮助。