城市机动化水平的提高带来了很多“城市病”:城市交通过度拥堵、雾霾严重、能源短缺等问题,无桩式共享单车(free-floating bike sharing,简称FFBS)凭借其灵活方便、低碳环保、经济节能、可达性好的优势应运而生,不仅能够缓解城市交通压力,而且在解决“最后一公里”问题方面具有独特的优势。但是,无桩式共享单车面临着严重的“借车难”、“故障单车多”的问题,究其根本原因,是缺乏系统科学合理的调度方案。由于无桩式共享单车的调度方面的研究尚处于空白,本文以此作为切入点,借鉴传统公共自行车的研究理论和方法,研究无桩式共享单车的站点需求预测和调度路径优化问题,具有重要的理论意义和现实意义。本文首先在对共享单车及其功能定位进行界定的基础上,结合北京市摩拜共享单车官网2017年5月份的209万多条出行数据,从时间出行特性、空间出行特性、外部因素和用户出行特征四个方面对共享单车的出行特性及影响因素进行了分析。根据数据时间序列特征提出了基于BP神经网络的无桩式共享单车借还需求预测方法,对相同属性的待预测日的各个时段进行借还车量预测,采用了SQL Server数据库对209万多条数据进行处理,并运用MATLAB软件进行编程预测,整个预测过程预测误差控制在5%以内,结果显示该预测方法的有效性和可行性。然后根据预测得到的调度需求量,从调度路径最短和客户满意度最高两个目标出发,建立了基于不同时段的无桩式共享单车调度路径优化模型:平峰时段建立不带时间窗的共享单车调度路径优化模型;高峰时段建立带软时间窗的共享单车调度路径优化模型,并且考虑根据站点类型不同加入站点重要度进行对比。通过LINGO10.0软件对小规模算例进行求解,验证了模型的准确性。最后,为求解大规模算例,设计了适合该模型求解的遗传算法和模拟退火算法相结合的混合算法,采用北京市摩拜共享单车的实际算例进行求解测试,证明了混合算法的鲁棒性和准确性,并验证了考虑站点重要度的调度模型可以提高无桩式共享单车的服务水平和客户满意度。