单车调度是共享单车运营阶段产生碳排放的一大重要环节。由于调度活动的现实数据较难获取以及调度过程的复杂性,目前尚无较好的方法对共享单车调度过程碳排放进行定量。有关共享单车系统碳排放核算的研究也较少考虑该过程,导致对系统总体碳排放的核算不够全面。此外,不同调度模式碳排放对比研究极少,尤其是以三轮车为载具的单车调度活动碳排放研究相对较少。“共享单车系统单车调度活动产生多少碳排放?”、“城市共享单车系统是否真正促进碳减排?”、“不同调度模式对系统的碳排放有什么影响?”这些前人遗留的科学问题仍然有待更多深入的研究探讨。针对以上一系列问题,本文选取世界级骑行城市纽约市共享单车系统为研究案例,先是采用大数据分析手段刻画城市共享单车系统基本特征与骑行活动时空规律;其次,提出共享单车系统调度碳排放定量模型（Bike sharing system–rebalancing emission quantitive model,BSS-REQM）,基于共享单车历史骑行现实大数据,采用数据挖掘方法逆向提取系统历史单车调度活动水平数据,采用车辆路径问题模型还原每日最优调度路线和估算保守的调度距离,揭示了城市共享单车调度活动时空规律,分析了骑行活动水平与调度活动水平的相关性规律,估算了系统历史调度工作中的碳排放量;而后,研究对比了城市共享单车系统不同调度模式的碳排放,并开展了较少人研究的电动三轮车和人力三轮车两类调度工具生命周期碳排放核算工作,评估了城市局部地区采用三轮车辅助柴油货车调度单车可能带来的碳减排效益;最后,提出共享单车系统碳足迹评估框架,整合调度环节碳排放评估结果与系统的单车、桩点、站点三类基础设施的生命周期碳足迹和骑行端替代其它交通方式产生的碳减排三大环节,从系统层面评估城市共享单车系统生命周期碳排放结构与碳减排效益。主要研究结果如下:（1）基于对骑行活动大数据的分析,发现了纽约市2020年共享单车骑行活跃度在一年中存在较大的波动,冬春季节为淡季,夏秋两季为旺季,三、四月份受疫情影响出现了骑行低谷期。工作日骑行活动呈现早晚双高峰,而周末以下午为单高峰。共享单车系统整体站点规模与骑行活动水平相较从前显著提高,以曼哈顿区最为活跃。骑行用户中男性为女性的两倍以上。（2）结合数据挖掘算法,构建共享单车系统调度碳排放定量模型（Bike sharing system–rebalancing emission quantitive model,BSS-REQM）,将算法试验于纽约市共享单车研究案例中,基于历史骑行数据提取纽约市2020年每日的共享单车调度波次信息,分析发现纽约市调度活动在全年中的波动规律与骑行活动波动规律相似,春冬两季为淡季,夏秋两季为旺季,3、4月份时由于疫情而出现低谷期。调度单车数量最多的前20的链条里80%的链条为短距离调度路线（路网距离少于200m）。日调度波次总数和日骑行活跃度具有良好的正向关系。用户端激励机制促进了43.88%的单车调度由用户端通过骑行完成。（3）开展了调度模式情景仿真,识别了调度波次的车辆类型。对人力和电力三轮车开展生命周期碳足迹核算,发现两类三轮车都对生命周期骑行公里数敏感。通过构建BSS-REQM模型中的车辆路径问题（VRP）整数规划子模型,抽样20个骑行活跃度不同的样本日为代表,还原出每日完成所有历史调度波次任务的城市近似全局最优调度路线方案。对比不同调度模式情景,从而发现三轮车在纽约市曼哈顿局部区域对柴油货车的辅助促进全年总体调度碳减排约7%。分析不同骑行活跃度下历史必要调度距离值与调度波次、调度单车数量、骑行活跃度等指标间相关性规律,评估了系统总体调度距离。（4）提出共享单车系统碳排放评估框架,将调度环节碳排放评估结果与系统的自行车车队、桩站等基础设施的生命周期环境碳足迹和骑行端替代其它交通方式产生的碳减排相结合,全面评估花旗共享单车系统碳足迹。发现了花旗共享单车系统已经实现极高的碳减排效益,2020年骑行替代其他交通方式促进的碳减排量已经为系统基础设施与调度过程10年内碳支出总和的1.8倍,总计14333.4 t CO2-eq。同时通过本研究所估算的调度过程碳排放占系统整体排放量至少11.8%,系统调度效率近几年不断提高。除骑行外,系统碳足迹对桩点生命周期碳足迹最为敏感,其次为站点。本文所提出的BSS-REQM模型方法为研究共享单车系统历史调度活动提供了的数据获取途径,为量化历史调度碳排放提供了方法,为回答“共享单车到底是否低碳”提供了更加全面完善的共享单车系统碳足迹核算框架,为实现共享单车行业精细化运营、可持续发展与管理提供科学指导。