随着共享经济的发展，互联网租赁自行车凭借其灵活方便、低碳环保、可达性好等优点成为居民日常生活“最后一公里”出行至关重要的工具。但是互联网租赁自行车也存在“无车可借”和“无地还车”的问题，在控制互联网租赁自行车总量不变的情况下，如何合理的调配及完善城市互联网租赁自行车体系成为当前互联网租赁自行车系统的亟需解决的问题。本文在借鉴公共自行车理论研究的基础上，研究互联网租赁自行车的投放点需求预测和调度路径优化问题。
　　论文首先对互联网租赁自行车进行了定义，明确了互联网租赁自行车的定位，在此基础上通过对北京市摩拜单车2018年4月份出行数据，从时间和空间两个方面对互联网租赁自行车的借还特征进行了分析，探讨不同类型投放点的出行量变化规律。根据摩拜单车出行数据特征选择BP神经网络对不同投放点出行量进行预测。
　　根据不同投放点的出行量变化规律分析了互联网租赁自行车系统车辆调度的现状及存在问题。进而探讨了车辆调度优化方法，确定了互联网租赁自行车调度的求解思路。根据预测的调度量，构建了多车场有时间窗要求的调度车辆最少和调度成本最低为目标的优化调度模型。针对模型特点，利用了禁忌搜索算法对模型进行求解，并以北京市海淀区摩拜单车系统为例进行分析。本文提出的算法和模型有助于提高互联网租赁自行车的调度效率。