随着大气污染和能源危机的加剧，电动汽车和共享单车等低碳交通成为未来绿色城市交通发展的趋势。一方面，电动汽车具有节能减排、保护环境的优点，在国家政策的大力支持和人们环保意识不断提高的情况下发展迅速，并以其低污染、低成本优势逐渐进入物流配送领域。另一方面，共享单车在促进绿色出行、减少机动车污染排放同样发挥了重要作用。而且共享单车作为传统的公共自行车的升级版，它无需建立停靠站点，借还方便，所以遍受公众、企业和政府的广泛青睐，全国大多城市和地区投放了各类单车，以满足用户的日常出行需求。但共享单车在实际运营中逐渐暴露出很多问题，其中供需不平衡尤为突出，这严重影响共享单车企业的可持续发展。
　　近几年来，数据分析的应用非常盛行，各行各业越来越重视数据的作用，通过分析数据中的信息，为各项业务决策提供数据支撑。共享单车运营中会产生海量数据，对这些数据的有效利用有助于共享单车企业实现精细化管理，从而提升企业竞争力。
　　在此背景下，本文在数据分析的基础上，运用电动汽车对共享单车进行重平衡调度，主要研究内容及成果如下：
　　首先，对摩拜单车2017年5月的海量用户出行数据进行分析，挖掘出共享单车用户骑行的时空特征。时间上，共享单车的需求量具有波动性，存在明显的早高峰和晚高峰，且白天需求量远远大于夜间需求量；空间上，共享单车分布广泛，许多区域存在需求不平衡问题。
　　其次，在数据分析的基础上，对大规模共享单车运营系统进行服务站选址研究。本文研究的重平衡问题属于NP-hard问题，通过服务站选址将大规模的共享单车重平衡问题分解成多个小规模问题，以降低求解难度。在选址模型中，以最小化服务站建设成本和最小化服务距离作为目标函数，构建了多目标选址模型，并将自动确定聚类中心的势能聚类算法（ACP）和Epsilon约束法相结合来求解该模型。
　　最后，在确定服务站及其服务需求点的基础上，分别对各服务区域内的共享单车进行重平衡操作。本文构建了共享单车重平衡数学模型，并采用两阶段算法进行求解。第一阶段，先采用改进ACP（IACP）算法安排电动汽车的调度需求点，并通过交换或移动操作实现各电动汽车调度区域内的需求量平衡；第二阶段采用变邻域搜索算法（VNS）求解每辆电动汽车调度区域的重平衡最优路径，使网络中的共享单车达到用户需求的分布状态。为了验证本文模型和算法性能，进行了不同规模的算例分析和灵敏度分析。