共享单车的出现,提供了一种新型的绿色出行方式,为人们的生活提供了极大的便利。同时,不可避免的带来了一些问题,其中最明显问题为同一站点间共享单车的租出和归还不平衡。因此,为了解决这一问题,需要不断的进行调整站点的这种平衡状态,达到在任何时间任何站点都可以租出和归还共享单车,提高共享单车利用率,节约用户租出和归还共享单车时间。在本文中,主要对共享单车系统站点失衡调整和共享单车系统中的预测进行了研究。本文的研究概况如下:1、针对共享单车站点内单车使用供需均衡问题,提出了一种基于Pareto多目标选择的共享单车站点失衡调整方法,首先对搜集到的共享单车使用数据进行分析,按照共享单车使用频率采用四分法对城市里所有共享单车站点进行划分。其次在共享单车使用的密集区域对该区域的站点进行失衡计算,统计失衡情况。最后,对于供需严重失衡的站点,以其为中心,对距其一定范围内的邻居站点进行失衡判断,选出反向失衡的站点,采用基于Pareto多目标选择的方法从这些站点中选择出可供其失衡调节的候选站点,进行双向的失衡调整,从而解决站点失衡问题,并通过对比实验验证了算法的有效性。实验结果表明本文中所提出的调节算法优于其他算法。2、解决站点失衡问题,更好的方法是提前做好共享单车分布情况的预测,因此本文提出了一种基于两级谱聚类的共享单车系统层次预测方法,来预测共享单车流量。首先,采用两级谱聚类算法将共享单车站点聚类成多个类,其中考虑到了共享单车站点地理位置信息以及各个共享单车站点间的迁移趋势。在低级别层次根据站点地理位置信息进行聚类,在较高级别层次根据迁移趋势以及低层次站点地理位置信息聚类结果进行多次反复聚类,直至收敛。其次,使用梯度增强回归树(GBRT)算法对整个共享单车租出数量进行学习和预测,使用多相似推理模型(MSI)推理模型进行租出比例、迁移趋势、行程间隔时间的学习和预测。以此可以推导出每个站点共享单车的租出和归还情况。本文通过实验进行验证预测模型的准确性,并与当前使用比较广泛的预测模型进行比较,试验结果证明了本文中所提出的预测模型具有明显的优势。