随着城市居民对绿色出行理念需求的提升和共享经济的快速发展,共享单车作为面向城市交通堵塞、环境污染、出行“最后一公里”需求等问题的解决方案,越来越多地被城市居民选择。然而,城市出行高峰时段的共享单车平衡调度问题尚未解决,是制约这一出行方式快速发展的重要瓶颈之一。为了最大化共享单车的调度效率,节约调度成本,满足共享单车用户的出行需求,本文从城市出行大数据的采集、分析、挖掘为研究视角,以数据驱动的方法深入研究共享单车出行需求建模及调度问题。本文的主要研究内容和方法如下:（1）采集和清洗共享单车出行数据、城市建成环境数据、气象监测数据等多源交通时空数据,使用探索性数据分析（Exploratory Data Analysis,EDA）对共享单车骑行数据的时间特征和空间特征进行挖掘,解析共享单车出行的规律,定位共享单车系统的供需失衡问题。（2）研究共享单车出行需求与城市用地、兴趣点（Point of Interest,POI）、气象因子及时间因素之间的联系,利用站点空间位置特征、建成环境、天气变化、时间特征等协变量构建贝叶斯多层次时空模型,并创新性地采用嵌套拉普拉斯逼近积分-随机偏微分方程方法（Integrated Nested Laplace Approximation with Stochastic Partial Differential Equation,INLA-SPDE）对时空模型进行求解,以实现站点级的租还需求量预测。（3）接着,为了简化共享单车调度模型,减少调度费用和计算量,利用上一阶段得到的站点级需求预测结果,以保证区域内借还基本平衡为优化目标进行调度区域的划分,使用AP（Affinity Propagation）聚类算法构建并求解调度区域划分模型,将分布较集中、借还车需求互补的站点划入同一调度区域。（4）基于优化后的调度区域内,根据共享单车运营现实情况的约束,建立带软时间窗的、以调度总成本最小为目标函数的区域内共享单车调度路径优化模型,并使用改进的遗传算法（Genetic Algorithm,GA）对调度模型进行求解,得到合理的优化路径方案。本文以纽约市花旗单车为真实算例,综合研究区域地理信息数据,建立贝叶斯时空模型预测单车出行需求,使用AP聚类方法优化共享单车调度分区,进一步构建区域内调度车路径优化模型。研究结果表明,改进的调度车路径可节省调度路径0.26km,节约调度成本451.5元,减少调度时间18.3min。因此,该模型对于实现共享单车资源的精准配给、提升调度管理效率有着显著的实现意义。