1、公共自行車作為一種“低碳排放”的中短途綠色交通工具，在全世界越來(lái)越受到推崇?！白?還車難”問(wèn)題是困擾公共自行車系統(tǒng)運(yùn)營(yíng)與發(fā)展的主要問(wèn)題，而研究服務(wù)點(diǎn)的租還需求特性，對(duì)系統(tǒng)調(diào)度問(wèn)題進(jìn)行數(shù)學(xué)建模與算法求解，能夠?yàn)閷?shí)現(xiàn)公共自行車系統(tǒng)的智能調(diào)度提供科學(xué)依據(jù)，有助于打破“租/還車難”這一桎梏。
　　在對(duì)公共自行車服務(wù)點(diǎn)進(jìn)行短時(shí)租還需求量預(yù)測(cè)的基礎(chǔ)上，建立了GIS支持下的多車輛實(shí)時(shí)協(xié)同調(diào)度模型，并研究了調(diào)度模型的優(yōu)化求解算法，最后設(shè)計(jì)開(kāi)發(fā)了公

2、共自行車智能調(diào)度系統(tǒng)，為實(shí)際調(diào)度提供指導(dǎo)。本文主要研究工作如下:
　　(1)通過(guò)分析服務(wù)點(diǎn)租還需求量的影響因素，結(jié)合深度學(xué)習(xí)中的帶有LSTM單元的循環(huán)神經(jīng)網(wǎng)絡(luò)，基于區(qū)域公共自行車出行的平均OD，得出服務(wù)點(diǎn)的租還需求影響范圍，從而建立了公共自行車服務(wù)點(diǎn)短時(shí)租還需求量預(yù)測(cè)模型，并對(duì)杭州市3618服務(wù)點(diǎn)的租還量進(jìn)行預(yù)測(cè)。結(jié)果表明，LSTM在處理公共自行車租還需求量預(yù)測(cè)問(wèn)題上具有較高精度，證明了該預(yù)測(cè)方法可行有效;
　　(2)基于G

3、IS分析了公共自行車系統(tǒng)調(diào)度問(wèn)題的難點(diǎn)，首先通過(guò)設(shè)立不同服務(wù)點(diǎn)的調(diào)度優(yōu)先級(jí)，建立區(qū)域服務(wù)指數(shù)說(shuō)明調(diào)度請(qǐng)求產(chǎn)生的不同情況，然后基于服務(wù)點(diǎn)的動(dòng)態(tài)需求特性確定調(diào)度模型參數(shù)，并以調(diào)度成本最低、調(diào)度車協(xié)作最合理且區(qū)域服務(wù)指數(shù)增益最大為優(yōu)化目標(biāo)建立GIS支持下公共自行車系統(tǒng)的多車輛實(shí)時(shí)協(xié)同調(diào)度模型，并基于提出的有效調(diào)運(yùn)系數(shù)對(duì)調(diào)度模型相關(guān)參數(shù)進(jìn)行優(yōu)化。最后為了驗(yàn)證調(diào)度模型，對(duì)公共自行車動(dòng)態(tài)調(diào)度問(wèn)題進(jìn)行求解優(yōu)化，設(shè)計(jì)了模擬退火混合遺傳算法對(duì)所建立的調(diào)度

4、模型進(jìn)行求解，并與實(shí)際調(diào)度過(guò)程相比較。實(shí)驗(yàn)結(jié)果表明，混合算法減少了調(diào)度車的行駛距離，提高了調(diào)度效率，使結(jié)合了需求量預(yù)測(cè)的多車輛調(diào)度模型能在較大程度上滿足公共自行車服務(wù)點(diǎn)存在的調(diào)度需求;
　　(3)選擇杭州市下沙公共自行車服務(wù)區(qū)作為試點(diǎn)案例，基于構(gòu)建的服務(wù)點(diǎn)租還需求量預(yù)測(cè)算法以及智能調(diào)度算法，設(shè)計(jì)開(kāi)發(fā)了基于客戶端/服務(wù)器架構(gòu)的公共自行車智能調(diào)度系統(tǒng)，并詳細(xì)介紹了系統(tǒng)的開(kāi)發(fā)架構(gòu)與主要功能，最后通過(guò)杭州下市沙地區(qū)的實(shí)例應(yīng)用，展示了系統(tǒng)的