共享汽车可以有效缓解交通拥堵并减少空气污染,降低对能量的依赖性,是可持续发展交通体系中重要组成部分。然而,共享汽车的发展也面临着新的问题与挑战。科学合理的价格折扣策略是保证共享经济安全、稳定、高效发展的前提,不仅可以提高资源利用率,改善共享汽车站点供需不平衡的问题,还可以提高共享汽车运营商的经济效益。不同用户群体具有不同的出行特征,在价格折扣策略的制定过程中需要考虑不同用户群体的出行特征,才能更好的满足不同类型用户的需求。近几年自动驾驶汽车技术逐渐应用到交通领域,自动驾驶共享汽车也即将成为共享汽车系统的一种新服务模式。将自动驾驶共享汽车服务模式加入到共享汽车系统中,丰富了共享汽车系统的服务模式,可以让用户享受点对点式的服务,同时也有助于提高用户对自动驾驶汽车的接受度,促进共享汽车系统的智能化发展。因此,本文主要研究内容为:首先,基于用户的订单以及站点数据,采用k-means聚类方法根据首次使用时长（用户首次使用共享汽车的日期到数据截止日期之间的天数）、末次使用时长（用户最后一次使用共享汽车的日期到数据截止日期之间的天数）与月使用频次（用户出行总次数与用户出行总月数的比值,即用户平均每月使用共享汽车出行的频次）三个指标将用户聚为三类,分析三类用户在出行频率、出行距离等方面的出行特征差异,并分别根据ARIMA（差分自回归移动平均模型）与LSTM（长短期记忆神经网络）模型对三种类型用户的短期需求进行预测,结果表明LSTM模型的预测精度较高。其次,根据前文的聚类结果,结合不同类别用户的价格需求弹性系数与出行效率,以共享汽车运营商的利润最大化为优化目标,针对不同类型用户采用不同的价格折扣策略,建立了考虑不同类型用户出行特性的共享汽车价格折扣策略模型,并采用遗传算法求解,最终为每类用户制订了最优的价格折扣策略,其中,第一类用户的出行量最多但对应的价格折扣系数也最高,出现运营商常用的“杀熟”现象。为了进一步分析在价格折扣策略中考虑不同类型用户出行特性的优劣性,将基于用户分类的价格折扣策略与基于用户不分类的价格折扣策略模型进行对比,结果发现用户分类的价格折扣策略模型可以使运营商收益更多,并提高共享汽车系统出行量。最后,在原有的普通共享汽车系统中加入自动驾驶共享汽车服务模式,建立由普通共享汽车服务模式与自动驾驶共享汽车服务模式混合的共享汽车系统。在混合共享汽车系统中,基于前文分析的三类用户的出行特征,建立了基于用户分类的混合共享汽车系统价格折扣策略模型,为不同类型用户选择不同服务模式制订最优的价格折扣策略,并决策混合共享汽车系统的车辆与停车位配置。通过遗传算法对模型进行求解,最后对比了用户分类价格折扣策略与用户不分类价格折扣策略对混合共享汽车系统的影响,并分析了单一共享汽车系统（系统中仅配置普通共享汽车服务模式）与混合共享汽车系统的出行量与运营商收益情况。结果显示,与用户不分类价格折扣策略相比,用户分类价格折扣策略可以提高运营商收益,提高用户总出行量;较单一共享汽车系统相比,混合共享汽车系统可以提升整个共享汽车系统的总出行量与总收益。在混合共享汽车系统中,用户偏好自动驾驶共享汽车服务模式。第一类用户在自动驾驶共享汽车服务模式下的出行量最高,但对应的价格折扣系数也最高,出现运营商在价格折扣策略中经常使用的“杀熟”现象。共享汽车系统的价格折扣策略直接关系着运营商收益与用户出行成本,合理的价格折扣策略可以提高运营商收益,促进供需平衡,实现运营商利润最大化与用户出行成本最小化的双赢。在普通共享汽车系统中加入自动驾驶共享汽车服务模式,丰富了共享汽车系统的服务内容。在单一共享汽车系统或混合共享汽车系统中建立价格折扣策略模型时考虑不同类型用户出行特性,可以有针对性的为不同类型用户提供服务,更好地满足不同类型用户需求。本文的价格折扣策略可以为运营商制订价格折扣策略提供参考,并且在普通共享汽车系统中加入自动驾驶共享汽车服务模式,也为共享汽车系统的未来发展提供了新思路,对共享汽车的智能发展具有重要意义。