近年来,我国机动车保有量迅速增长,致使城市交通问题日益凸显,共享单车作为一种共享时代下的绿色出行方式异军突起,不仅能够缓解城市交通压力,又能够帮助解决“最后一公里”问题。但是在共享单车系统蓬勃发展的同时,出现了“借车难”和乱停乱放的情况,严重制约了共享单车系统的持续发展。基于此,本文对共享单车出行需求特性进行分析,进而深入研究共享单车的借还需求量预测与调度路径优化问题。本文着重从出行者特性、交通特性、时间分布特征和空间分布特征四个方面对共享单车出行需求特性进行分析。进而结合共享单车出行需求时空分布特性,提出基于BP神经网络算法的共享单车借还需求量预测方法,对相同属性的待预测日的相应时段进行借还需求量预测。根据预测的借还需求量可确定调度需求量,再以调度成本最低和用户满意度最高为目标,研究基于用户满意度的多目标动态需求车辆调度两阶段模型,分别构建预优化阶段调度模型和实时优化阶段调度模型。其中,将用户满意度最大化转化为因超出调度时间窗而受到的惩罚成本最小化,从而将多目标问题转化为单目标问题;在实时优化阶段引入虚拟调度中心的概念,从而将动态问题转化为静态问题。针对模型特点,设计一种将蚁群算法和遗传算法相融合的混合蚁群算法对模型进行求解。本文运用上述研究方法,对一个代表性投放点进行全天各时段预测,并求解一个运营区域内发出调度请求的投放点的预优化调度方案和实时优化调度方案。结果表明,需求预测结果与实际需求情况基本拟合,调度模型求解同样得到较好的结果,验证了本文研究的基于需求预测的共享单车动态调度方法的合理性和先进性。