共享单车近年的迅速发展为居民出行以及城市经济发展均做出了不可置否的贡献,但高速发展的同时也不可避免地出现停放混乱等现象,从而出现由于交通阻塞和骑行规划欠佳等原因导致事故频发以及恶性竞争的情况,最终促生竞争双方与消费者的三输局面等一系列负面影响。共享单车的发展与互联网和大数据产业的发展密不可分,在这个过程中,共享单车骑行相关数据的积累为技术改革提供了坚实的基础。在目前阶段,体制、技术以及观念的改革都迫在眉睫。因此,本次贡献侧重于对互联网主题的了解、分析以及深入研究共享单车大数据与共享单车停放点选址规划。异质数据集即为每个类型和格式高度可变的数据集合。由于其具有缺少值、高数据冗余和抽象等性质,异质数据集可能会出现高可变性以及难以集成以满足业务信息化等问题。异质数据通常来自物联网（IOT）,物联网产生的数据通常有四个特点:第一,数据具有异构性。由于数据采集设备的多样性,采集的数据类型也不同且异构。第二,数据量较大。海量数据采集设备的使用和分发不仅要存储当前采集的数据,还要存储一定时间内的历史数据。第三,它在时间和空间之间有很强的相关性。每个数据采集设备都位于特定的地理位置,每个数据都有一个时间戳。时间和空间相关性是物联网数据的一个重要属性。第四,有效数据只是大数据的一部分,后期需要对其进行筛选和处理。在物联网的数据采集和传输过程中,会采集到大量噪声数据。在捕获设备捕获的数据集中,只有少量数据是有价值的。数据异构有以下几种类型:（1）当两个数据源不是用同一种语言表达时,就会出现语法异质性。（2）概念异质性,也称为语义异质性或逻辑不匹配,表示对同一感兴趣领域建模的差异。（3）术语异质性是指在引用来自不同数据源的相同实体时名称的变化。（4）符号异质性,也称为语用异质性,代表人们对实体的不同解释。本文首先根据马拉加省政府公开的数据,从行驶时间、乘车季节、休息日、天气等方面对数据进行处理和分析,从而初步得出其基本特性。结果表明,共享单车在工作日的时间分布有明显的双峰特征。同时可以得出结论,在马拉加省中心地区的骑行率比郊外要活跃,在住宅区、工作场所、地铁周边更频繁使用。从骑行空间分析得知,共享单车以短距离旅行为主,乘车区间主要集中在干线道路以外的分支道路等非机动车道。最后,以街道为单位参考共享单车成本和社区人口密度建立了共享单车停放点站点的筛选模型。本文选择遗传算法、迭代局部搜索算法、粒子群优化算法以及模拟退火算法等算法对其最优解进行求解,并在传统遗传算法的基础上对其进行改进,使其在最优解的搜索过程中可以对自身的交叉率和变异率等参数进行实时调节以避免陷入局部最优解。另外,改良后的遗传算法参考停放点的数量被用于求解共享单车停放点选址的最佳方案。以西班牙的马拉加省为例,使用模型可以获得最佳的停放点,验证了模型的可行性。总之,本文提出的位置优化模型和聚类算法不仅可以为共享单车停放点优化的研究提供新思路,还可以为运营商规划共享单车系统提供理论依据,帮助优化城市交通布局。