随着公共自行车数量的不断增加、用户规模的不断扩大,“借车难”和“还车难”的问题越来越严重。为减少此类情况的发生,需要采取合理的调度措施。而早期的静态调度不考虑站点需求的动态变化,导致新出现的站点请求不能被及时处理。因此,本文针对公共自行车动态调度问题,对其模型和优化算法进行了相关研究,并在此研究基础上,研究了基于短时需求预测的动态调度优化。本文的主要研究工作如下:(1)对数据集进行了处理和分析。首先对影响公共自行车出行的因素进行了分析,并对相关的气象数据进行了筛选和处理;然后采用Dijkstra算法计算自行车在任意两站点间转移所需的最短时间,以此来衡量两站点间的距离;最后采用K-means算法对站点进行了聚类处理,并论证了聚类个数的合理性。(2)提出了一种基于改进遗传算法的动态调度优化方案。首先通过锦标赛选择和精英选择策略对种群中的个体进行选择操作;然后使用最佳节约法和最近邻优先法进行混合交叉操作;最后引入可变惩罚因子对种群个体进行评价。通过和其他方法进行对比,证明了改进后的遗传算法具有更好的寻优能力,并通过实验案例证明了动态调度比静态调度更适合用于解决公共自行车调度问题。(3)为了进一步提高动态调度的优化效果,本文提出了一种基于短时需求预测的动态调度优化方案。首先利用基于随机森林的多相似推理模型预测各站点的需求量;然后基于短时需求预测的结果对调度路径进行动态优化。最后,在实验部分,先通过和其他预测方法的对比,证明了该预测算法具有较高的准确度;再将该调度优化方案和其他多种调度优化方案进行对比,证明了该方案具有更好的优化处理能力,能有效提高运输车对站点请求的响应时间。