随着移动互联网和移动支付的发展,共享经济兴起,共享单车应运而生,其用车停车便捷度高的特点有效地应对了出行“最后一公里”的问题,填补了市场的空白,解决了公共交通出行的痛点,满足了用户的需求,因此发展速度十分迅猛。但由于共享单车本身无停车桩的特性使其具有非常明显的潮汐性,尤其是在上下班时间,极容易出现单车空间分布不均衡,而随着政策的收紧,日后单车企业也不可能单纯通过增加共享单车投放来缓解单车不足区域的需求,只能通过合理的调度对潮汐性进行平衡,以更少的单车量满足更多人的用车需求。本文以摩拜单车的实际骑行数据为基础,以共享单车的调度为研究对象,探索研究了单车调度区域划分和单车需求量预测,建立了动态需求下的共享单车调度模型,并在此基础上探讨了早高峰期间共享单车的调度方案以实现调度成本和服务水平的平衡。首先,根据摩拜单车的骑行数据,本文分析了单车在不同类型区域的用车特点以及单车使用的影响因素,发现大学区域的共享单车使用潮汐性明显,因此选择了某大学周边作为研究区域,一天的单车使用主要有早中晚三个高峰期,本文选择了早高峰作为研究时段,具体为上午7点至9点。基于某大学周边的共享单车用车数据,使用DBSCAN密度聚类划分调度区域并使用K-Means聚类算法得到每个调度区域的需求点位置,为后文的调度算法提供了位置信息。接着,本文使用LSTM人工神经网络基于骑行数据构建了骑入量和骑出量预测模型,经检验模型效果良好。使用模型得到了每个区域早高峰时间段的骑入量和骑出量预测数据,为后文调度算法提供了需求数据。最后,本文考虑了时间窗、调度车容量等限制,建立了需求动态变化情况下的共享单车调度模型,同时设计了相应的遗传算法对模型进行求解,并利用gurobi对算法进行检验,求解效果良好。基于前文得到的需求点位置和各区域调度需求进行了实例分析,通过对调度时间窗、需求损失惩罚成本进行调整,求解不同情况下的共享单车调度方案,对比分析了各方案的优缺点,为选择合适的调度方案提供了借鉴。本文共有图29幅,表13个（包含附录共17个）,参考文献68篇。