近年来共享单车模式快速发展,作为解决最后一公里的共享单车,其无桩式的设计,以及互联网和智能移动设备的运用,解决了以政府为主导的公共自行车的不便之处,真正体现了自行车的便利性。然而,共享单车是流动性的资源,居民借助共享单车完成了空间上的位移,同时也造成了资源在空间上的流动,造成了有限资源的分布均衡问题。即共享单车的移动会造成该资源在空间上的分布不均衡性,居民可能遇到无车可骑的情况。因此,共享单车运营商保证资源分布平衡可以提高客户的满意度并尽量降低运营成本。而对单车的需求预测和后续的单车调度配送方案研究,则分别对应了库存平衡问题和运营成本问题,有较强的现实意义。本文提出了基于改进随机森林的需求预测方法,通过对训练数据进行预筛选,选择对预测有益的质量更高的相似数据作为训练数据集。此外,本文根据数据的可获得性,提出了一系列影响共享单车需求的影响因素体系,通过随机森林的机器学习机制,挖掘因素间的内在隐藏机制,保证较高的预测精度(MAPE8.2%)。应用了敏感性分析方法,检验了模型参数对预测结果的影响,较强的预测树节点深度有助于改善预测效果,随机森林的森林大小可随着原始可获得数据量的规模进行调整。相比较传统的随机森林预测模型,本文提出的基于改进随机森林的需求预测模型在预测结果的方差上表现更佳。在共享单车资源的再平衡问题上,本文定量刻画了单车资源的供需不平衡值,考虑了区域内需求、供给以及损坏单车的数量,提出了单车资源空间分布均衡的定量描述,为单车资源的再平衡调度提供了前期理论和数据支持。本文所提出的均衡描述基于相对平衡思想,出发点在于衡量资源在空间分布上的相对公平,而非简单的供需平衡。为了简化资源的分布描述以及单车投放点的位置分布问题,本文采用了常见的网格化方法,对研究区域进行网格划分,既符合企业实际运营方式,同时简化了模型求解难度、便于结果分析。在共享单车再平衡导致的车辆配送路径问题上,本文识别了该配送问题的本质路径类型,即单车投放点存在同时收车和发车问题。因此本文对同时收发车辆路径问题进行建模,设计了与之对应的启发式算法方便求解,适应企业运营实际,并以北京市部分区域为研究对象,验证了算法的有效性和稳定性。对案例分析的基础上,分析和解释了共享单车企业运营中产生的问题,涉及到单车投放和日常调度。