随着绿色交通概念深入人心,移动支付等新兴技术的冲击,共享经济体逐渐向传统的交通行业发出挑战。我国的共享单车市场自2016年发展起始到现在已经经历了一轮又一轮的市场变革。目前各大城市的共享单车市场出现了单车资源的时空强烈不平衡问题,具体表现出一些点位车辆堆积,而另一些点位又无车可用的现象,给造成调度困难。本文针对共享单车的“淤积”区域精准识别,对高峰时段的车辆供需状况准确预测,在此基础上借助自组织优化理念,提出基于收益最大化的动静结合区域内共享单车优化配置模型,对于城市共享单车的资源优化分配问题具有一定的理论和现实意义。首先,本文采用数据清洗、空间匹配、数据聚合等数据预处理手段与技术对所获得的共享单车数据进行处理,在此基础上统计分析了早高峰共享单车出行的时间和空间特征,为后续研究工作奠定基础。采用了基于Louvain的社区发现算法对厦门市早高峰共享单车“淤积”的重点区域进行精准识别,最终获得了 122个聚类区域,按照“淤积”严重程度筛选前40个区域进行重点分析。结果表明,它同时考虑地理约束和电子围栏之间的约束,对共享车辆淤积识别算法有较强的交通意义,能获得更精准的聚类结果。其次,本文采用CNN+LSTM算法对厦门市共享单车高峰期的OD进行分时间片的时序预测。将预处理的数据进行栅格化处理,在此基础上增加时间维度,以OD数据和天气数据作为输入矩阵,以80%为训练集,20%作为测试集对模型进行训练。采用分位数处理的方式对稀疏矩阵造成的误差进行处理,结果表明CNN+LSTM预测模型能够快速收敛,预测误差较小,对不同训练集有稳健的表现,且该模型对未来时间片下的各个区域电子围栏处的OD变化趋势有精准高效的预测精度,为后续共享单车的资源优化配置研究提供了有力支撑。最后,本文基于自组织优化理念设计收益最大化优化模型。综合考虑运营调度收益、用户便利性收益和考虑用户未来时间下位置分布的收益,建立基于“初始静态优化+实时动态优化”的资源优化分配模型,对各个时间段下的时共享单车电子围栏处的停车数进行优化计算。通过手机APP对用户进行提醒,辅助用户激励措施,主动引导停车用户到临近停车点位停车,进行削峰填谷。基于对软件园和乌石浦地铁站两个区域的案例分析,结果表明这种优化方法能够有效解决共享单车的供需不平衡问题,具有很强的实践价值。