“共享经济”的概念迅速普及，共享汽车也随之悄然进入了人们的视野。这些共享汽车平台也像共享单车的发展模式，率先在北京、上海、广州等大型城市布局，虽然各家平台投放车辆以及网点的数量有多有少，但均已在市场上引起一定反响。共享汽车的出现为人们的生活带来方便快捷，但新事物的诞生还是需要和社会实际情况不断的磨合相适应。研究共享汽车的位置分布及调度模型是十分重要的。 针对该城市的共享汽车使用分布情况，利用附件中已知的时间，经纬度这些位置和停车点信息数据得到共享汽车的位置分布信息（图5），用K均值聚类的方法对位置进行聚类，建立了共享汽车的位置信息分布聚类模型，得到共享汽车的停车点进而得到在7聚类中心和20聚类中心下共享汽车的分布情况（图6，图7）。 针对共享汽车使用情况的预测，以输入为车辆的经纬度信息和车辆数，输出为共享汽车的使用情况，采用Bp神经网络对共享汽车的使用情况预测，建立了一个三输入的BP神经网络共享汽车使用预测模型，得到了共享汽车的经纬度信息以及对应的车辆数目预测（部分数据见表5）。 针对共享汽车的调度方案，以BP神经网络共享汽车使用预测模型和实际信息为基础，采用可变惯性权重的粒子群算法，

2021 年“认证杯”数学中国数学建模网络挑战赛C题 破局共享汽车-03.pdf，这是赛题，非论文

2021 年“认证杯”C题 破局共享汽车-西南财经大学.pdf

2021 年“认证杯”数学中国数学建模网络挑战赛C题 破局共享汽车-02.pdf，一等奖优秀论文