进入21世纪以来,互联网经济与共享经济的飞跃发展为共享单车系统的发展注入新的活力。共享单车为解决城市公共交通“最后一公里”问题做出了重大贡献,极大提升了城市公共交通服务水平,成为城市公共交通系统中不可或缺的一部分。伴随着共享单车的“野蛮生长”,乱停乱放问题日益突出,给城市管理带来巨大麻烦,严重影响了市容风貌,违背了共享单车服务大众出行的本质。因此,针对共享单车停车点选址问题的研究显得极具研究价值。首先,在共享单车停车点选址模型上,本文将用户骑行整个过程分为起始点寻车、骑行过程、停车步行至目的地三个阶段。在考虑需求分配、步行意愿半径、可支配单车数量、停放点容量限制等因素下,以用户骑行出行总时长最小化和单车运营商总成本最小化为优化目标,建立了基于用户骑行出行的共享单车停车点选址模型。其次,在求解模型的仿生学算法设计上,本文针对标准灰狼算法存在的种群多样性差、易陷入局部最优、后期收敛速度慢的缺陷,借鉴改进Tent混沌序列、螺旋函数、模拟退火算法、遗传算法和高斯扰动策略,提出一种改进的灰狼算法,并使用8种不同类型的基准测试函数同标准灰狼算法、遗传算法和粒子群算法在相同环境下进行性能测试。结果表明,改进灰狼算法较标准灰狼算法、遗传算法和粒子群算法,收敛速度更快,寻优精度更高,性能更优越。最后,本文选取了一个算例,在设定好模型参数和基础数据后,利用改进灰狼算法求解并分析了整个共享单车停车点选址规划过程,验证了基于用户骑行出行的共享单车停车点选址模型的可行性和有效性。