Con el desarrollo de la economía colaborativa, el uso compartido de automóviles es un logro importante en el actual modo de transporte de las economías colaborativas. El uso compartido de automóviles puede aliviar eficazmente la congestión del tráfico y reducir el costo de viaje de los residentes. Sin embargo, debido a la aleatoriedad de la demanda de viajes de los usuarios, los operadores de uso compartido de automóviles se enfrentan a problemas, como el desequilibrio en la demanda de vehículos en las estaciones. Por lo tanto, la predicción científica de la demanda de viajes de los usuarios es importante para garantizar el funcionamiento eficiente del uso compartido de automóviles. El objetivo principal de este estudio es utilizar el árbol de decisión de impulso de gradiente para predecir la demanda de viajes de los usuarios de uso compartido de automóviles basados en estaciones. El estudio de caso se lleva a cabo en la ciudad de Lanzhou, provincia de Gansu, China. Para mejorar la precisión, se diseña un árbol de decisión de impulso de gradiente para predecir las demandas de los usuarios en diferentes estaciones en varios momentos basándose en los datos operativos reales del uso compartido de automóviles. Los resultados de la predicción se comparan con los resultados del promedio móvil integrado autorregresivo. La conclusión muestra que el árbol de decisión de impulso de gradiente tiene una mayor precisión de predicción. Este estudio puede proporcionar un valor de referencia para la predicción de la demanda de usuarios en la aplicación práctica.