公共自行车在城市短距离交通中起着重要作用,是缓解公共交通压力的有效方式。但是随着自行车系统的运行,高峰时间段“租车难、还车难”的问题逐渐暴露,为自行车运营调度带来了较高的管理压力。现有的调度方法主要是以视频监控和人工经验判断为主,且极少研究调度需求量,缺乏科学的数据分析与预测和有效的管理技术支撑,所以调度效率不高,难以高效快速地解决“租车难、还车难”问题。为了解决此问题,本文设计并实现了一种公共自行车智能调度系统,对自行车租赁系统历史骑行数据进行多维度分析,得出用户行为习惯和站点的区域划分结果,并根据得到的站点调度需求量和所属区域,生成合理的调度计划。首先,为了得到自行车系统的运营规律,在充分考虑环境干扰(工作日、非工作日、重大节日、不同季节等)的因素下,对历史骑行数据进行不同维度的分析,获取系统的运行高峰期以及各个站点的租赁流向趋势并将系统中的站点按照租还车数量分类。结合站点类型和租赁流向得到不同环境因素、不同时间段下各个租赁站点的调度需求量,为生成调度方案提供了真实可靠的数据依据。然后,针对调度方案中调度路径过长的问题,提出了一种基于改进的k-means算法的站点区域划分方法。根据租赁站点的地理位置与站点的调度需求类型,将距离较近且调度需求类型能中和的站点归为一类,在生成调度计划时尽量减少跨区域调度。其次,以XX省XX市自行车站点地理位置进行实验验证,结果表明此区域划分方法能减少生成区域内的调度需求量,缩减跨区域调度的次数。最后,基于B/S架构,以PHP、C++为开发语言,MySql为数据库,在前文研究的数据分析获取和站点区域划分的理论基础上,设计相应的数据处理模块和数据库,最终实现了智能调度系统,并将生成的调度计划与现实的调度方案进行对比验证。验证结果表明,本文设计的公共自行车智能调度系统,在优化调度需求量和调度路径方面具有预期效果,能够用于实际自行车系统中以缓解高峰时间段“租车难、还车难”的现象。