随着城市机动化的快速发展,城市交通问题日益严重,道路拥挤和大气污染等问题已经成为各大城市常见“城市病”,如何发展高效、低碳的交通成为目前亟待解决的问题。城市公共自行车(PBS—ublic Bicycle System)作为一种零排放和健康的出行方式,迅速在世界范围内普及开来。它定位于中短距离出行,具有节能环保、方便灵活、实用经济的特点,并且可以有效延伸公交的服务范围。但是PBS在蓬勃发展的过程中出现了不少问题,譬如“借还车”、收支不平衡、车辆重平衡等,严重制约PBS进一步发展。本文主要数据来源于纽约市Citi Bike公共自行车刷卡数据,基于数据挖掘方法研究PBS潜在的出行特征,并从中找寻系统主要影响因素的影响机理,将其融入到站点出行预测模型中,得到最优预测模型。其意义在于为系统运营调度和用户使用提供支持和帮助,从而提高系统服务水平。本文主要有以下几个方面的研究：首先,论文介绍了PBS所在城市的基本状况,并从物理设施、运营管理以及所存在问题方面详细介绍PBS。然后,论文从系统时空、用户两个方面研究PBS出行特征,并从中挖掘系统主要影响因素内在的影响机制。其次,论文根据不同站点的时间特征曲线进行类型划分,为下一步预测工作做准备。最后,论文将天气和站点类型两个主要影响因素融入ARIMA模型中,对不同类型站点出行分别进行预测,提高预测精度。