随着社会经济的快速发展,交通设施越来越完善,机动车拥有率快速增长,城市交通机动化的发展给人们的生活带来了巨大的便利,但也造成了城市环境污染、交通拥堵等诸多问题,而慢行交通逐渐回归公众视野。随着互联网时代的到来,共享单车以其价格低廉、适合短途出行、取车还车便捷且环保等特性迅速脱颖而出,从2016年开始在全国各大城市布设,而由于对共享单车市场评估和预测不到位,加上各种资本竞相投入,短短一年多时间共享单车迎来了爆发式的增长,而到2018年,共享单车市场规模缩小,由于经营不善,多家企业倒闭,直至2019年共享单车活跃用户量持续下降,且骑行频次大幅下滑。在这样的情况下,如何管控、协调共享单车需求与供给等相关问题亟待解决,而只有掌握了用户共享单车的出行行为规律,才能更好地为共享单车的管理提供指导性建议。因此,本文以大学生为对象,研究其使用共享单车的出行行为具有现实意义。首先,本文以福州市大学城为调查区域,设计调查问卷,采集各年级学生的出行数据样本,选择年级、月生活费、是否拥有私人交通工具、交通费用、出行习惯、出行目的、出行频率、共享单车选择意愿、出行距离等因素作为节点变量,构建贝叶斯网络模型。利用所获得的数据,综合运用互信息值计算方法和K2算法进行贝叶斯网络结构学习,假设贝叶斯网络参数服从Dirichlet分布,利用贝叶斯估计法进行贝叶斯网络的参数学习,从而构建分析大学生共享单车出行行为的贝叶斯网络。然后,利用所构建的网络进行共享单车出行方式预测,基于该模型计算预测值与实际值的误差,分析确定模型的精度。此外,由于在出行行为研究中,Logit模型是常用的分析工具,因此,本文利用Logit模型对共享单车出行方式进行预测,并将预测结果的误差值与贝叶斯网络学习结果的误差值相比较,由此说明贝叶斯网络在多因素影响分析方面是否具有优势。研究结果表明,基于贝叶斯网络建立的大学生共享单车出行行为分析模型预测精度较高,且与常用的Logit模型预测结果相比,误差更小,说明本文建立的贝叶斯网络模型在进行共享单车出行多因素变量分析时更为有效。最后,基于构建的网络模型,应用联合树引擎分析各影响因素对大学生共享单车出行行为的影响。研究结果表明,年级、月生活费、是否拥有私人交通工具、出行距离、出行偏好等因素对校内外出行均有影响,但影响大小有所不同,比如出行距离对校外出行的影响更大,而对校内出行影响较小。本文研究成果丰富了有关城市共享单车的研究内容,可以更好地为共享单车管理和发展提供参考。