随着国民经济水平的提高,机动化交通得到了快速发展,进而导致环境质量不断恶化、能源过度消耗、噪音污染加剧等问题的出现,针对此类问题,国家提出了"优先发展公共交通"的策略。公共自行车作为公共交通系统新的补充进入人们的视野,因其低碳环保、机动灵活的特点逐渐被越来越多的出行者重视。公共自行车能解决居民短距离出行和与公交地铁换乘的交通需求,是节约道路资源、减少环境污染、缓解居民出行难问题的重要举措。首先,从三个方面对公共自行车系统进行了简介,包括系统特点、组成要素以及功能定位;定性地分析了城市空间结构、地理条件、道路状况以及政策等因素对公共自行车系统发展的影响;基于问卷调查的统计结果对西安市碑林区的公共自行车使用现状进行了定量分析,确定出公共自行车选择行为的影响因素,为分担率预测模型中变量的选取奠定理论基础。其次,将公共自行车视为出行方式中的一种,建立基于贝叶斯网络的出行方式选择模型来对公共自行车的分担率进行预测。利用MATLAB软件中的BNT工具箱对贝叶斯网络进行结构学习和参数学习,其中,结构学习采用互信息与K2算法相结合的方法,参数学习采用贝叶斯估计法,应用所建模型可以得到不同影响因素对公共自行车分担率的作用情况。通过将所建模型输入到GENIE软件中来得到公共自行车的出行分担率,同时计算出行方式的命中率,以此对模型精度进行检验,可知模型的有效性。最后,研究了公共自行车系统的规模测算问题,本文将规模测算问题分为初期和远期两种情况进行考虑,公共自行车系统初期规模基于公共自行车和停车桩的周转率进行测算,远期规模采用改进的灰色预测GM(1,1)模型进行测算,因考虑到传统灰色预测GM(1,1)模型的精度缺陷,故对其初始值的确定进行了改进,将改进后的灰色预测模型运用到远期规模测算中。通过计算相对误差对其预测精度进行了检验,可知预测精度较高,预测效果好,因而可将其用于公共自行车租赁站点远期规模测算中。