自上世纪六十年代以来,公共自行车一经问世就成为用户解决短距离出行和绿色出行的首选方案,同时也成为缓解交通压力和创新公共交通的不二选择。然而,由于生活节奏的日益加快,交通拥挤、自行车站点的供求不平衡以及车辆调度的延时性等问题越加凸显,出现了自行车系统个别站点无车可借、无位能还的现象,极大的影响了公共自行车系统的持久发展和用户的出行体验,也成为目前交通管理者与运营商面临的主要问题。本文对自行车站点的状态信息和用户的骑行数据进行分析,依据各类出行特征,对不同站点的自行车需求量进行预测以及对自行车调度方案提出新的想法,为城市公共自行车系统的再平衡提供了理论基础。首先,论文阐述了国内外城市公共自行车系统的发展现状、站点规划、自行车需求预测以及站点之间的调度等问题。着重描述了目前公共自行车系统所存在的供求不平衡、调度的延时性以及单一性等问题。阐述解决这些问题的研究方法、相关理论概述和需要改进之处,包括K-means聚类、随机森林中行采样与列采样的算法思想、XGBoost算法和蚁群算法等。其次,以旧金山湾区的公共自行车系统的出行数据、站点分布、气象状况等信息为基础,着重分析了时间因素、地理位置、气象状况和站点之间的关联性等特征对城市公共自行车出行量的影响。依据自行车站点的地域性与需求量的时变性,提出一种基于XGBoost与K-means聚类的公共自行车站点需求量预测模型,以便准确快速的预测出城市公共自行车的需求量。考虑到时间与位置因素的重要性,将其作为重要特征并加以不同的权值应用于特征加权K-means进行站点聚类,结合借鉴随机森林中行抽样与列抽样方法以防止过拟合,改进XGBoost算法作为预测器,从而提高预测模型的预测精度。实验结果表明,本文方法的需求量预测结果都优于其他方法,比仅次于它的随机森林在错误率上提高了8.2%,为之后的调度方案打下了坚实的基础。最后,对自行车调度问题进行描述,阐述了目前存在的几种调度方法,着重分析了目前公共自行车系统站点之间自行车调度所存在的问题。针对调度的延时性和单一性,以预测模型的精准预测为前提,结合对公共自行车站点状态和旧金山湾区公共自行车站点所在的实际距离,对调度问题进行建模与分析,最后采用基于价格激励的改进蚁群算法对该问题实现模拟调度,实现了用户自主选择的调度方案。实验结果证明,当初始单位价格达到0.35元时,站点负载均衡度达到86%,很大程度上缓解了站点的租赁压力,基本实现了自行车系统的再平衡。