随着共享经济的快速发展,无桩共享单车成为时下人们讨论的热点话题,而传统有桩公共自行车的发展也随之受到社会各界的广泛关注。随着公共自行车不断发展,系统问题不断凸显,而以往对于有桩公共自行车的研究都是基于小样本调查、以规划为目标的内容,对于已经建成的公共自行车系统优化方法的研究则较少。因此历史出行规律的研究对于公共自行车出行OD网络结构的优化具有非常重要的意义。本文首先通过北京市公共自行车智能平台监测和调查数据,对北京市公共自行车系统的建设现状、运行特征、出行特征、用户特征等进行了分析,深入挖掘了公共自行车出行的时空特性。在此基础上,基于GIS生成公共自行车出行OD网络,从中提取了8类典型结构:散点式结构、单线结构、孤立点式结构、边缘放射结构、内部放射结构、环形放射结构、均匀网状结构以及强环形放射结构。为了更好的量化这些结构,建立3个结构特征指标:期望线密度、关键租赁点辐射强度、关键租赁点辐射角度,同时建立了基于蚁群算法的典型结构模拟识别方法。随后通过调查和筛选,获取23个影响公共自行车出行的因素。最后,本文通过研究影响因素和公共自行车出行OD网络特征指标的关系,基于BP神经网络,构建了以23类影响因素为输入,以3个典型特征为输出的公共自行车出行OD网络结构预测模型,通过改变模型中的输入变量——影响因素,得到不同的输出变量——出行结构特征,从而通过改变影响因素优化片区公共自行车出行结构。本研究为公共自行车系统的优化提供了关键的技术支持和重要的理论基础。