共享单车是新时代下互联网与共享经济共同发展的产物,其凭借着灵活方便、高效便捷、绿色环保的优点,以及解决“最后一公里”问题这样清楚的定位,在各大城市中快速发展,已成为城市交通中不可缺少的一环。然而,在其快速发展的同时,也随之而来了很多严重的问题,其中以共享单车积压问题和时空供需不均衡问题最为突出。这种现象在轨道交通站点周边尤为明显,大量的共享单车积压在站点附近,而其他一些区域却经常无车可用,不仅占用了城市空间,扰乱了公共秩序,影响了人们的生活环境,还造成了资源浪费,降低了系统效率。在北京,大量轨道交通站点周边经常出现这样的情况。为分析、解决这一问题,本文基于复杂网络构建了共享单车接驳源汇网格,以此为单元研究了共享单车接驳轨道交通的需求量预测模型。本文首先以北京市为研究区域,获取了共享单车出行数据、轨道交通线网数据、道路交通网络数据、城市POI分布数据以及气候数据等丰富的多源数据,并将其进行数据融合处理和统计分析。然后通过定义轨道交通对于共享单车的接驳区和服务区,提取到了用于轨道交通接驳的共享单车OD数据,结合泰森多边形构建了共享单车接驳轨道交通的源汇网格,为研究共享单车精细化管理提供了适合的研究单元。为将轨道交通相关属性与基于源汇网格的需求量预测结合起来,本文将轨道交通站点使用聚类方法分类,然后将轨道交通分类属性代入共享单车的需求预测模型之中。最后,通过分析共享单车接驳需求的相关影响因素,结合随机森林和地理加权回归两种机器学习算法,基于源汇网格建立了共享单车接驳需求量预测模型。为获取更加精确的需求预测模型,本文设计了随机森林和地理加权回归组合模型,将时间与空间特征分离,以此使共享单车接驳需求量预测模型得到优化,并通过实例分析了其应用。