随着低碳环保社会的发展,国内外多个城市纷纷建立起了公共自行车系统(BSS)。高效的公共自行车系统既要尽量减少运营成本,又要保证提供足够好的服务,就需要对数据化的系统有充分的把控。公共自行车系统数据主要分为站点和行程两个层面的数据,进行如下分析:1.利用站点数据估计泊松到达率。先进行CU-KS和Lewis-KS检验,检验每个时间段内是否可以认为是泊松过程。然后建立简单均值模型、分段线性模型、时间序列中的HoltWinters模型、面板数据模型中的FE和ME模型、深度学习中的LSTM模型,用来估计各个时间段各个站点的泊松到达率。运用到Boston hubway的站点数据中,拟合效果最好的是LSTM模型,当到达数较大时预测效果最好的是HoltWinters模型,当到达数较小时预测效果最好的是简单均值模型。2.利用行程数据估计出行分布矩阵。建立综合形式的双约束重力模型,并且把用户的注册情况、性别、年龄等因素进行线性组合加入模型,计算出模型中的待定参数,从而得到各个时间段各个站点之间的出行分布矩阵。运用到Boston hubway的行程数据中,相较于简单均值模型,重力模型的拟合效果更好。通过建模分析公共自行车系统的站点和行程数据,得到各个时间段各个站点和站点之间的车辆变化情况,预测下一时间段的车辆分布情况,从而可以实现车辆综合调度管理,提高系统的服务水平和管理效率。