作为解决公共交通“最后一公里”难题的交通方式,公共自行车系统能有效提升城市公共交通整体服务水平。但是,公共自行车系统在迅速发展的同时,也经常出现“无车可借”与“无空位可还”的问题。其根本原因是,由于在不同时间和不同租赁点的自行车需求量(租/还量)的不平衡,各租赁点需要人工频繁地调度自行车使其不断达到平衡(即满足用户的需求)。然而只有对租赁点的公共自行车进行未来需求量的准确预测,才能保证计算得到的调度量是准确的。因此,本文提出了基于租赁点关联的公共自行车需求量预测方法,可以预测未来时间段内的某一租赁点自行车的需求量,对租赁点的自行车车辆调度模型计算奠定基础。首先,以杭州市为例,本文对杭州市公共自行车系统的数据进行预处理,分析了公共自行车的出行特征、租赁点需求,并根据租赁点所属区域(如:居民区)对租赁点进行分类,并讨论了同一类型租赁点和不同类型租赁点需求量的影响因素。其次,根据自行车的租还的动态性,以及租赁点之间的相互影响,本文提出了一个分层聚类算法,基于租赁点的位置和租赁点间的车流量对租赁点进行聚类,得到关联性较强的租赁点簇。结合VAR预测模型的特点,构建基于租赁点关联的公共自行车需求量预测模型。最后,使用了杭州、温州、纽约及华盛顿四个公共自行车系统的数据对模型进行实证分析,并与基线法、历史平均法和ARIMA模型进行比较,结果表明本文的基于租赁点关联的模型预测精度高于其他方法,且能够适用于不同城市的公共自行车系统。