随着我国经济的不断发展,其伴生的环境问题已经变得不可忽视,它不仅阻塞城乡发展,也影响居民的生活质量。近年来,公共自行车在我国各个城市点的运营发展,使得绿色出行的观念深入人心,但潜藏于其中的问题也逐渐显现出来,“借车难,还车难”已经成为当前研究中亟待解决的问题之一。对当地公共自行车系统进行用户需求预测,可以将用户的需求状况反馈到系统内部,从而提高公共自行车系统的调度效率,进而使得居民“借车难,还车难”的问题得以缓解。针对用户公共自行车的需求预测,本文对2019年4月份Citi bike New-York Public Bicycle System（PBS）的数据集进行清洗,并按照公共自行车的使用类型将其划分为借出站点数据集与归还站点数据集。为保证研究的科学有效性,对PBS内各个站点公共自行车的月度归还数据以及月度借出数据进行了分布统计,将站点划分为高频、中频和低频三个频段,并将借出站点数据集和归还站点数据集中各个站点的数据分别加载到各自对应的频段中,进而形成6组频段数据集。为探究用户的借出行为和归还行为下出行需求预测的效果,本文将研究分为在相同滑动窗口下的用户出行需求预测和在不同窗口下的用户出行需求预测这两条主线进行研究。在进行相同滑动窗口下的用户出行需求预测的研究时,本文借助支持向量回归算法,并结合滑动窗口的方法,探究了在不同的惩罚系数以及松弛变量的情况下,用户出行需求预测的效果,发现需求预测的效果受惩罚系数变化影响较大。而在进行不同滑动窗口下进行用户出行需求预测研究时,将支持向量回归算法与可变的滑动窗口相结合,分析了在不同的滑动窗口下需求预测的效果,得出当预测效果相近时,窗口宽度与滑动步长呈相反的变化趋势。此次研究为处理用户出行记录提供了切实可行的有效措施,减少了人为因素的影响。研究结论在为实际用户出行需求预测提供经验的同时,也揭示了潜藏在需求预测与参数之间的演化关系。