随着道路交通矛盾日益恶化,世界各国鼓励人们使用绿色低碳的出行方式。本文梳理国内外公共自行车系统的相关文献,阐述了公共自行车系统的兴起背景,分析了用户特征,结合美国纽约城市居民的全天候出行数据,分析了影响出行需求的主观因素和客观因素。本文针对城市公共自行车系统中出现的“租还车难”的现象,研究了运营过程中出现的调度不合理、不及时等问题。根据每个站点调度需求的紧迫程度,利用运输车辆将自行车从富余的租赁点按照一定的路径要求运送至存量不足的租赁点,使得各个租赁点的自行车存车量处于一个合理的范围,满足“有车可借、有位可还”的需求,使得租赁系统健康稳定发展。本文首先对各租赁点的租还车量进行预测。利用BP神经网络充分学习美国纽约2018年6月历史租还车数据,训练预测网络,将预测数据与测试集数据对比验证网络的准确性,从而预测未来一段时间的租还车量。最后依据构建的需求量预测模型,综合考虑站点的自行车库存量和未来一段时间的自行车借还车量,确定最终的总调度需求量。其次本文对各租赁点进行静态调度优化。包含调度区域的划分,调度路径优化。先用K-means算法对租赁点依据距离进行一次划分。随后通过挖掘各站点之间的历史租还数据,发现站点之间的相互联系,按照各调度分区之间的借还车的互补关系,引出互平衡度的概念,以互平衡度为标准对租赁点进行二次划分,使得调度区域的划分综合考虑距离和调度量两方面的因素,使得调度区域的划分更加合理。在每个调度分区内,不考虑站点库存随时间的变化情况,建立静态调度模型对调度车辆的行驶路径进行规划,在满足车辆容量限制的要求下使得调度车辆总的走行路径最短。本章采用SOM神经网络的方法,构建一个K环M个节点的初始花瓣,随机化各租赁点的调度顺序,在每个租赁点,周围节点通过竞争产生一个获胜节点,以获胜节点所在的环的位置来确定租赁点在调度路线上的位置,并且不断的更新竞争节点及其邻居节点,并不断地竞争,最终确定调度路径。最后以实际运营数据为基础,对美国纽约的23个自行车租赁点进行调度再平衡的优化。将改进的SOM算法的求解结果与模拟退火算法的结果对比分析,证明本文使用改进的SOM算法获得的路径总距离更短,算法更加高效。