近年来,随着人口的剧烈增长,这随之带来了一系列危害城市的问题,面对这些问题,公共自行车系统在现代交通系统中越来越流行。公共自行车系统提供便捷的同时也给系统运营者带来了一系列的挑战:某些租赁点的位置或容量设置不合理;租赁点有时会出现无法使用状态(无车可借、无桩可还);系统中的自行车损坏率很高等。公共自行车系统在运行的过程中,积累了大量的用户行程数据,对这些数据进行挖掘分析,并在此基础上提出一系列应用对系统的发展具有重要意义。公共自行车历史用户行程数据是一种时空数据,时空数据挖掘是从海量、多维和非线性的数据集中挖掘出来隐含、具有价值性的新知识。本文以华盛顿公共自行车系统为研究对象,基于用户行程数据挖掘提出了两个应用研究:自行车使用均衡和租赁点功能识别,它们可以有效地降低系统自行车的损坏率和为系统的布局优化、调度提供理论和应用支持,从而提高公共自行车系统的用户满意度与系统效率。本论文主要做了以下几个方面的工作:首先,对系统积累的用户行程数据进行分析,探讨了公共自行车系统的时间、空间特征,为后续章节应用的研究奠定基础。其次,提出自行车使用均衡应用研究。本文受计算机系统结构中Cache替换策略的启发,提出了四种自行车使用均衡模型,并且根据自行车寿命模型,分析了在不同的替换标准下四种模型的有效性。最后,提出公共自行车系统的租赁点功能识别应用研究。使用LDA(Latent Dirichlet Allocation)模型和K-means算法实现租赁点的功能识别,通过系统用户使用特征、POI(PointOfInterest)数据和租赁点名称信息进行结果分析和说明。