随着城市交通问题日益突出,发展公共交通系统已成为共识,为解决制约公共交通服务发展的“最后一公里”问题,不少城市引进了公共自行车系统。然而实际运营中,站点公共自行车租还车次的不均衡问题制约着系统的健康发展。为提高系统的运营效率,本文依托于国家重点基础研究发展计划(973计划子课题)“公交主导型多方式交通网络的协同机理与耦合理论”,基于公共自行车IC卡的数据支撑,探究公共自行车系统的交通特性和站点需求变化规律,进而深入研究站点短时需求预测和动态调度优化方法。首先,本文在对IC卡数据进行了格式优化和数据清洗的基础上,从时间和空间的角度统计分析并归纳公共自行车的租还车特点,利用聚类分析方法,将公共自行车站点划分为5类,探讨不同类型站点的需求变化规律。其次,根据预测方法的适用性和站点需求变化特点,选用BP神经网络时间序列预测方法对公共自行车站点需求进行预测,利用站点需求变化时间上的相关性,对5类站点实例分别进行短时需求预测。进而,探讨了公共自行车动态调度优化方法,确定公共自行车调度需求的求解思路,并以调度车辆运输成本最低和用户满意度最大为目标,构建多目标约束调度路径优化模型,并建立了乘客满意度与时间延误惩罚之间的函数关系。针对模型特点,设计通过遗传算法来对模型进行求解。最后,以宁波市公共自行车系统为例,对公共自行车动态调度问题进行应用研究,结果证明,本文所研究的模型和算法适用于公共自行车动态调度优化,且较好的均衡了调度成本和用户满意度间的矛盾,提高了公共自行车的调度效率。