共享单车,或称公共自行车,是一种绿色环保的共享型交通方式。随着共享单车的广泛普及,单车移动行为分析也吸引了政府、商业组织及研究人员的注意。然而,当前对共享单车系统的研究集中于城市规划、交通预警及路线推荐等方面,单车、用户及单车锁桩作为通信节点所蕴含的数据传输潜能未得到利用。另一方面,单车移动的间歇性、稀疏性及被动性等特点也使得传统机会网络中节点的移动性分析不再完全适用于共享单车场景。在此背景下,利用共享单车天然的共享属性,基于对单车移动行为的分析,本文对共享单车系统中数据分发问题展开相关研究。本文针对有桩、无桩两类共享单车系统,通过对南京市江北公共自行车数据集及北京摩拜单车数据集的统计分析,挖掘各自场景下的单车移动分布规律及用户个人骑行规律,并设计基于移动行为预测的聚类辅助数据分发机制,在已知消息目的节点集的情况下,为消息选择合适的中继节点。主要研究工作包括:1)针对有桩共享单车系统,基于地理位置和城市功能对单车站点进行聚类,构建有桩共享单车站点聚类模型;在此基础上,以南京市江北公共自行车数据集为例,统计分析有桩单车移动的时空分布规律及用户的个人骑行规律;2)基于统计分析结果,利用机器学习方法对聚类间单车流进行预测,并挖掘聚类间关联;依据用户骑行规律,提出一种潜在目的聚类挖掘、预测目的聚类生成的两阶段骑行目的聚类预测方法;3)依据骑行目的聚类预测结果,度量用户骑行目的地与消息目标节点集间的关联,结合骑行目的聚类在网络中的消息传播影响力,评估用户对特定消息的中继能力,提出有桩单车网络中基于移动行为预测的站点聚类辅助数据分发机制MPD-SC,并在ONE仿真平台中对算法性能进行验证;4)针对无桩共享单车网络,基于对北京摩拜单车数据集的统计分析,使用活跃路段模拟站点角色,将有桩单车中相关概念和数据分发思想延用至无桩单车中,提出无桩单车网络中基于移动行为预测的路段聚类辅助数据分发机制MPD-RSC,并在ONE仿真平台中对算法性能进行验证。本文利用共享单车的移动性及移动的规律性,针对共享单车系统站点间及不同路段中单车间数据共享问题,提出了有桩、无桩共享单车网络环境下的数据分发机制,基于真实数据集的仿真实验验证了算法在消息覆盖率、消息覆盖时延及网络开销等指标上的优良性能,研究成果为共享单车数据分发问题提供了一种有效的解决方案。