共享单车正逐渐渗透到人们的日常生活中,成为出行链中必不可少的一环。它的出现给城市交通发展带来了机遇和挑战,这将导致原有的出行结构发生根本性变革。目前基于共享单车大数据的出行分析和时空分布研究还处于空白阶段,仍需要从出行行为和时空特征两个方面来揭示出行者的行为改变与共享单车之间的深层次联系。本文以共享单车为研究对象,在对共享单车发展现状进行充分分析的基础上,运用大数据挖掘、分析与数据可视化等技术,深入分析了共享单车用户的出行行为特征,并着重从共享单车和常规步行与公共交通站点间的接驳和换乘数据来挖掘出行者在这两个衔接阶段的耐受特征。此外,针对共享单车的动态时空分布特征,采用深度学习模型对单车的时空分布进行短期预测研究。主要工作与创新如下:(1)通过大数据挖掘与分析技术,对成都市和上海市的单车GPS数据进行挖掘与分析。分别从用户数据层面和出行数据层面对单车使用特征进行可视化分析。用户数据层面主要分析了品牌影响力、用户性别、年龄、使用频率等方面特征;出行数据层面则以工作日和非工作日为区分,从出行距离分布、出行时长分布、出行时段分布、出行起讫点分布、轨道交通+共享单车等方面,通过数据可视化的方法,分析与展示了共享单车用户的出行行为特征。(2)共享单车的出现引发了出行结构的一系列连锁效应,尤其在公共交通出行中的接驳衔接过程(起讫点与站点之间)和换乘衔接过程(不同站点之间)中发挥着越来越重要的作用。本文创新性地提出了耐受感知的概念,对换乘与接驳阶段中的耐受感知因素进行了分析,并基于步行方式和共享单车方式分别对换乘阶段和接驳阶段进行数据的挖掘与分析。通过建立区间模糊数的耐受特征模型,成功地解释了换乘与接驳阶段中的耐受感知变化,并得出了空间耐受性与时间耐受性在不同要素组合情况下的耐受阈值和耐受曲线。从而科学地量化共享单车对出行耐受性和出行结构的影响。(3)针对共享单车的时空特征,创新性地将深度卷积长短时记忆网络(Conv-LSTM)应用于共享单车时空分布的短期预测中。这种方法将时空分布变换为一种时空序列预测问题,通过堆叠多个Conv-LSTM层形成一个编码预测结构。基于此,本文建立了一个端到端的训练模型。通过对区域单车密度、区域集聚性、区域需求、时间属性等时空变量的特征提取,精确地预测了后一个时段内的区域单车分布情况。(4)基于共享单车的大数据分析结论,从可持续发展的角度出发,系统分析了共享单车的发展趋势、内部和外部发展环境。并分别站在政府、企业、用户三者角度给出了可持续发展的对策和建议。综上,本文通过对共享单车的用户特征、出行特征、接驳与换乘耐受特征、时空分布预测等方面的研究,为这种新兴的交通方式建立了一套成熟的数据与理论分析框架。