近年来,电动自行车作为一种操作简易、经济便捷、机动灵活的交通工具而备受青睐,成为人们短途出行的主要交通方式之一,越来越多的家庭开始拥有一辆甚至多辆电动自行车。电动自行车在给人们的日常出行带来便利的同时,不仅影响了城市交通结构,也出现了不少交通管理、道路安全方面的问题。为了制定更合理的电动自行车管理措施,研究家庭电动自行车保有量的影响因素并准确预测其保有量尤为重要。首先,本文在阅读整理国内外相关文献的基础上,针对现有研究的不足,结合我国城市实际情况,提出从家庭的角度探讨电动自行车保有量的影响因素。依据河南省周口市2017年居民出行抽样调查数据,以家庭为单位对调查数据进行统计,将所得信息划分为人口因素、收支因素、住房因素、车辆因素四个类别,并分析各项家庭因素的差异对电动自行车保有量所产生的变化趋势。其次,通过变量筛选后,将家庭的全部人口数、月收入、住房面积、私人小汽车保有量和自行车保有量作为自变量,建立多项logistic回归模型。根据模型的参数标定结果,定量分析各项家庭因素与电动自行车保有量之间的影响机理。结果表明一个家庭拥有电动自行车的概率与家庭的全部人口数、月收入和住房面积呈正相关,与私人小汽车保有量和自行车保有量呈负相关,其中以住房面积的正相关程度最小,且私人小汽车的负相关程度大于自行车。接下来,鉴于家庭电动自行车保有量的影响因素众多且关系较为复杂,本文基于BP神经网络算法构建家庭电动自行车保有量的预测模型。通过多次调试确定神经网络的隐含层节点个数为30,激励函数选用Tanh函数,输出层选用Purelin函数,预测效果良好。为了提高收敛速度和预测精度,采用粒子群优化算法对BP神经网络的初始权值和阈值进行寻优,改进网络训练过程,结果表明优化后的模型预测精度得到大幅提高,能够应用于预测不同家庭特征下电动自行车的保有量情况。最后,根据论文上述的研究内容,结合不同电动自行车保有量的家庭特点,从电动自行车销售管理、交通规划、出行理念等方面提出相关建议及措施。图20幅,表25个,参考文献66篇。