公共自行车系统作为解决公共交通“最后一公里”难题的方案,由于其绿色、便捷的特点,目前已经成为城市公共交通的重要组成部分^[1]。然而由于使用频繁以及使用环境恶劣,车辆容易发生故障。而缺乏专业的传感设备,对公共自行车的故障车识别追踪困难即“故障车发现难”,由此造成故障车维护保养不及时的问题,既增加了公共自行车维护保养成本,也降低了车辆管理效率。同时,故障车辆的不及时处理会严重影响用户的正常使用,降低公共自行车的服务质量。因此,对海量的公共自行车历史数据进行分析,从数据中发现车辆故障的规律。根据规律建立故障诊断模型来应用于公共自行车故障诊断,对于解决公共自行车“故障车发现难”的问题以及及时的对故障车进行维护保养具有重大意义。首先,为了挖掘公共自行车故障发生的规律,利用结构分解的方法分析了公共自行车故障影响因素。以杭州市的公共自行车系统作为研究对象,对杭州市公共自行车历史故障信息进行统计。结合公共自行车故障影响因素分析,选取公共自行车故障有效特征。根据特征属性,结合原始数据处理方法,建立基于数据的公共自行车故障分析样本数据集,为后续公共自行车的故障判别以及故障诊断提供数据基础。然后,针对公共自行车“故障车发现难”问题,提出了公共自行车故障车的支持向量机判别方法。结合公共自行车故障影响因素特征和原始数据处理方法,采集公共自行车故障信息数据。先利用K-means聚类方法筛选样本数据集,再用样本数据集训练粒子群算法优化的支持向量机算法得到故障车判别模型。实验结果表明,采用粒子群算法优化的支持向量机故障车判别模型能有效的对公共自行车的故障车与非故障车进行判别,其对故障车的召回率达到92.86%,能较大程度的发现故障车辆,说明该方法具有一定的工程实用性。接着,为了进一步研究公共自行车的故障情况,建立了基于堆叠自动编码器的故障诊断模型,对公共自行车进行故障类别的分析。采集故障车辆信息数据建立样本数据集,通过逐层的无监督训练堆叠自动编码器网络自动从数据集中提出有效的特征。采用BP算法对整个网络进行有监督的微调,提升故障分类的准确度。最终,根据softmax分类器原理对故障类型进行诊断输出。实验结果表明,采用堆叠自动编码器对公共自行车故障类别进行诊断,其模型诊断平均准确率有84%,具有较高的诊断精度,说明该方法能应用于公共自行车故障类别判断。最后,在之前的数据分析及故障诊断方法研究的基础上,设计开发了公共自行车智能故障诊断系统,并以实践应用的方式对本文提出的理论方法进行了验证。结果表明其在故障车发现以及故障类别诊断方面具有预期的效果,能够应用于工程实践,以解决“故障车发现难”问题。本文建立智能故障诊断系统,将人工智能、通讯与计算机等技术应用于公共自行车故障管理方面,建立系统完善的公共自行车故障诊断理论及应用技术体系,使之满足智慧城市信息化的要求。未来的研究可以在故障诊断的基础上对故障溯源进一步深入,从而为故障预防提供理论依据。