现如今,我国大部分城市都面临着道路拥挤和大气污染等等的这一系列的“城市疾病”,自行车由于它的环保低碳且健康的特点,受到了越来越多人选择出行方式时的青睐。近年来公共自行车的出现,充当了城市公共交通的一种延伸,有效的解决了人们“最后一公里”的问题。但是城市公共自行车使用过程中可能会面临着“车满为患”或者是“一车难求”的问题,前者会造成资源的浪费,后者会造成不好的用户体验。因此,准确对每个公共自行车租赁桩点借车量和还车量进行预测,成为了政府和企业亟需解决的问题。本文结合目前国内外研究成果,综合分析影响公共自行车租赁桩点借还量的主要因素;分析了盐城市公共自行车借还量的时间序列特性:其中包括了序列的平稳性、非线性、趋势性、周期性等方面;概述了当前对于公共自行车租赁桩点借车量和还车量的多个预测方法,对各个方法进行分析比较,归纳总结各种预测方法的优劣、适用条件以及在预测工作方面的不足;设计并建立一种新的预测公共自行车借还量的方法,即以ARIMA模型和时间序列加权回归模型的组合模型。其中,时间序列加权回归模型主要针对数据量少这一问题进行解决,能够成功拟合预测数据存在的周期性;以盐城市“永安行”公共自行车租赁桩点借车量和还车量预测问题作为实证研究,通过ARIMA、随机森林、时间序列加权回归模型以及ARIMA和时间序列加权回归模型的融合这几种预测方法和模型进行公共自行车租赁桩点借车量和还车量量的预测,从衡量误差的评价指标入手,对预测结果进行分析评价,对比评估本文提出的新的预测方法在公共自行车租赁桩点借车量和还车量预测问题上的预测性能。最后在组合模型的基础上,模型加入了规则调整优化拟合预测结果中的非线性部分。实验结果证明,ARIMA和时间序列加权回归模型的融合模型预测准确度高、能够有效应对数据量少的不足、有效提高预测模型的鲁棒性,是一种非常适合用于公共自行车租赁桩点借车量和还车量预测问题的方法。