自行车共享系统逐渐出现在许多城市中，由于在不同时间和站点的自行车需求量（租/还量）不平衡，系统中各站点的自行车需要人工频繁地调整使其不断达到平衡状态，然而实时监控并不能很好地解决这个问题。因此，提出了一个基于网络图的预测模型，可以预测未来时间段内的某个站点自行车的需求量，提前对站点自行车进行分配。通过分层聚类算法对预测站点进行聚类，得到与其相关的站点簇，并对站点簇构建网络模型。最后，使用纽约（NYC）和华盛顿（D.C.）两个自行车共享系统的数据进行实验，并与基线法、历史平均法及ARIMA模型进行比较。结果发现同一簇的站点具有相似的使用模式，模型预测误差率不高于0.45，网络模型预测性能较好，且