公共自行车租赁系统目前存在的主要问题是高峰时段用户存取车困难，站点需要工作人员值守。为了提高城市公共自行车调度的科学性、缩短调度时间、降低调度成本，避免调度过程中调度员凭经验确定各个站点需求量的盲目性，从而更好地服务租赁者，满足其出行需求。建立了基于改进的Elman神经网络的公共自行车单站点需求量预测模型。通过仿真实验将改进模型和已有模型的预测结果与实际需求量进行对比，证明了提出的预测方法有效可行。