本发明涉及交通大数据和机器学习领域，提供考虑潜在需求的共享单车移动链的自循环行为的分析方法，包括：根据共享单车的起终点行程数据确定每个网格的库存状况，标定审查标签；通过多重删失托比特模型预测每个网格的出行需求；利用供需匹配方法，形成新的共享单车出行链；重建共享单车出行链；识别重建共享单车出行链中的自循环链，并对各种指标进行分析。通过深入理解自循环链的形成机制和地理特征，可以帮助更有效地进行自行车调度，降低调度成本。准确预测共享单车的实际需求可以帮助改进服务，减少用户寻找可用自行车的时间和距离，提高用户满意度。通过优化自行车移动链的空间分布，促进资源的合理利用，减少无效行程，从而有助于环境保护。