El objetivo principal de este estudio es explorar el patrón de actividades espaciotemporales del sistema de bicicletas compartidas al combinar variables de atributos temporales y espaciales a través del método de análisis de agrupamiento. Específicamente, se eligen tres algoritmos de agrupamiento, es decir, agrupamiento jerárquico, agrupamiento K-means y agrupamiento por maximización de la expectativa, para agrupar las estaciones de bicicletas compartidas. Las variables de atributos temporales se obtienen a través del análisis estadístico de los datos de tarjetas inteligentes de bicicletas compartidas, y las variables de atributos espaciales se cuantifican mediante datos de puntos de interés (POI) alrededor de las estaciones de acoplamiento de bicicletas compartidas, lo que refleja la influencia del uso del suelo en el sistema de bicicletas compartidas. Según el rendimiento de los tres algoritmos de agrupamiento y seis medidas de validación de agrupamiento, se ha demostrado que el agrupamiento K-means es el mejor algoritmo de agrupamiento para el caso de Ningbo, China. Luego, las 477 estaciones de acoplamiento de bicicletas compartidas se agruparon en siete clústeres. Los resultados muestran que las estaciones de cada clúster tienen su propio patrón de actividades espaciotemporales único, influenciado por los hábitos de viaje de las personas y las características del uso del suelo alrededor de las estaciones. Este análisis ayudará a los operadores de bicicletas compartidas a comprender mejor el uso del sistema y aprender cómo mejorar la calidad del servicio del sistema existente.