최근 코로나 19 확진자가 증가하면서 버스와 지하철 같은 대중교통 이외에 개인형 이동수단에 대한 관심이 증가하였고, 특히 서울시에서는 친환경 교통 수단으로 공공자전거 시스템으로 운영중인 '따릉이'에 대한 수요량이 증가하고 있다. 본 연구에서는 서울시에서 제공하는 공공자전거의 시간대별 대여이력을 바탕으로 게이트 순환 유닛(GRU, Gated Recurrent Unit) 기반의 수요예측 모델을 제시하였다. 아울러 본 연구에서 제시하는 GRU 방법의 유용성을 검증하기 위해 지난 3년간 서울시 공공자전거 대여이력이 가장 많은 여의도에 위치한 여의나루 1번 출구의 대여이력을 기반으로 동일한 조건에서 시계열 기반의 다른 딥러닝 모델들과 비교 분석하였다. 모델 결과는 MAE와 RMSE를 사용하여 비교하였고, 이를 통해 GRU 모델의 유용성을 검증했다. 분석결과 다중선형회귀모델과 같은 전통적인 기법과 시계열 분석에서 최근 많이 사용되고 있는 LSTM, Conv-LSTM 보다 제안한 GRU 모델의 예측 정확도가 개선되었다. 또한 GRU 모델의 경우 분석에 소요되는 시간도 LSTM, Conv-LSTM보다 적게 소요되었다. 본 연구 결과를 통해 빠르고 정확한 수요예측을 바탕으로 서울시 공공자전거 재배치 문제 해결에 도움이 될 수 있을 것이다.