推动建设交通强国、构建现代化高质量国家综合立体交通网是当前和今后一段时间内我国交通运输业发展的重要目标。明确我国交通运输业发展现状、准确预测交通运输业碳排放量将有利于提升国家交通运输绿色发展水平,进而构建绿色、低碳的交通发展模式。首先,本文基于天津市交通运输业能源消费和碳排放量现状,从宏观经济因素、行业发展因素以及能源相关因素等多个角度梳理并分析了交通运输业碳排放量影响因素。同时通过使用信息增益方法对天津市交通运输业碳排放量影响因素进行排序筛选,最终得出交通运输基础设施投资、常住人口数量、交通运输能源强度以及能源供给四个指标是碳排放量的关键影响因素,并将其作为碳排放量组合权重预测模型的输入指标。其次,基于目前交通运输业碳排放量预测方面较少使用深度学习的现状,本文根据深度学习神经网络分别构建了LSTM、GRU、以及Bi-LSTM三种单项预测模型,并对每种单项模型进行训练测试后得到各自最优的架构。通过对单项模型的比较,表明Bi-LSTM预测误差最小,适合交通运输业的碳排放量预测。同时根据各项单一最佳模型以及不同的权重确定方法构建了两种组合权重预测模型,权重模型可以很好地结合各单项模型的优点。实验结论显示,权重模型预测误差得到大幅度的提高,且分别比Bi-LSTM模型预测精度提高了2.89%和2.67%。最后,依据组合权重预测模型的预测结果,并结合现阶段天津市交通运输业实际发展现状,在人口素质、消费结构、交通运输结构、交通运输效率、能源消费结构以及能源利用效率等方面提出了节能减排策略。