公交到站时间预测是城市居民出行服务的需要,是广大乘客最关心的交通信息之一,它的预测准确度直接影响着乘客对公交系统的满意度,预测准确度的提高可以节约广大乘客的等待时间,从而提高出行效率,进而提升公交系统的服务水平,吸引更多乘客乘坐公交车,有利于解决交通拥堵问题。本文针对公交到站时间预测问题进行了研究,公交到站时间既与当前到站时间有关,又与历史同期数据相关,基于此本文根据深度学习中的LSTM网络模型在时间序列处理方面的优点,构建了基于LSTM网络的公交到站时间预测模型,并通过实验的方法验证了此模型的有效性与可实施性。本文的主要工作如下:1.将现有多种公交到站时间预测模型进行介绍。详细介绍了深度学习的相关内容和循环神经网络与LSTM网络的内容和结构,分析并总结影响公交到站时间的静态、动态因素。2.建立了基于LSTM的公交到站时间预测模型。以青岛市公交到站时间预测为例,在对数据进行了缺失值及归一化处理的基础上,构建了基于LSTM的公交到站时间预测模型,并对青岛市公交车到站时间进行预测,结果表明了此预测模型的可行性与有效性。3.优化模型。为了提高模型的预测精度,对模型进行了优化,最后面对特定的训练数据样本比较少的问题,通过迁移学习的方式对数据集进行扩充,来提高网络模型的性能,进而提高预测准确度。