为缓解城市交通拥堵压力、降低道路交通污染，我国借鉴国外大城市交通发展经验，格外重视大运量公共交通系统建设，其中半独立路权现代有轨电车具有建造成本低、建设难度小、安全环保系数高、弹性灵活性强等优点，近年来在我国得到快速发展。
　　半独立路权现代有轨电车线路拥有诸多优势，但易受沿线交叉口信号控制等延误影响，这种影响导致有轨电车行程时间可靠性降低，乘客难以获取有轨电车的准确到站时刻。而公交车辆到站时间为大多数乘客最为关注的信息，且可靠的公交到站信息对乘客等车时间的感知具有统计学上显著的抑制作用。因此，本文以提高有轨电车到站时间预测精度、增强有轨电车竞争力、提升居民公交出行比率为目标，开展有轨电车到站时间预测研究。
　　本文以半独立路权现代有轨电车为研究对象、以时间序列数据为切入点，提出了一个考虑现代有轨电车运行过程中时空关联性的到站时间预测系统，系统可以识别挖掘传统方法无法捕捉到的复杂时空模式。系统核心为一多路段、多时间步长输出的长短时记忆神经网络和卷积神经网络相组合的深度神经网络。
　　本文对所设计的有轨电车行程时间预测模型进行了实证评估，并将之与其它主流路段行程时间预测模型进行了比较，结果显示该模型在预测有轨电车到站时间或行程时间方面具有较高的精度和可靠度，特别是在复杂的交通状况下，如高峰时段，该模型也有着出色的预测表现。