我国机动车保有量的快速增长不可避免地引起了城市交通拥堵问题。智能交通作为缓解交通拥堵问题为有效手段,自提出以来在世界各国得到提倡并快速发展。交通大数据分析作为智能交通系统设计应用的重要环节,通过对交通大数据之间的关联关系、深层次因果关系的分析,可以有效预测城市交通的交通流,为智能交通系统提供决策支持,为用户出行提供更明智和协调的交通规划,进而提高出行的效率与安全性。对此,本文开展了如下工作:(1)获取了互联网上公开的交通数据集及相关天气数据集,对数据进行了数据清洗、标准化等预处理;在此基础上对交通大数据进行时间、空间特征分析,并借鉴和扩展了格兰杰因果关系思想,提出了基于时空因果关系分析的城市交通大数据分析方法。(2)建立基于时空因果关系的交通流预测模型,提出了快速筛选交通流影响因素的方法,引入LSTM网络构造了基于循环神经网络的交通大数据时空因果关系分析算法,并通过试验证明该算法可有效提高交通流预测精准程度。(3)采用面向对象方法分析设计了交通流预测系统,开发了相应Android手机APP和Web服务器,并对系统进行了功能测试和性能测试。实验证明时空因果关系分析可以有效提取影响交通流的关键因素,将提取的关键因素与LSTM算法结合可高效预测城市交通流,为城市管理部门以及用户出行的线路规划提供决策支持。