在全球气候变暖、能源短缺的环境下,城市交通也逐渐向绿色低碳的方向发展,电单车便是其中之一,并在近些年呈现出蓬勃的发展态势。但随着电单车社会保有量的急剧增长,也逐渐暴露出了一些“管理难”的问题,比如影响交通秩序、车辆频繁被盗、难以跟踪管理等等。因此,从海量的电单车数据中提取有效信息,构建出智能化的“电单车车联网”,成为解决上述问题的一种有益的技术手段。本文即在长期参与“电单车智能平台”的研发工作基础上,利用现实场景中的海量电单车数据,借助深度神经网络的研究技术,用于准确预测电单车行程时间,从而帮助用户更合理地规划电单车行程。首先,本文分别参考了与电单车、行程时间预测相关的国内外研究,并对其中的关键技术模型进行分析。其次,针对深度神经网络的主要技术,从基本理论与实现方法的角度加深了解。接着,介绍了电单车行程数据及其预处理方式,具体的包括数据获取、数据清洗以及数据特征选取等。然后,分层设计出端到端的、多因素多任务机制的深度神经网络预测模型,并确定相应的误差评价标准。最后,通过反复训练、测试的实验过程,得到预测模型实验结果,并从横向、纵向进行对比分析,证明本文模型的科学性和有效性。特别的,本文首次提出针对电单车数据的行程时间预测研究,并引入深度神经网络技术来设计模型,取得了良好的研究结果。同时,也为未来“电单车车联网”的智能化预测研究提供了参考思路。