针对“随着预测距离的增加，旅行时间预测的难度加大”的问题，提出了一种基于时空特征向量的长短期记忆（LSTM）和人工神经网络（ANN）的综合预测模型。首先，将24 h切分为288个时间切片，以生成时间特征向量；然后，基于时间切片建立LSTM时间窗口模型，该模型可解决长期预测的窗口移动问题；其次，将公交线路切分为多个空间切片，并使用当前空间切片的共同平均速度作为瞬时速度，同时将每个空间切片的预测时间用作空间特征向量，并将其发送到新型的混合神经网络模型LSTM-A中，该模型结合两种预测模型的优点并解决了公交旅行时间预测问题；最后，基于实验数据集进行了实验和测试：将公交站点间的预测问题划分为线路切片预测子问题，并针对每个相关的子问题引入了实时计算的概念，从而避免了复杂路况带来的预测误差。实验结果表明，所提算法在准确性、适用性方面均优于单个神经网络模型。综上，所提的新型混合神经网络模型LSTM-A能从时间特征的维度实现长距离到站预测、从空间特征的维度实现短距离到站预测，从而有效地解决了城市公交旅行时间预测问题，避免了公交车辆的远程依赖和错误积累。