我国经济的快速发展在较大程度上得益于我国对交通网络基础设施的建设,一方面交通网络建设属于大型的基础设施建设,起到很大的投资拉动作用,但是更重要的是交通设施的改善,直接促进了交通运输行业的进步,并有力支撑了物流行业的发展,尤其是随着网络购物的流行和普及,更大的促进了我国的物流运输行业的快速发展。交通运输成为我国各个地区重点发展的行业之一,因此如何分析交通运输行业的问题,并且为国家和地区做出有效的指导是一项重要而且有意义的课题。随着计算水平的进步,尤其是科学计算方法的普遍使用,准确的分析数据成为各个行业的重要课题之一,交通运输行业实际涵盖的范围较广,数据量也非常大,使用现代的计算方法可以较快的实现数据的计算,并且能够提供更加准确的计算结果。因此,本文采用因子分析和神经网络的计算方法,分析交通运输数据,以此提高数据分析的准确性。本文针对山东省17个地级城市在城市运输方面进行研究,数据来源是《山东统计年鉴-2015》,山东统计年鉴是一部反映山东省的社会经济和国民情况的资料。通过研究城市运输方面的统计数据,本文利用因子分析算法和神经网络算法主要完成了以下两个任务。第一,利用因子分析对山东省17个地级城市在城市运输方面进行分析,得到因子得分和综合排序。因子分析,就是通过分析实际变量之间的各种相关关系,从而能够找到少数的几个变量来表示实际的指标,少数的几个变量和原始的指标变量之间存在一定的线性关系。利用因子分析针对17个地级城市在城市运输方面的45个属性进行分析,得到6个公共因子,计算因子得分,对山东省17个地级城市关于城市运输方面进行排名分析。第二,利用神经网络算法对山东省运输线路总长度进行建模,寻找自1949年以来山东省运输线路总长度的增长关系。人工神经网络由大量的神经元组成,通过神经元和神经元之间的相互联系来达到信息存储和传递的目的。神经网络能够模拟人脑的神经系统的特性,所以通过神经元和神经元之间的关系来建立相关的数据模型。对山东省从1949年以来的运输线路长度及铁路线路长度、公路线路长度、内河线路长度进行汇总,建立神经网络模型,由上一年的铁路线路长度、公路线路长度、内河线路长度预测下一年的运输线路总长度。通过不同的神经网络算法进行建模,并对预测结果进行对比分析。