本文在智慧交通和智慧校园的背景下,针对高校穿梭车管理人员难以匹配供需关系而导致的运营效率低和师生出行困难的问题,基于长短时记忆网络实现对未来不同时段的短时客流预测,协助车辆运营人员合理调度车辆,最终提出有效的客流预测应用系统,实现高效运管,提升师生出行满意度,促进校园智慧交通的建设。本研究在充分调研短时客流预测研究现状和用户需求的前提下,在算法预测方面,根据师生过往乘车支付数据的特点提出针对性的数据清洗方案,以长短时记忆网络模型结合变分模态分解的算法为技术基础,对模型参数进行调优,建立高校穿梭车交通客流预测模型;在对预测结果进行可视化的设计中,以设计事理学为指导理论,结合实践经验挖掘用户在调度车辆和乘车时的痛点,规划并定义产品功能,细化视觉和交互维度的审美性和科学性,融入算法部分的预测结果,为车队运营方设计开发出客流预测应用系统;在产品的评估优化中,通过视觉显著性相关理论和计算方法验证产品界面的合理性,并采用启发式评估对产品可用性进行度量和改进,创新地解决了校园交通的调度问题,用算法和设计手段切实提高了校内师生出行的满意度。本研究通过与其他标准的深度学习模型预测结果做对比,采用合理的误差评价指标,对短时客流预测任务中的预测结果进行评价,证明本文提出的VMD-LSTM优化组合模型有较好表现,具备可靠性;在产品设计环节,根据对用户反馈、界面视觉显著性计算以及启发式评估结果的分析,显示出本文提出的客流预测应用系统用户体验良好,具有可用性。