【摘要】为了捕捉大规模路网交通流量复杂、动态的时空特征，实现大规模路网交通流量的准确预测，建立了基于Graph Transformer的交通流预测模型。该模型运用GRU模块提取路网中历史交通流量的时间特征，根据分布在路网中的传感器之间的关联，建立以历史交通流量为节点、传感器间的相互联系为边的交通图。在此基础上，运用基于Graph Transformer的深度学习技术进行时空特征的提取。为了验证该预测模型的性能，基于PeMS高速公路数据集与6种基线模型进行对比，实验表明本文提出的预测模型展现了最优的预测性能。