本发明公开了一种低通信开销的宏观交通规律建模方法。包括以下步骤：步骤1，由精确样本集合训练模型并得到重要性阈值；步骤2，用残缺和污染样本集合训练模型并测试得到污染程度；步骤3，传感器或车辆上传数据并进行预测；本发明的优越效果是：基于随机森林算法，在训练模型的过程中能够检测到特征之间的影响，能够方便地计算特征重要性，发掘数据的空间相关性并依此进行筛选；通过向模型人为加入噪声进而提高了模型泛化能力，同时总结交通数据本身存在的周期性规律，能够有效提高预测准确率。考虑机器学习预测性能和通信传输开销的相互影响，优化了学习与通信性能之间的关系。