本发明公开了一种基于图嵌入模型和度量学习的交通状况预测方法，将道路的上下文道路，包括与当前道路在时间、空间邻近的道路以及与当前道路的城市兴趣点分布相似、通行速度高度相关的道路表示为隐空间中低维、稠密的向量。该向量表示能够保持道路之间原本的相似关系，从而能够提高交通状况预测任务的性能。在得到这种保持语义相似性的向量表示后，利用K近邻分类器对道路的交通状况进行分类，进而完成交通状况的预测任务。在K近邻分类器中，基于度量学习的方法，可以自动学习在交通状态预测任务中衡量向量之间距离的最佳度量方式，还能有效避免手动选择距离度量方式的弊端。