本发明涉及一种短期交通预测图卷积网络的路况评估方法，属于智能交通领域。通过将表示交通网络中节点的距离二元关系的邻接矩阵抽象为模糊关系矩阵，并通过计算出其传递闭包得到表达所有潜在节点之间联系的转移关系矩阵，并结合注意力机制的自学习矩阵得到基于当前输入的转移关系矩阵，然后将此矩阵用于图卷积过程。有益效果在于，通过权重学习表示出交通网络中数据的转移关系，提高了图卷积网络对交通数据流中动态空间依赖的捕捉能力。同时模型通过构建三类数据集考虑了交通流量中长时间跨度依赖，并通过因果空洞卷积考虑短时间跨度，提高了交通数据预测的准确性。