基于考虑人类流动性的图时空Transformer模型的交通流预测方法。包括：1)数据收集：本发明采用美国不同地区的真实交通数据集，经过筛选提取预处理以后，得到实验所需的数据；2)空间特征提取：设计多视图图卷积揭示隐藏在交通数据中人们的不同行为模式，从而展现交通数据中看不见的图结构，充分挖掘空间上的跨路网特征；3)时间特征提取：使用带有多头注意力机制的Transformer网络进行时间特征提取；4)模型构建：联合时间和空间特征，构建用于交通流预测的图时空Transformer模型；5)数据集验证：本发明采用真实世界的交通数据集对图时空Transformer模型进行性能评估，最终确定图时空Transformer模型的有效性，并用于交通流预测。以实验表明本发明对于处理类似问题具有出色表现。