本发明公开了一种基于时空图神经网络的时间序列数据预测方法，包括：采集道路车流辆数据，生成时间序列数据，根据传感器的空间特征来生成输入特征，捕捉时间特征来生成时间相似矩阵，然后通过映射生成全局时空相关邻接矩阵，再进一步生成组合时空相关邻接矩阵，将输入特征和组合时空相关邻接矩阵送入图神经网络中提取特征，使用Huber损失函数训练模型，预测车流量分布情况，汇总车流量分布。本发明能够对采集到的车流辆数据进行实时更新预测，捕捉到不同交通流数据之间潜在的时间和空间联系，获取道路交通网络的全局信息，用于智能交通系统的监测和管理，此方法具有耗时低、计算复杂度小、实时性高、准确率高的优点，并且适用于其他的时空预测任务。