本发明涉及一种基于Transformer时空图卷积网络的交通流预测方法，属于交通流预测技术领域，包括以下步骤：根据路网部署的探测器及其之间的连通性和欧氏距离构造静态邻接矩阵；对探测器所采集到的交通流原始数据按指定时间间隔进行合并；对数据集采用最大最小方法进行归一化处理，并构建交通流时空图，将数据集分为训练集和测试集；构造基于Transformer时空图卷积网络预测模型；将训练集数据作为输入，训练预测模型；利用训练完成的时空图卷积网络预测模型对测试集进行交通流预测，并根据预测结果和实际交通数据，对预测误差进行评价分析。相比传统方法而言，本方法可以有效提取交通流数据中的时空相关性，更加充分地挖掘交通流数据中的信息，提升其预测精度。