本发明属于智能交通领域，具体涉及一种基于Transformer的自适应时空图神经网络交通流预测方法及系统，方法包括获取历史数据，将历史数据拼接后作为输入数据；将输入数据使用向量进行表示，并获取表征路网空间特征的邻接矩阵和交通流特征矩阵；根据路网的连通性和节点特征矩阵，提取节点自身的时间相关性、不同节点间之间的时空相关性获得第一交通流特征矩阵，并根据路网结构中的隐藏的空间相关性，获得第二交通流特征矩阵；将第一交通流特征矩阵与第二交通流特征矩阵进行融合，得到最终的交通流特征，将该特征输入预测模型进行预测得到预测结果；本发明在复杂交通的状况下对较长时交通流具有良好的预测效果。