本发明公开了一种基于深度学习的自注意力电梯困人预测方法，其中深度学习模型接受电梯静态信息和历史动态信息，对输入特征做归一化处理，将处理后的特征传入长短期记忆网络，获得时序抽象特征；将时序抽象特征序列放入自注意力机制层，计算不同时间点的特征对于当前时间点特征的相似性，并加权求和，得到综合全时段信息的当前时间点特征；将综合后的当前时间点特征传入二层全连接层，将特征转换为二元的困人/不困人概率预测；本发明可以在不使用电梯组件具体运行数据的前提下，仅使用电梯的静态数据与历史动态数据，预测电梯在下一个时间点的困人概率，解决电梯在当前物联网设备安装不足的情况下直接有效数据不足的问题。