本发明涉及一种基于卷积神经网络的高速公路交通流预测方法，其特征在于包括以下步骤：1）、对交通流数据和外部因素数据进行预处理，构建时间相邻性矩阵，日周期性矩阵，周周期性矩阵和外部因素向量作为模型的输入；2）、采用卷积神经网络分别对交通流的时间相邻性，日周期性和周周期性进行建模，同时提取不同的时空特征；3）、基于步骤2）所提取的时空特征融合外部因素，构成融合向量作为全连接层的输入；4）、利用全连接层融合所有特征，完成最终的交通流预测，其利用深度学习模型对高速路网交通流进行建模，融合了交通流的时空特征和外部影响因素，使模型能够应对复杂交通流特征，获得预测结果，解决了对区域全部路段同时预测的问题。