本发明涉及一种基于门控神经网络GRU的高速公路交通流参数预测方法及系统，所述方法包括以下步骤：根据采集数据的高速路线信息和路段收费站经纬度信息初筛选研究路段数据；接着针对异常数据的表现形式进行异常数据清洗，然后以一定的时间周期计算得到速度时间序列，接着对时间序列数据缺失情况进行缺失数据填充；将填充后速度时间序列数据分为训练数据和测试数据，并利用训练数据训练得到交通流预测模型，最后利用预测得到的数据与测试数据进行误差分析。本发明利用GRU长时间记忆数据特征的优势，可以得到更高的预测精度，且预测模型参数相对较少，具有良好的可移植性，可以为交通管理部门交通诱导以及交通事故管理调度提供技术支撑。