本发明公开了一种基于深度学习的城市快捷货运量预测方法。传统的快捷货运量预测方法，一般是基于统计，预测模型的实际预测效果一般。本发明首先获取邮政快递数据集，并进行处理，从而得到训练数据集；基于图神经网络、循环神经网络和卷积神经网络，构建收端到末端的快捷货运量预测原始模型；采用得到的训练数据集，对构建的快捷货运量预测原始模型进行训练，从而得到快捷货运量预测模型，进行实际情况下的快捷货运量预测。本发明从空间和时间两个维度提取特征进行多步预测，相较于传统方法省去了复杂的人工特征设计和提取过程，故稳定性和可靠性更高。