本发明公开了一种基于元学习的静态动态协同图卷积交通预测方法，采用堆叠图卷积单元的图卷积模块来提取时空特征，每个图卷积单元包括一个基于元学习的时间门控卷积层M‑TGCL和一个静态动态协同图卷积层SDCGCL，M‑TGCL采用元学习来增强空间和时间特征之间的联系，从而能够对拥堵传播过程进行建模，考虑到静态因素和动态因素对交通流量的单独作用和共同作用，SDCGCL旨在对这两类因素进行协同建模，以深入提取空间特征。为了适应不同道路上局部交通状况的多样性，根据特定局部交通状况选择性地聚合不同层次的时空特征，使模型能够提取出细粒度的时空特征，提高了预测模型的稳健性和预测的可靠性。