本发明涉及一种基于阻抗矩阵的改进时空网络交通流流量预测方法，属于交通评价和控制领域。超前准确的流量预测可以为交通管理和控制提供决策的基础数据，有利于提升管控能力和效率。一方面，现有方法主要通过交通节点检测器的历史数据训练预测模型，忽略了节点之间的空间关系，导致不同节点的预测结果与实际有一定差距。另一方面，现有预测对长时间的流量数据相关性挖掘不足，往往难以完成较长时间颗粒的预测任务，以至于长时流量预测不准确。本专利对历史数据进行基础空间关系的构建，结合交通阻抗矩阵实时刻画路网节点间的空间关系，通过所提的STTN网络深度学习模型刻画更长时间的时间相关性，以提升长时流量预测的准确性。