本发明涉及一种基于联邦学习的隐私保护区域交通流量预测方法及系统，其特征在于，所述方法包括以下步骤：步骤1，采集区域交通流量预测需求，并针对所述预测需求构建初始预测模型；步骤2，采集区域内所有车辆的GPS轨迹数据并针对所述数据进行车辆去重，针对去重后的数据采用联邦学习算法对所述初始预测模型进行训练；其中，所述训练基于每个参与方的交叉评价结果进行投票，并基于投票结果获得当前梯度的权重系数；步骤3，基于训练后获得的预测模型对所述预测需求进行预测，并通过同态加密对预测结果进行加密后回传给生成所述预测需求的移动终端。本发明提升了全局模型鲁棒性，各LSP在不泄露运营数据的情况下实现了更准确的流量预测。