本发明公开了一种基于深度学习网络的高速公路货运量预测方法及系统，其中方法包括：获取模型的输入数据；构建高速公路网络图，计算Dijkstra矩阵，计算入口货车流量与出口货车流量的皮尔逊系数矩阵，将Dijkstra矩阵与皮尔逊系数矩阵组合形成复合邻接矩阵；将输入数据及复合邻接矩阵输入到模型的图卷积层，将拉普拉斯矩阵与空间注意力权重矩阵融合后，采用图卷积神经网络聚合空间信息；将输入的数据与时间注意力权重矩阵融合后，采用长短时记忆网络学习时间特征；连接层的输出进行逆归一化后生成最终预测结果。本发明充分考虑图卷积神经网络聚合空间信息的能力和长短时记忆网络对时间序列的学习能力，可获得较高的预测结果，可广泛应用于智能交通领域。