本发明公开了一种基于时序图神经网络的交通速度预测方法，包括以下步骤：S1、收集交通速度传感器网络观测数据，构建交通图和速度观测序列；S2、编码端对原始节点特征进行特征变换；S3、节点空间特征融合；S4、基于双向时序空间编码层，建模网络中的动态时序特征；S5、解码端对原始节点特征进行特征变换；S6、基于双向GRU层学习拼接特征的编码时序特征；S7、基于时序多头注意力层，计算当前时刻的状态与编码端的若干个观测状态之间的注意力，并进行预测。本发明克服了静态拓扑的时序交通网络中时序特征和空间特征的建模问题，基于时序图神经网络，提升了交通速度预测模型对空间特征、时序依赖特性的捕捉能力，具有较好的可用性。