本发明公开了一种多因素的短时交通流预测方法，包括步骤：1)计算特定检测器与气象站之间的距离，筛选出距离最近的气象站，将该气象站的天气数据作为检测器的天气数据；2)分别对检测器的历史交通流数据与历史天气数据进行预处理，再根据时间合并；3)构建多种特征，基于LightGBM进行特征筛选；4)利用LSTM对交通流数据的时序特征与周期性特征进行建模；5)使用神经网络中的全连接网络将交通流的时序特征、周期性特征与步骤3)筛选出来的多种特征进行融合；6)训练模型并对短时交通流进行预测。本发明克服了现有方法不能充分利用已有数据的不足，能对交通流数据进行更深入的挖掘分析，预测准确性高，鲁棒性好。