交通流精准预测对保障公共安全和解决交通拥堵具有重要的意义, 在城市交通规划、交通管理、交通控制等起着重要的作用. 交通预测由于其受限制于城市路网并且随着时间动态变化, 其中存在着空间依赖与时间依赖, 是近些年来具有挑战性的课题之一. 为了同时捕获到空间和时间上的依赖, 提出了一个新的神经网络: 基于注意力机制的时空图卷积网络 (A-TGCN). TGCN网络模型用于捕获交通数据中的动态时空特性与相关性, 采用注意力机制来增强每个A-TGCN层中关键节点的信息. 通过在两组数据上的实验结果表明, A-TGCN在精度以及可解释性方面都有很好的表现.