本发明涉及一种基于时序交通事件的城市道路拥堵程度预测方法，步骤为：S1：获取城市路段的历史交通事件数据、实时交通事件数据和视频监测数据；S2：通过3D CNN识别视频数据中的交通拥堵前兆事件，结合历史交通事件进行数据时空融合；S3：确立拥堵程度分类标签，构建时序交通拥堵事件数据字典，筛选训练集、验证集和测试集；S4：建立LSTM序列数据分类模型，输入训练集，利用梯度下降法迭代更新模型参数；S5：验证集输入到参数更新后的模型，优化调整超参数，选取最优模型；S6：测试集输入到最优训练模型，检验模型的有效性，并结合实时交通监测数据进行道路拥堵预测。本发明利用LSTM建立序列数据分类模型，基于时序交通事件实现城市道路拥堵程度的预测。