本发明公开了一种基于多模式动态残差图卷积网络的交通流预测方法，包括：对交通站点历史流量数据，构造关系矩阵和自适应矩阵学习站点依赖关系；利用多模式动态图卷积提取不同交通模式对应的流量特征；将图卷积嵌入到门控循环神经网络中，实现交通流量空间依赖和时间依赖的结合；利用动态残差连接网络，将输入流量数据与解码端数据结合，获得最终预测值。本发明利用两种不同的方法构造邻接矩阵，有效地捕捉不同交通模式对应的流量特征，并动态融合两种不同模式的交通流量特征，通过将多模式动态图卷积替换门控循环神经网络中的线性变换操作，将结合多模式动态图卷积和门控循环单元重新组成，从而实现同时捕捉交通流量的空间依赖性和时间依赖性。