本发明公开了一种基于自适应部分注意力扩散图卷积神经网络的交通流量预测方法，包括如下步骤：准备交通流量数据集，将数据划分为三个时间周期分段，即最近周期、每日周期和每周周期，每个周期数据分别进入深度神经网络进行学习，建模不同的交通模式；进入神经网络之前，将数据集进行标准化处理；利用节点嵌入算法，设置两个节点嵌入向量，构建自适应的节点关联矩阵；定义节点间的注意力函数，设置节点的距离阈值，构建节点部分注意力矩阵，并将其与节点关联矩阵融合获得动态节点关联矩阵；将标准化的历史数据与动态节点关联矩阵一同送入图卷积和扩散卷积层中，获得处理过空间关系的数据；进入时间层，使用门控扩散卷积进行时间关联提取，通过线性层得到预测结果；将三个周期预测结果进行加权融合得出最终预测结果。本发明选择图神经网络，可以很好的对图数据进行特征捕捉，并结合扩散卷积层简化训练，对交通流量数据进行建模。