摘要：城市交通流量预测是智慧城市发展的重要研究内容，现有方法难以充分捕捉动态交通网络中节点间的时空依赖特性，预测精度亟需提升。本研究基于动态图卷积网络，提出一种改进的分层动态交通流预测模型。在宏观与微观层面上对交通数据进行建模，确保模型能够动态调整不同层次之间的特征传递。同时，分别在宏观和微观层面构建动态卷积，对动态卷积的输入进行全局池化，再使用全连接层特征融合，最后遵循自注意力机制思想来计算节点相似度，将生成的动态图嵌入时空模型中提取空间特征。然后通过时间序列模型提取时间特征，最后得到预测结果。在XiAn和ShenZhen两个交通数据集上开展实验，结果表明本模型的预测性能优于主流交通预测模型。