在汽车工业水平大幅进步和居民经济水平日益提高的背景下,我国居民汽车保有量持续增加,由此带来交通拥堵、环境污染等问题也日益严重。中共中央联合国务院印发的《交通强国建设纲要》明确指出智能化、数字化、轻量化、环保可持续发展化是未来交通建设的主要方向。发展绿色高效的智能交通系统是国家战略也是民心所向,交通流量预测是智能交通系统中重要的子课题。交通流量是智能交通系统分析的重要数据,区域的交通流量情况可以很好地反映出该区域当前的交通状况。使用交通流历史数据分析出交通流的潜在规律从而对未来交通流量做出预测具备显著的实用价值。但对高度复杂且非线性的交通系统进行有效分析是一个有挑战的课题。本课题针对交通数据表现出的高度时空动态性,提出了一种新型的基于图卷积和信息几何的交通流预测模型,该图卷积模型使用信息几何方法描述了交通节点数据的分布差异结合注意力机制形成动态矩阵,并应用到使用模糊关系对交通数据转移关系进行建模的图卷积网络中有效提取了交通流数据的动态特征,实验表明具有更准确的预测效果。本文的主要工作如下:（1）数据处理与交通流数据集规范化。交通流数据的收集在工业上有不同的方式,本文针对两种典型的收集方式,将收集到的不同形式真实交通数据从数据去噪、数据补齐等多方面进行处理,最后形成了形式一样的可用交通数据集。（2）交通流预测模型的构建。基于深度学习的交通流预测模型的主要任务是对交通系统中时间、空间特征进行有效提取。本文使用图卷积有效提取交通网络中的空间拓扑结构,并使用多层因果空洞卷积对时间维度特征进行提取。同时考虑到交通网络中时间空间特征的动态性,本文使用注意力机制来建模时空动态性,并通过信息几何方法考虑交通节点间的数据分布差异来加强注意力矩阵。在图卷积网络中使用模糊关系理论描述了交通节点间的传递关系,结合注意力矩阵动态地捕获了交通节点间数据的转移关系,达到更准确的预测效果。最后在多种真实世界交通数据集上证明了预测模型的有效性。（3）基于预测模型设计构建了实时路况评估方法。针对将交通流预测模型的预测结果转化为有效认知的问题,本文基于历史数据构建了两种从不同角度对交通路况进行衡量的指标,这两种指标从对历史数据的分析中考虑了交通路网中各节点的实际运载能力,再对两种指标使用模糊综合评价方法生成对交通节点的路况评估。