面对港航信息化发展的需求,物联网技术助力我国水运交通感知网络的建设.水运交通大数据分析已成为交通领域研究者和实践者关注的热点.在水运交通中,各港口的通航密度具有非线性、时空相关性和异质性,对其进行精准预测将面临巨大的挑战.提出一种基于多特征时空图卷积网络(MFSTGCN,multi-feature spa-tio-temporal graph convolution network)的预测方法,解决了水运交通中通航密度的预测问题.MFSTGCN方法从通航量、船舶平均航速和船舶密度3个特征出发,利用空间维图卷积和时间维卷积操作有效捕获通航密度的时空相关性.在某航运平台采集的长江港口船舶自动识别系统(AIS,automatic identification system)数据集上进行实验,结果表明,MFSTGCN方法的预测效果优于时空图卷积网络(STGCN,spatio-temporal graph convolution network)方法的预测效果.