交通安全保证个人生命财产安全,也保护公共集体财产安全。智能交通系统（Intelligent Traffic System,ITS）将大数据技术、人工智能技术运用于交通领域,保障交通安全与运行效率。我国在“十一五”规划中将ITS定为公共交通领域优先发展的技术。交通流量预测是ITS系统的重要组成部分,准确的流量预测信息可以帮助交管部门提前对拥堵路段进行调度疏导,有效避免交通事故,提高路网的运行能力、应急处置能力,也给出行个人提供了多样化的出行选择。本文对交通流量预测展开了研究,主要研究工作如下:（1）基于切比雪夫多项式的细粒度图卷积网络。交通路网属于图结构数据,不适用于传统统计模型与卷积神经网络,适用于图卷积网络。为了解决图卷积网络中局部性差、复杂度高的问题。本文提出掩码矩阵与细粒度学习对图卷积网络进行优化。通过傅里叶变换定义频率域图卷积,使用切比雪夫多项式削弱复杂度,结合掩码矩阵与细粒度学习提高特征提取的能力。在实验中达到了82.6%的准确率,且速度较快。相较于传统方法提升明显。（2）基于多模式时空图卷积网络的交通流量预测。交通流量受时间、空间因素影响,传统模型同时提取时空特征较为困难。针对此问题构建交通路网拓扑图,在空间维度上使用改进的图卷积网络提取流量数据的空间特征,在时间维度上划分三种不同长度的时间模式并使用GRU提取时间维度特征,最后将时空特征融合编码进行流量预测;在实验中MAE与RMSE评价指标均优于其他模型,可视化结果直观地展示了模型有效性。（3）基于Django的ITS综合服务网站。为完善ITS系统生态,满足用户应用场景,使用Django框架、Python语言与My SQL数据库搭建一个ITS综合服务网站,包含资讯阅读、预警发布、紧急咨询、流量预测、商城等功能,提供信息获取、辅助决策、安全预警等能力。