准确的交通流预测可以为管理部门提供科学的决策依据，是交通领域最重要的问题之一。目前，交通流预测中没有充分考虑交通流与密度、交通流与速度之间的相关特征信息以及忽略多尺度时间特征的问题。提出了一种用于交通流预测的双分支时空图。首先，根据流量数据的周期性，网络将其分为两个时间粒度的数据输入：短期和周期。其次，在每个输入支路中，通过相关选通线性单元aglu提取流量与密度、流量与速度之间的相关特征信息。然后，通过图卷积层和多尺度时间卷积层提取相关特征中的时空上下文信息，最后通过选通机制对预测结果进行融合，从而实现对交通流的准确预测。实验结果表明，该模型在交通流预测的准确性和稳定性方面优于其他模型。