1.一种交通流量预测方法，其特征在于，所述方法利用周期注意力机制从历史交通流量特征中提取有用的信息，表示为，

其中 为历史交通流量数据， 为需要预测的 个时间段的交通流量，

表示预测的流量信息，其中 表示预测的时间步， 代表节点数， 表示带输入的模型， 表示空间注意力模块的节点嵌入；具体包括：处理周期性数据，基于不同周期选择不同的流量数据作为输入，包括对交通站点历史流量数据，划分周期性数据，更新周期性的节点依赖矩阵，其中，所述周期性数据为：，

其中， 表示原始输入， 代表站点数， 代表特征数， 表示用历史时间步的长度，将原始输入处理为周期性数据：小时数据、天数据、周数据，其中，为时间步的长度，为处理之后的周期性小时数据的时间间隔周期， 为处理之后的周期性天数据的时间间隔周期， 为处理之后的周期性周数据的时间间隔周期；

对不同周期数据进行时空特征的提取，将处理好的周期性数据分别送入周期性空间注意力模块来提取不同周期模式的周期性流量特征，其中所述时空特征包括小时周期性时空特征提取、天周期性时空特征提取、周时空性特征提取；基于周期性交通数据获取不同周期的时空依赖，基于模型学习到的时空依赖特征通过反向传播自适应的更新节点嵌入矩阵，所述对不同周期数据进行时空特征的提取过程中包括对时间交通依赖和空间交通依赖进行特征提取；

交通流量的空间依赖特征的权重分配及融合，利用周期空间注意力单元提取到不同周期模式的周期性流量特征后，将不同周期模式的周期性流量特征送入权重注意力模块，实现交通流量的空间依赖的权重分配及融合，其中所述交通流量的空间依赖特征的权重分配及融合过程中采用如下公式进行融合：，

其中： 为分配权重后的周期性特征输出， 表示连接操作， ， ，为可学习的权重参数，随着神经网络的训练而更新，从而动态的学习数据的不同权重， ， ，分别表示的是数据的小时、日和周时空特征， 为节点空间特征；

获得未来流量的预测结果，利用全局时空注意力模块，将分配权重的局部时空特征再提取全局的时空特征，获得未来流量的预测结果，其中所述利用全局时空注意力模块，将分配权重的局部时空特征再提取全局的时空特征，获得未来流量的预测结果的过程中还包括，采用的损失函数为均方根误差，公式如下： ，其中： 代表预测值， 代表真值， 代表预测的时间步数。

2.一种交通流量预测系统，其特征在于，基于权利要求1中所述方法利用周期注意力机制从历史交通流量特征中提取有用的信息，表示为，

其中 为历史交通流量数据， 为需要预测的 个时间段的交通流量，

表示预测的流量信息，其中 表示预测的时间步， 代表节点数， 表示带输入的模型， 表示空间注意力模块的节点嵌入；包括：输入模块、周期性空间注意力模块、处理模块和获取模块；

所述输入模块用于处理周期性数据，基于不同周期选择不同的流量数据作为输入，包括对交通站点历史流量数据，划分周期性数据，更新周期性的节点依赖矩阵，所述周期性数据为：，

其中， 表示原始输入， 代表站点数， 代表特征数， 表示用历史时间步的长度，将原始输入处理为周期性数据：小时数据、天数据、周数据，其中，为时间步的长度，为处理之后的周期性小时数据的时间间隔周期， 为处理之后的周期性天数据的时间间隔周期， 为处理之后的周期性周数据的时间间隔周期；

所述周期性空间注意力模块用于对不同周期数据进行时空特征的提取，将处理好的周期性数据分别送入周期性空间注意力模块来提取不同周期模式的周期性流量特征，其中所述时空特征包括小时周期性时空特征提取、天周期性时空特征提取、周时空性特征提取；基于周期性交通数据获取不同周期的时空依赖，基于模型学习到的时空依赖特征通过反向传播自适应的更新节点嵌入矩阵，所述对不同周期数据进行时空特征的提取过程中包括对时间交通依赖和空间交通依赖进行特征提取；

所述处理模块用于交通流量的空间依赖特征的权重分配及融合，利用周期空间注意力单元提取到不同周期模式的周期性流量特征后，将不同周期模式的周期性流量特征送入权重注意力模块，实现交通流量的空间依赖的权重分配及融合，其中所述交通流量的空间依赖特征的权重分配及融合过程中采用如下公式进行融合：，

其中： 为分配权重后的周期性特征输出， 表示连接操作， ， ，为可学习的权重参数，随着神经网络的训练而更新，从而动态的学习数据的不同权重， ， ，分别表示的是数据的小时、日和周时空特征， 为节点空间特征；

所述获取模块用于获得未来流量的预测结果，利用全局时空注意力模块，将分配权重的局部时空特征再提取全局的时空特征，获得未来流量的预测结果，其中所述利用全局时空注意力模块，将分配权重的局部时空特征再提取全局的时空特征，获得未来流量的预测结果的过程中还包括，采用的损失函数为均方根误差，公式如下： ，其中： 代表预测值， 代表真值， 代表预测的时间步数。

3.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述的交通流量预测方法。

4.一种终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序；

所述处理器用于执行所述存储器存储的计算机程序，以使所述终端实现权利要求1所述的交通流量预测方法。