1.一种交通流量预测方法，其特征在于，包括：获取设定时段内站点的历史交通流量，经预处理后得到无异常的历史交通流量；

将无异常的历史交通流量输入到训练好的交通流量预测模型中，得到待预测时段内站点的交通流量预测结果，所述交通流量预测模型包括：图构建模块，基于站点的历史交通流量构建包含节点信息和静态邻接矩阵的静态图以及包含节点信息和第三动态邻接矩阵的动态图；

节点更新模块，对静态图和动态图中的节点信息进行更新；

边更新模块，生成一个初始的隐藏状态，然后执行以下循环以更新邻接矩阵J：根据输入的隐藏状态、邻接矩阵J和更新后的节点信息更新历史交通流量和隐藏状态，根据更新后的历史交通流量生成两个动态滤波器张量，根据两个动态滤波器张量生成第一动态邻接矩阵和第二动态邻接矩阵，根据第一动态邻接矩阵和第二动态邻接矩阵更新邻接矩阵J；其中，邻接矩阵J为静态邻接矩阵或第三动态邻接矩阵；

时间卷积预测模块，基于更新后的节点信息、静态邻接矩阵和第三动态邻接矩阵进行预测，得到交通流量预测结果；

所述基于站点的历史交通流量构建包含节点信息和静态邻接矩阵的静态图以及包含节点信息和第三动态邻接矩阵的动态图，包括：将监测交通流量的一个站点作为交通流量图中的一个节点，将节点的历史交通流量作为节点信息，将两个站点之间的关联性作为交通流量图中的边，构建交通流量图；

通过站点索引将交通流量图中的节点映射为节点嵌入向量；

通过以下公式计算节点之间的静态相关性：

；

其中，表示第i个节点的节点嵌入向量， 表示第j个节点的节点嵌入向量， 表示第i个节点和第j个节点之间的静态相关性，Relu表示Relu激活函数，Softmax表示Softmax函数，上标T表示转置；

根据节点之间的静态相关性，构建静态邻接矩阵 ；其中，静态邻接矩阵 的第i行第j列存储 ；

将交通流量图中的边替换为静态邻接矩阵中对应的静态相关性，得到静态图；

通过以下公式计算节点之间的动态相关性：

；

；

；

；

；

；

其中， 、 、 、 、 、 和 是设定的权重矩阵，Z表示所有节点的节点嵌入向量，X表示节点的历史交通流量，表示当前时间步输出的最终节点状态， z表示更新门权重系数，r表示重置门权重系数，h表示当前时间步的新状态候选值，tanh表示tanh函数，sigmoid表示sigmoid函数， 表示第i个节点的最终节点状态，表示第j个节点的最终节点状态， 表示空间维度的大小， 表示第i个节点和第j个节点之间的中间动态相关性， 表示第i个节点和第j个节点之间的动态相关性；

根据节点之间的动态相关性，构建第三动态邻接矩阵 ；其中，第三动态邻接矩阵的第i行第j列存储 ；

将交通流量图中的边替换为第三动态邻接矩阵中对应的动态相关性，得到动态图。

2.根据权利要求1所述的交通流量预测方法，其特征在于，所述预处理包括将历史交通流量的缺失数据补充完整，通过以下方法进行：根据缺失数据的前后相邻时刻的历史交通流量的差值，将缺失数据补充完整，得到无异常的历史交通流量。

3.根据权利要求1所述的交通流量预测方法，其特征在于，所述节点更新模块为改进时序图卷积网络，改进时序图卷积网络包括图卷积网络和门控循环单元，图卷积网络基于输入的历史交通流量对静态图和动态图中节点信息的空间关系进行更新，门控循环单元对静态图和动态图中节点信息的时间关系进行更新，得到更新后的节点信息；

所述图卷积网络的表达式为：

；

；

其中，XK表示设定时间步长K内的各个节点的历史交通流量， 表示静态邻接矩阵，表示第三动态邻接矩阵， 表示空间关系更新后的静态节点信息， 表示空间关系更新后的动态节点信息，GCN表示图卷积网络，Relu表示Relu函数；

所述门控循环单元的表达式为：

；

其中， 表示更新后的节点信息，GRU表示门控循环单元。

4.根据权利要求1所述的交通流量预测方法，其特征在于，所述边更新模块包括超网络、双向图卷积循环、动态滤波器和相似性循环；

所述超网络用于生成一个初始的隐藏状态；

所述双向图卷积循环用于根据输入的隐藏状态、邻接矩阵J和更新后的节点信息更新历史交通流量和隐藏状态；

所述动态滤波器用于根据更新后的历史交通流量生成两个动态滤波器张量，根据两个动态滤波器张量生成第一动态邻接矩阵和第二动态邻接矩阵；

所述相似性循环用于根据第一动态邻接矩阵和第二动态邻接矩阵更新邻接矩阵J。

5.根据权利要求1所述的交通流量预测方法，其特征在于，在边更新模块中对静态邻接矩阵更新，通过以下循环进行：；

；

；

；

；

；

；

其中， 表示节点第m次循环的历史交通流量， 表示更新后的节点信息，表示串联操作，和 是控制不同成分权重的超参数， 和 分别表示第m、m+1次循环的隐藏状态，表示第m次循环的静态邻接矩阵，当m=1时， 是输入边更新模块的静态邻接矩阵，GCN表示图卷积网络， 表示第m次循环的反向静态邻接矩阵，由 转置得到，上标T表示转置，为循环图卷积操作， 表示第m次循环的第一动态滤波器张量， 表示第m次循环的第二动态滤波器张量， 表示第一动态邻接矩阵， 表示第二动态邻接矩阵，表示哈达玛积，Z表示所有节点的节点嵌入向量， 表示完成第m次循环后输出的静态邻接矩阵；

执行上述循环，直至循环次数达到预设次数，输出最后一次循环的静态邻接矩阵，得到更新后的静态邻接矩阵 ；

在边更新模块中对第三动态邻接矩阵更新，通过以下公式进行：；

；

；

；

；

；

；

其中， 表示第m次循环的第三动态邻接矩阵，当m=1时， 是输入边更新模块的第三动态邻接矩阵， 表示完成第m次循环后输出的第三动态邻接矩阵；

执行上述循环，直至循环次数达到预设次数，输出最后一次循环的第三动态邻接矩阵，得到更新后的第三动态邻接矩阵 。

6.根据权利要求1所述的交通流量预测方法，其特征在于，所述时间卷积预测模块包括卷积膨胀层、时间卷积层和图卷积预测层；

所述卷积膨胀层的表达式为：

；

其中，*表示卷积操作， 表示第i个节点的历史交通流量， 表示膨胀卷积层第1层的输出， 表示大小为1×2的滤波器， 表示大小为1×3的滤波器， 表示大小为1×6的滤波器， 表示大小为1×7的滤波器，concat表示concat函数；

所述时间卷积层的表达式为：

；

其中， 表示哈达玛积，表示预测时间步长L内的节点信息，表示膨胀卷积层最后一层的输出，tanh表示tanh函数，sigmoid表示sigmoid函数；

所述图卷积预测层的表达式为：

；

其中， 表示更新后的静态邻接矩阵， 表示更新后的第三动态邻接矩阵，GCN表示图卷积网络， 表示交通流量预测结果。

7.根据权利要求1所述的交通流量预测方法，其特征在于，所述交通流量预测模型训练所用的损失函数为SmoothL1Loss损失函数，SmoothL1Loss损失函数的表达式为：；

其中， 表示SmoothL1Loss损失函数的值，y表示交通流量的真实值，ŷ表示交通流量预测结果。

8.一种交通流量预测装置，其特征在于，包括：历史交通流量获取模块，被配置为：获取设定时段内站点的历史交通流量，经预处理后得到无异常的历史交通流量；

未来交通流量预测模块，被配置为：将无异常的历史交通流量输入到训练好的交通流量预测模型中，得到待预测时段内站点的交通流量预测结果；

其中，所述交通流量预测模型包括：

图构建模块，基于站点的历史交通流量构建包含节点信息和静态邻接矩阵的静态图以及包含节点信息和第三动态邻接矩阵的动态图；

节点更新模块，对静态图和动态图中的节点信息进行更新；

边更新模块，生成一个初始的隐藏状态，然后执行以下循环以更新邻接矩阵J：根据输入的隐藏状态、邻接矩阵J和更新后的节点信息更新历史交通流量和隐藏状态，根据更新后的历史交通流量生成两个动态滤波器张量，根据两个动态滤波器张量生成第一动态邻接矩阵和第二动态邻接矩阵，根据第一动态邻接矩阵和第二动态邻接矩阵更新邻接矩阵J；其中，邻接矩阵J为静态邻接矩阵或第三动态邻接矩阵；

时间卷积预测模块，基于更新后的节点信息、静态邻接矩阵和第三动态邻接矩阵进行预测，得到交通流量预测结果；

所述基于站点的历史交通流量构建包含节点信息和静态邻接矩阵的静态图以及包含节点信息和第三动态邻接矩阵的动态图，包括：将监测交通流量的一个站点作为交通流量图中的一个节点，将节点的历史交通流量作为节点信息，将两个站点之间的关联性作为交通流量图中的边，构建交通流量图；

通过站点索引将交通流量图中的节点映射为节点嵌入向量；

通过以下公式计算节点之间的静态相关性：

；

其中，表示第i个节点的节点嵌入向量， 表示第j个节点的节点嵌入向量， 表示第i个节点和第j个节点之间的静态相关性，Relu表示Relu激活函数，Softmax表示Softmax函数，上标T表示转置；

根据节点之间的静态相关性，构建静态邻接矩阵 ；其中，静态邻接矩阵 的第i行第j列存储 ；

将交通流量图中的边替换为静态邻接矩阵中对应的静态相关性，得到静态图；

通过以下公式计算节点之间的动态相关性：

；

；

；

；

；

；

其中， 、 、 、 、 、 和 是设定的权重矩阵，Z表示所有节点的节点嵌入向量，X表示节点的历史交通流量，表示当前时间步输出的最终节点状态， z表示更新门权重系数，r表示重置门权重系数，h表示当前时间步的新状态候选值，tanh表示tanh函数，sigmoid表示sigmoid函数， 表示第i个节点的最终节点状态，表示第j个节点的最终节点状态， 表示空间维度的大小， 表示第i个节点和第j个节点之间的中间动态相关性， 表示第i个节点和第j个节点之间的动态相关性；

根据节点之间的动态相关性，构建第三动态邻接矩阵 ；其中，第三动态邻接矩阵的第i行第j列存储 ；

将交通流量图中的边替换为第三动态邻接矩阵中对应的动态相关性，得到动态图。

9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时，实现权利要求1至7中任一项所述的交通流量预测方法的步骤。