1.一种交通流量的预测方法，其特征在于，所述预测方法包括：
采集目标地区指定时间段内的交通数据，所述指定时间段包括当前n小时，前一天同一时间段的n小时以及前一周对应日相同时间段的n小时；
对所述交通数据进行图卷积网络训练，捕获城市道路网络的拓扑结构以获得空间特征；
将所述空间特征的时间序列输入到门控循环单元模型中，通过单元之间的信息传递获得动态变化，以捕获时间特征；
根据所述空间特征和所述时间特征建立预测模型，以根据所述预测模型对目标地区的交通流量进行预测。
2.根据权利要求1所述的预测方法，其特征在于，在所述采集目标地区指定时间段内的交通数据之前包括：
检测目标地区的道路分布，根据所述道路分布构建道路网络图，其中，每个节点代表一条道路。
3.根据权利要求2所述的预测方法，其特征在于，所述捕获城市道路网络的拓扑结构以获得空间特征，包括：
根据所述交通数据构建邻接矩阵和特征矩阵；
通过所述接矩阵和特征矩阵获取节点之间的空间特征，构建gat模型；
通过所述gat模型获取道路网络拓扑结构的空间特征。
4.根据权利要求3所述的预测方法，其特征在于，捕获时间特征还包括，
根据所述空间特征获取所述道路网络图中各节点的高纬度表示；
将所述高纬度表示进行循环神经网络训练后得到预测值；
根据所述预测值构建预测模型。
5.根据权利要求2所述的预测方法，其特征在于，在所述采集所述道路网络图中指定时间段内的交通数据之后包括：
将每小时内所获取的交通数据按照五分钟的间隔分为12个单元，将一个单元内一个交通探头记录的数据作为一次时间节点的数据。
6.一种交通流量的预测系统，其特征在于，所述预测系统包括：
采集模块，用于采集目标地区指定时间段内的交通数据，所述指定时间段包括当前n小时，前一天同一时间段的n小时以及前一周对应日相同时间段的n小时；
空间特征获取模块，用于对所述交通数据进行图卷积网络训练，捕获城市道路网络的拓扑结构以获得空间特征；
时间特征获取模块，用于将所述空间特征的时间序列输入到门控循环单元模型中，通过单元之间的信息传递获得动态变化，以捕获时间特征；
预测模块，用于根据所述空间特征和所述时间特征建立预测模型，以根据所述预测模型对目标地区的交通流量进行预测。
7.根据权利要求6所述的预测系统，其特征在于，所述预测系统还包括：
检测目标地区的道路分布，根据所述道路分布构建道路网络图，其中，每个节点代表一条道路。
8.根据权利要求7所述的预测系统，其特征在于，所述空间特征获取模块，用提用于，包括：
根据所述交通数据构建邻接矩阵和特征矩阵；
通过所述接矩阵和特征矩阵获取节点之间的空间特征，构建gat模型；
通过所述gat模型获取道路网络拓扑结构的空间特征。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读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如权利要求1至5中任一项所述方法的步骤。