城市交通拥堵是造成交通事故的重要原因，也是城市发展的主要障碍。通过学习历史交通流数据，我们可以预测未来一些区域的交通流，这对城市道路规划、交通管理、交通控制等都有重要意义。然而，由于交通网络拓扑结构的复杂性和影响交通流的因素的多样性，交通模式往往是复杂多变的，这给交通流预测带来了很大的困难。本文提出了一种新的图卷积神经网络，即多模态动态残差图卷积网络(MDRGCN)，用于同时捕获道路网络中不同