及时、准确的交通流预测对于车辆导航规划和智能交通调度具有重要作用.道路交通不仅具有时空相关性,同时多种环境因素还会对交通状况造成重要影响.为提高道路交通流速度预测的准确率,首先对试验选择地区的降雨程度、空气污染程度数据进行分级处理,时间周期划分工作日与非工作日;然后结合双向长短期记忆网络和特征工程技术,建立基于多影响因素的交通流速度预测模型（MF - TPM）,并在公开的地区交通速度时序数据集与天气数据集上建模分析;最后基于大规模真实交通数据进行试验,结果表明:MF - TPM的预测精度比常用的长短期记忆网络、卷积神经网络和双向长短期记忆网络模型分别高2.20%,4.94%和0.63%.在不同的降雨程度和空气污染等级下,MF - TPM同样具有最佳的预测表现