التنبؤ المكاني-زماني يلعب دورًا مهمًا في العديد من مجالات التطبيق، خاصة في مجال المرور. ومع ذلك، بسبب التعقيد الكبير للارتباط المكاني-زماني والديناميكيات غير الخطية العالية في شبكات الطرق، لا تزال مهمة التنبؤ بالمرور تحديًا. إما أن تكون الأعمال الحالية ذات تكلفة تدريبية عالية أو أنها فاشلة في التقاط الأنماط المكانية-زمانية بدقة، كما أنها تتجاهل الارتباط بين الطرق البعيدة التي تشترك في أنماط مماثلة. في هذا البحث، نقترح إطارًا جديدًا للتعلم العميق لتجاوز هذه المشكلات: شبكات الرسم البياني الزماني ثلاثية الأبعاد (3D-TGCN). يتم تقديم مكونين جديدين في نموذجنا: (1) بدلاً من بناء رسم بياني للطرق استنادًا إلى المعلومات المكانية، نتعلمه من خلال مقارنة التشابه بين السلاسل الزمنية لكل طريق، مما يوفر إطارًا خاليًا من المعلومات المكانية. (2) نقترح نموذج احتكاك بياني ثلاثي الأبعاد أصلي لتمثيل البيانات المكانية-زمانية بدقة أكبر. تظهر النتائج التجريبية أن 3D-TGCN يمكن أن يتفوق على أفضل الأساليب الأساسية الحالية.