En los últimos años, estudiar y predecir patrones de movilidad en entornos urbanos se ha vuelto cada vez más importante, ya que la información precisa y oportuna sobre los flujos de vehículos actuales y futuros puede aumentar con éxito la calidad y disponibilidad de los servicios de transporte (por ejemplo, servicios de uso compartido). Sin embargo, predecir el número de vehículos entrantes y salientes para diferentes áreas de la ciudad es un desafío debido a las dependencias espaciales y temporales no lineales típicas de los patrones de movilidad urbana. En este trabajo, proponemos STREED-Net, una arquitectura de autoencoder novedosa que presenta convoluciones distribuidas en el tiempo, unidades jerárquicas en cascada y dos mecanismos de atención distintos (uno espacial y uno temporal) que capturan y explotan de manera efectiva patrones espaciales y temporales complejos en datos de movilidad para el problema de predicción de flujos a corto plazo. Se reportan los resultados de un análisis experimental exhaustivo utilizando datos de la vida real, lo que indica que el modelo propuesto mejora el estado del arte para esta tarea.