Con la proliferación de 5G, redes inalámbricas y otra infraestructura, la transmisión de video en 360 grados ha experimentado un rápido desarrollo. La programación eficiente de las transmisiones de video en 360 grados depende de la retroalimentación precisa de la Calidad de Experiencia (QoE) del lado del usuario, lo que requiere la construcción de métodos de evaluación de QoE más precisos. Sin embargo, los métodos de evaluación de QoE basados en mosaicos existentes para la transmisión de video en 360 grados tienen varias limitaciones. Primero, los métodos de evaluación de calidad de video de referencia completa requieren un costo adicional para transmitir el video fuente como referencia. Segundo, muchos métodos basados en aprendizaje son demasiado complejos. Esta alta complejidad resulta en altos costos computacionales durante el entrenamiento, lo que reduce su practicidad en escenarios que requieren una adaptación frecuente del modelo. Tercero, algunos métodos se basan únicamente en indicadores simples como la tasa de bits y la duración de las interrupciones o características espaciales de forma aislada. Ignoran el acoplamiento espaciotemporal inherente en los videos de 360 grados, lo que reduce la precisión de la evaluación de QoE. En resumen, falta un método de evaluación de QoE ligero que pueda integrar de manera efectiva factores influyentes multidimensionales como las características espaciotemporales del video en 360 grados y el estado de la red. También falta un conjunto de datos de evaluación de QoE correspondiente. Por lo tanto, centrándose en la transmisión de video en 360 grados basada en mosaicos, este artículo propone un método de evaluación de QoE llamado STGCN360. Este método considera de manera integral factores influyentes multidimensionales, incluyendo el estado de la red y las características espaciotemporales de la transmisión de video. Para reducir la complejidad, limita el modelado de gráficos espaciotemporales a los mosaicos clave dentro del campo de visión del usuario, evitando la necesidad de procesar todos los mosaicos. Luego, se emplea una red neuronal convolucional de gráficos espaciotemporales (STGCN) para entrenar el modelo de evaluación de QoE. Además, integramos conjuntos de datos heterogéneos de múltiples fuentes a través de la ingeniería de características, lo que permite la representación simultánea de la calidad del video y factores multidimensionales para apoyar el entrenamiento de STGCN360. Los resultados experimentales indican que, en comparación con los métodos existentes, STGCN360 permite una evaluación de QoE más precisa para la transmisión de video en 360 grados, mejorando la precisión en aproximadamente un 30.79% a 32.07%. Al mismo tiempo, el costo del tiempo de entrenamiento se reduce significativamente, mejorando la eficiencia del entrenamiento en aproximadamente 3.7 a 5.1 veces.