Predecir con precisión el flujo de pasajeros a corto plazo es de gran importancia para la gestión diaria y para una respuesta de emergencia oportuna de las redes de tránsito ferroviario. En este documento, proponemos una Red Neural Fusionada de Grafos-Temporales basada en atención (GTFNN) que puede realizar predicciones en línea de flujos de origen-destino (OD) en una red de tránsito urbano a gran escala. Con el fin de resolver el problema clave de la histéresis de pasajeros en la predicción en línea de flujos, el GTFNN propuesto toma flujos OD finalizados y una serie de características, que son conocidas u observables, como entrada y realiza predicciones de múltiples pasos. El modelo se construye capturando las características espaciales y temporales. Para aprender las características espaciales, se propone una red neuronal de grafos de múltiples capas basada en relaciones ocultas en la red de tránsito ferroviario. Luego, incrustamos la convolución de gráficos en una Unidad Recurrente con Compuertas para aprender características espacio-temporales. Para aprender las características temporales, se propone una estructura de secuencia a secuencia incrustada con el mecanismo de atención para mejorar su capacidad de capturar dependencias locales y globales. Los experimentos basados en datos del mundo real recopilados del sistema de tránsito ferroviario de Chongqing muestran que las métricas de GTFNN son mejores que otros métodos, por ejemplo, el puntaje de SMAPE (Error Porcentual Absoluto Medio Simétrico) es aproximadamente del 14.16%, con un rango de entre un 5% y un 20% más alto en comparación con otros métodos.