Este artículo propone un modelo de predicción de flujo de pasajeros del metro de una red recurrente residual con compuertas considerando las características de pico plano, que primero propone el uso de un método de agrupamiento de densidad adaptativa, capaz de dividir dinámicamente el período de tiempo de pico plano del flujo de pasajeros del metro. En segundo lugar, este artículo propone una red recurrente residual gráfica, que utiliza una red convolucional gráfica fusionada con una red residual y combinada con una red recurrente con compuertas, para aprender simultáneamente las características temporales y espaciales del flujo de pasajeros. Finalmente, este artículo propone utilizar el mecanismo de atención espacial para aprender las características espaciales alrededor de las estaciones de metro, construir los componentes locales de características espaciales y aprender completamente las características espaciales alrededor de las estaciones para realizar la cuantización local de las características espaciales alrededor de las estaciones de metro. Los resultados experimentales muestran que la red recurrente residual gráfica considerando las características de pico plano puede mejorar efectivamente el rendimiento de predicción del modelo, y el método propuesto en este artículo tiene la mayor precisión de predicción en comparación con el modelo de predicción tradicional.