La predicción precisa del flujo de pasajeros en las estaciones es crucial para optimizar la eficiencia del tránsito ferroviario, pero el flujo máximo de pasajeros en el tránsito ferroviario urbano (URT) a menudo se ve interrumpido por eventos aleatorios, lo que hace que las predicciones sean desafiantes. En este artículo, con el fin de resolver este desafío, se introduce un modelo basado en la Red de Fusión de Características Espacio-Temporales de Convolución de Grafo Bi-gráfico (BGCSTFFN) para capturar correlaciones espacio-temporales complejas. Se utiliza una combinación de una red neuronal de convolución de grafo y un Transformer. El modelo introduce por separado la información de uso del suelo (punto de interés, POI) y la información de adyacencia de estaciones como características en el modelo BGCSTFFN, utilizando la matriz de coeficiente de correlación de Pearson, que se evalúa en un conjunto de datos real de flujo de pasajeros del 1 al 25 de enero de 2019 en Hangzhou. Los resultados mostraron que el modelo proporcionó consistentemente los mejores resultados de predicción en diferentes conjuntos de datos y tareas de predicción en comparación con otros modelos de referencia. Además, en tareas que implican predicciones con diferentes combinaciones de entradas y pasos de predicción, el modelo mostró un rendimiento superior en múltiples pasos de predicción. Su aplicación práctica se valida comparando los resultados de la predicción del flujo de pasajeros para diferentes tipos de estaciones. Además, se verificó el impacto de estas características en la precisión de la predicción y la capacidad de generalización del modelo mediante el diseño de experimentos de ablación y pruebas en diferentes conjuntos de datos.