La velocidad de la sección de la autopista puede reflejar visualmente la condición de operación de la sección, y la predicción precisa de la velocidad de la sección a corto plazo tiene una amplia gama de aplicaciones en la planificación de rutas y la orientación del tráfico. Sin embargo, los datos de predicción de velocidad de la autopista existentes tienen defectos, como la densidad dispersa y los desafíos de objetos incompletos. Por lo tanto, este documento propone un marco para un modelo combinado de predicción de velocidad del tráfico de autopistas basado en la transformada wavelet y la red convolucional gráfica espacio-temporal (WSTGCN) de los datos de transacciones de las cabinas de peaje electrónico (ETC). Primero, el marco preprocesa los datos de transacciones de las cabinas ETC para construir las velocidades de las secciones. Luego se realiza la descomposición wavelet y la reconstrucción de una sola rama en las secuencias de velocidad de las secciones, y las características espaciales son capturadas por la red convolucional gráfica (GCN) para cada secuencia de una sola rama reconstruida, y las características temporales son extraídas conectando la unidad recurrente con compuerta (GRU). Los experimentos utilizan los datos de transacciones de las cabinas ETC de la autopista de Quanzhou a Xiamen. Los resultados indican que el modelo WSTGCN presenta mejoras notables en comparación con el modelo base para diferentes rangos de predicción.