La predicción de la situación del tráfico aéreo es crítica para la gestión del flujo de tráfico y la asignación óptima de los recursos del espacio aéreo. En este estudio, el escenario de espacio aéreo de múltiples sectores se abstrae en un grafo no dirigido. Se desarrolla un modelo de red neuronal convolucional espaciotemporal (STGCN) para retratar la correlación espaciotemporal entre los cambios en la situación operativa de los sectores. El modelo puede predecir situaciones operativas de múltiples sectores utilizando datos de series temporales, como datos de situación operativa de los sectores y volumen de tráfico dentro del sector. La experimentación con el conjunto de datos de la situación del tráfico aéreo de 30 sectores de área en la zona de control de Shanghái reveló que el modelo STGCN tiene una precisión de predicción superior al 90%, y supera el método de referencia de predicción de tráfico tradicional. Esto demuestra la efectividad del modelo de predicción de situaciones propuesto.