Los datos de tráfico de la red inteligente con la Red de Información Terrestre Integrada en el Espacio tienen las características de ráfagas de tráfico robustas, grandes datos de tráfico y alta volatilidad en comparación con el tráfico terrestre. Proponemos un algoritmo de Red de Convolución Temporal Controlada (GTCN) para resolver los problemas anteriores, el algoritmo segmenta la serie temporal de tráfico en longitudes iguales de acuerdo con la autocorrelación del tráfico de red, y crea la secuencia de características extrayendo las características segmentadas utilizando la Red de Convolución Temporal (TCN), para aprender las ráfagas y fluctuaciones del tráfico de red inteligente de la Red de Información Terrestre Integrada en el Espacio y mejorar la eficiencia de procesamiento de la serie temporal de tráfico. Luego, las secuencias de características de cada dato de subsección se almacenan, se filtran y se retienen a través de la unidad controlada. Finalmente, los datos de tráfico de red se predicen con precisión utilizando las características de las secuencias almacenadas por la TCN y la unidad de control. Los experimentos de simulación mostraron que, en comparación con los algoritmos de comparación, la precisión del algoritmo propuesto se mejora en al menos un 58.72%, la velocidad de entrenamiento del algoritmo se mejora en un 84.05%, y la velocidad de ejecución del algoritmo se mejora en un 71.92%, lo que cumple con los requisitos de precisión y puntualidad del modelo de predicción de tráfico de la Red de Información Terrestre Integrada en el Espacio.