La predicción precisa del tráfico es fundamental al construir ciudades inteligentes para mejorar la movilidad urbana y gestionar eficientemente los flujos de tráfico. Los modelos tradicionales de predicción de tráfico basados en aprendizaje profundo se centran principalmente en capturar dependencias espaciales y temporales, pasando por alto la existencia de heterogeneidades espaciales y temporales. La heterogeneidad es una característica inherente crucial de los datos de tráfico para las aplicaciones prácticas de la predicción de tráfico. Las heterogeneidades espaciales se refieren a las diferencias en los patrones de tráfico en diferentes regiones, por ejemplo, las variaciones en el flujo de tráfico entre áreas de oficinas y comerciales. Las heterogeneidades temporales se refieren a los cambios en los patrones de tráfico a lo largo de diferentes pasos de tiempo, por ejemplo, de la mañana a la tarde. Aunque los modelos existentes intentan capturar las heterogeneidades a través de características predefinidas hechas a mano, múltiples conjuntos de parámetros y la fusión de gráficos espacio-temporales, aún existen algunas limitaciones. Proponemos un marco de predicción de tráfico basado en aprendizaje auto-supervisado llamado Predicción de Tráfico con Aprendizaje Auto-Supervisado (TPSSL) para abordar este problema. Este marco aprovecha un codificador espacio-temporal para la tarea de predicción e introduce enmascaramiento de datos adaptativo para mejorar la robustez del modelo contra perturbaciones de ruido. Además, introducimos dos paradigmas auxiliares de aprendizaje auto-supervisado para capturar heterogeneidades espaciales y temporales, que también enriquecen los incrustamientos de la tarea de predicción principal. Realizamos experimentos en cuatro conjuntos de datos ampliamente utilizados de flujo de tráfico, y los resultados demuestran que TPSSL logra un rendimiento de vanguardia en tareas de predicción de tráfico.