La predicción del flujo de tráfico es esencial para la gestión y planificación de ciudades inteligentes, ayudando a optimizar la programación del tráfico y mejorar las condiciones generales del tráfico. Sin embargo, debido a la correlación y heterogeneidad de los datos de tráfico, integrar de manera efectiva las características temporales y espaciales capturadas sigue siendo un desafío significativo. Este documento propone un modelo de red transformadora fusionada espacial-temporal (STFGTN), que se basa en un mecanismo de atención que integra características temporales y espaciales. Este documento propone un modelo basado en un mecanismo de atención para abordar estos problemas y modelar las complejas dependencias espaciales-temporales en las redes viales. El mecanismo de autoatención permite que el modelo logre modelar dependencias a largo plazo y representación global de datos de series temporales. En cuanto a las características temporales, incorporamos una capa de incrustación temporal y un transformador temporal para aprender dependencias temporales. Esta capacidad contribuye a una comprensión más completa y precisa de los patrones dinámicos espaciales-temporales a lo largo de toda la serie temporal. En cuanto a las características espaciales, utilizamos DGCN y transformadores espaciales para capturar dependencias espaciales globales y locales, respectivamente. Además, proponemos dos mecanismos de puerta de fusión para acomodarse de manera efectiva a la compleja correlación y heterogeneidad de la información espacial-temporal, lo que resulta en una reflexión más precisa del flujo de tráfico real. Nuestros experimentos en tres conjuntos de datos del mundo real ilustran el rendimiento superior de nuestro enfoque.