为提高交通流预测的准确度，提出一种融合多因素的“时间齿轮”交通流预测模型（TGM）。根据十字路口的特点，仿照转轴与齿轮的关系，将路口4个方向的交通流数据抽象为时间轴上的齿轮，并嵌入Time2vec提高模型对周期性数据的特征捕捉能力。模型框架采用正反两方向都加入改进注意力机制(Attention Mechanism)的双向门控循环网络（Bidirectional Gated Recurrent Unit，Bi-GRU）。此外，通过深度分析天气因素的影响，融合多因素对交通流进行预测。结果表明，本文提出的TGM模型明显优于多种现有模型。其中相比性能较优的Bi-GRU模型，TGM模型对5 min、15 min和25 min的预测精度分别提高了4.75%、6.37%和6.73%。因此TGM模型能够有效提高交通流的预测精度，并具有更优的中长时交通流预测能力，可以为道路交通管控与组织优化提供理论依据。