为了有效地调节路网的时空资源，需要对交通流参数进行实时估计。为了准确估计交通流参数，需要详细考虑路网中交通流的时空特征。基于生成的对抗网络，提出了一种能够捕捉交通流时空特征的实时估计模型，即TSTGAN模型。该模型包括两部分：发电机和判别器。该发生器利用门控卷积神经网络捕捉交通流的动态空间特征，并利用基于注意机制的长、短期记忆神经网络分析交通流的动态时间特征。鉴别器是利用门控卷积神经网络和长、短期记忆神经网络构成的。通过对抗训练对抗网络的生成器和鉴别器，实时获取交通量值。通过使用山东省淄博市12台刺刀设备和加州洛杉矶23台线圈探测器获得的交通流数据，验证了TSTGAN模型的可靠性。结果表明，TSTGAN模型引入的时空模型能够有效地提取交通流的时空特征。均方根误差和平均绝对误差的结果分别比现有模型低2.12%~42.41%和1.66%~40.49%。实践证明，TSTGAN模型可以提高交通流参数的估计精度。