本发明提供了一种基于双向循环神经网络的交通缺失数据补全方法，属于交通领域。该方法首先利用数据在时间上的时序性特点，同时考虑了补全时间点之前的数据和之后的数据对当前时间点的影响，大幅提高了对数据的利用和补全精度，其次考虑到外部特征、相邻传感器数据对当前传感器数据的影响，将其加入到补全模型中，大幅提高了补全精度。本发明的方法不仅大幅提高数据缺失率低的情况下补全精度，还提升了在数据缺失率高的情况下的补全精度。