本发明实施例提供一种基于图网络的预计达到时间计算方法和系统，同时对历史轨迹数据的车辆类型和天气信息进行挖掘。在时间和空间信息深度融合方面，采用最自然的图神经网络进行建模，充分考虑局部区域内连通路段车流速度相互影响，以最贴切的图结构对道路拓扑进行建模。通过将轨迹数据在图结构上投影，通过特征建模的方式将时间信息和空间结构信息充分融合；在特征建模过程中引入高精度地图中影响车辆流通的道路属性信息，如路段道路类型，路段最高限速，路段车道数，是否是路口等，这些信息以信息嵌入的方式引入到静态图网络建模中；先利用利用缓存机保证查询的实时性，其次是将世界划分成局部片区，保证图网络训练稳定性和收敛速度。