本公开实施例中提供了一种基于混合深度学习框架的城市车辆旅行时间估计方法，属于数据处理技术领域，具体包括：构建无向图；形成嵌入向量集合；收集原始数据集，并根据其数据结构划分为路径数据集、时间数据集、交通数据集、天气数据集和个人数据集；得到每个数据集对应的向量序列；得到多模态特征；得到综合特征向量；计算旅行时间的估计值；根据估计值与真实值的误差值迭代更新可学习参数，直到误差值小于阈值，得到目标模型；采集目标车辆的路径数据集、时间数据集、交通数据集、天气数据集和个人数据集输入目标模型，得到旅行时间预测值。通过本公开的方案，拟合特征间的交互关系，有效融合多模态特征，全面、精确地估计车辆旅行时间。