随着智慧交通和优先发展公共交通等政策的提出,提升公交服务质量成为提高公共交通服务中重要的方式。而准确的预测公交车到站时间因为能减少用户使用公交服务等待时间,提升乘客乘坐意愿等,在提高公交服务水平的研究中十分重要。基于此本文以车辆GPS轨迹信息为信息源,以序列预测方法和图嵌入方法作为基础提出了一种新型的车辆到站预测方法,相比之前相关研究能够更准确的对公交车到站时间进行预测。现有的公交预测研究通常分为两个方向,一些方法只基于车辆GPS轨迹数据进行车辆到站预测,此类方案通常利用模型较为简单,对序列数据特征挖掘不够充分,因此无法达到较高的预测准确度。另一类方法则关注在使用包括地图数据,其他车辆数据等多数据源数据提升模型预测精度。此类方法虽然能够提升公交车到站预测准确性。但是因为对数据源的要求较高,在许多实际场景中往往不能满足模型给定数据源假设,使得模型的使用范围受限。本文提出了一种基于注意力机制和图嵌入信息的到站预测方法,在较为准确的预测公交到站时间的同时,只需要使用GPS数据作为数据源,弥补了上述两类方法中不足的部分。模型通过基于循环神经网络的序列预测部分和注意力机制挖掘车辆在行驶过程中蕴含的行驶信息,通过基于随机游走的图嵌入模型挖掘车辆行驶轨迹中不同车辆之间位置的相关关系,帮助模型对到站时间进行更加准确的预测。通过将算法运用于七台河公交数据上进行对比实验。本文提出的基于注意力机制和图嵌入算法相比于其他的对比算法有更低的误差水平,证明了本文提出模型的优越性。最后本文根据提出的模型,搭建了一套基于web服务的公交到站预测系统,系统主要包含服务端和算法端两个模块,通过web服务进行原始数据收集,数据预测以及后台管理功能。