1.一種基于圖神經網絡的分段軌跡匹配方法，其特征在于，所述方法，包括：
2.如權利要求1所述的圖神經網絡的分段軌跡匹配方法，其特征在于，所述獲取具有路網匹配真值的軌跡樣本數據，包括：
3.如權利要求1所述的基于圖神經網絡的分段軌跡匹配方法，其特征在于，所述獲取具有路網匹配真值的軌跡樣本數據，包括：
4.如權利要求3所述的基于圖神經網絡的分段軌跡匹配方法，其特征在于，所述添加噪聲模擬，得到所述具有路網匹配真值的軌跡樣本數據，包括：
5.如權利要求1所述的圖神經網絡的分段軌跡匹配方法，其特征在于，所述將每個所述路網鏈路對應的軌跡點信息以及路網屬性信息編碼為節點特征向量，包括：
6.如權利要求5所述的圖神經網絡的分段軌跡匹配方法，其特征在于，所述基于所述預設維度靜態特征以及所述動態特征矩陣，得到所述節點特征向量，包括：
7.如權利要求1-6任一項所述的圖神經網絡的分段軌跡匹配方法，其特征在于，所述基于所述訓練完成的圖神經網絡模型對待預測軌跡數據進行道路匹配預測，包括：
8.一種基于圖神經網絡的分段軌跡匹配裝置，其特征在于，所述裝置，包括：
9.一種計算機設備，包括存儲器、處理器及存儲在所述存儲器上并在所述處理器上運行的計算機可讀指令，其特征在于，所述處理器執行所述計算機可讀指令時實現如權利要求1至7任一項所述基于圖神經網絡的分段軌跡匹配方法。
10.一種可讀存儲介質，其上存儲有計算機可讀指令，其特征在于，所述計算機可讀指令被處理器執行時實現如權利要求1至7任一項所述基于圖神經網絡的分段軌跡匹配方法。