公开(公告)号：CN116245183A

公开(公告)日：2023-06-09

申请号：CN202310184279.2

申请日：2023-02-28

Applicant: 清华大学

Inventor： 王裕宁 ,  王建强 ,  刘秩源 ,  林昊田 ,  李晋豪 ,  李若辰

IPC: G06N5/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本申请涉及一种基于图神经网络的交通场景泛化理解方法及装置，其中，方法包括：获取原始交通场景智能体信息；基于原始交通场景智能体信息，构建子图节点和对应的特征向量并编码，生成经过编码的节点特征向量；利用经过编码的节点特征向量，构建动态有向图，并通过图卷积神经网络训练得到节点之间边的参数向量，以体现交通场景中各智能体以及环境之间的相互作用，形成场景理解图。由此，解决了相关技术中，基于物理规则指标的方法评价标准过于单一，无法处理复杂交互场景，基于大数据分布的统计方法时效性差，应对突发的交通事件无法做出实时评估，基于交互物理模型的方法需要针对特定场景进行参数调优与设计，不具备场景泛化性等问题。

公开(公告)号：CN116245183B

公开(公告)日：2023-11-07

申请号：CN202310184279.2

申请日：2023-02-28

Applicant: 清华大学

Inventor： 王裕宁 ,  王建强 ,  刘秩源 ,  林昊田 ,  李晋豪 ,  李若辰

IPC: G06N5/04 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本申请涉及一种基于图神经网络的交通场景泛化理解方法及装置，其中，方法包括：获取原始交通场景智能体信息；基于原始交通场景智能体信息，构建子图节点和对应的特征向量并编码，生成经过编码的节点特征向量；利用经过编码的节点特征向量，构建动态有向图，并通过图卷积神经网络训练得到节点之间边的参数向量，以体现交通场景中各智能体以及环境之间的相互作用，形成场景理解图。由此，解决了相关技术中，基于物理规则指标的方法评价标准过于单一，无法处理复杂交互场景，基于大数据分布的统计方法时效性差，应对突发的交通事件无法做出实时评估，基于交互物理模型的方法需要针对特定场景进行参数调优与设计，不具备场景泛化性等问题。