[发明专利]基于图神经网络对交通场景数据提取特征的方法

权利要求书

1.一种基于图神经网络对交通场景数据提取特征的方法，所述方法包括以下步骤：

步骤S1)为交通场景数据建立统一定义的数据表示；

步骤S2)基于具有统一定义的数据表示的交通场景数据构建图，其中，所述图描述所述交通场景中的实体之间的时间和/或空间的关系；

步骤S3)将所构建的图作为图神经网络的输入并进行图神经网络的学习，使得从所述交通场景数据提取特征。

2.根据权利要求1所述的方法，其中，所述方法还包括以下步骤：

步骤S4)将所述图神经网络和其他任务的深度学习算法结合形成一个新神经网络，其中，通过将所述图神经网络所提取的特征作为其他任务的深度学习算法的输入来训练结合后的新神经网络；

步骤S5)通过训练结合后的新神经网络来优化所述图神经网络，并返回步骤S3。

3.根据权利要求2所述的方法，其中，所述方法还包括以下步骤：

步骤S51)将结合后的新神经网络的输出用于调整所述交通场景数据的标签。

4.根据权利要求1至3中任一项所述的方法，其中，所述数据表示包括几何信息和注释信息，其中，所述几何信息和注释信息能够一同存储。

5.根据权利要求1至4中任一项所述的方法，其中，所述图的节点表示所述交通场景中的实体，并且所述图的边表示所述节点之间的时间和/或空间的关系。

6.根据权利要求1至5中任一项所述的方法，其中，所述交通场景中的实体包括行车道边界、交通信号灯或交通标志、交通参与者、障碍物和/或实例。

7.根据权利要求2至6中任一项所述的方法，其中，所述深度学习算法是用于不同任务的深度学习算法，其中，所述任务尤其是预测和规划，且包括行为规划、轨迹规划、VRU预测、智能体预测和基于DRL的规划。

8.根据权利要求2至7中任一项所述的方法，其中，所述深度学习算法例如是卷积神经网络算法、循环神经网络算法和/或图神经网络算法等。

9.根据权利要求1至8中任一项所述的方法，其中，在步骤S3中，所提取的特征是高度抽象的特征，其用于构建交通场景的环境模型。

10.一种基于图神经网络对交通场景数据提取特征的设备(1)，所述设备(1)用于执行根据权利要求1至9中任一项所述的方法，所述设备(1)包括：

数据采集与预处理模块(20)，其配置成能够采集来自不同数据源的交通场景数据并为所采集的交通场景数据建立统一定义的数据表示；

图构建模块(30)，其配置成能够基于具有统一定义的数据表示的交通场景数据构建图；以及

图神经网络模块(40)，其配置成能够存储所构建的图，对所述交通场景数据提取特征，并利用其他任务的深度学习算法优化用于提取特征的图神经网络算法。

11.根据权利要求所述的设备(1)，其中，所述图神经网络模块(40)包括特征提取模块(401)和深度学习模块(402)，其中，所述特征提取模块(401)用于对所述交通场景数据通过图神经网络的学习提取特征，且所述深度学习模块(402)利用其他任务的深度学习算法优化用于提取特征的图神经网络算法。

12.一种计算机程序产品，其中，所述计算机程序产品包括计算机程序，所述计算机程序用于在被计算机执行时实施根据权利要求1至9中任一项所述的方法。