本文探讨了图神经网络（GNN）与定性可解释图（QXG）在自动驾驶场景理解中的结合，提出了一种新颖的GNN架构，能够有效识别交通场景中的相关对象，实验结果表明其在对象识别任务中表现优异。

本文提出了一种名为定性可解释图（QXG）的方法，用于城市移动场景理解。QXG通过时空图和定性约束，从传感器数据中提取场景语义，支持自动驾驶车辆的环境解读，具备实时构建能力，提升决策透明度，服务于乘客通知和道路安全分析。研究表明，QXG在感知与控制中的应用潜力巨大。