CLASSIFYING ELEMENTS IN AN INFRASTRUCTURE MODEL USING CONVOLUTIONAL GRAPH NEURAL NETWORKS

In example embodiments, techniques are provided for classifying elements of infrastructure models using a convolutional graph neural network (GNN). Graph-structured data structures are generated from infrastructure models, in which nodes represent elements and edges represent contextual relationships among elements (e.g., based on proximity, functionality, parent-child relationships, etc.). During training, the GNN learns embeddings from the nodes and edges of the graph-structured data structures, the embeddings capturing contextual clues that distinguish between elements that may share similar geometry (e.g., cross section, volume, surface area, etc.), yet serve different purposes. Dans des modes de réalisation donnés à titre d'exemple, l'invention concerne des techniques de classification d'éléments de modèles d'infrastructure à l'aide d'un réseau neuronal graphique convolutif (GNN). Des structures de données structurées en graphiques sont générées à partir de modèles d'infrastructure, dans lesquels les nœuds représentent des éléments et les bords représentent des relations contextuelles entre les éléments (par exemple, sur la base de la proximité, de la fonctionnalité, de relations parent-enfant, etc.). Pendant l'entraînement, le GNN apprend des incorporations à partir des nœuds et des bords des structures de données structurées en graphiques, les incorporations capturant des indices contextuels qui distinguent entre des éléments qui peuvent partager une géométrie similaire (par exemple, une section transversale, un volume, une surface, etc.), mais qui servent à des fins différentes.