CLASSIFYING LINEAR INFRASTRUCTURE ELEMENTS USING A GRAPH NEURAL NETWORK

In example embodiments, improved techniques are provided for classifying elements of an infrastructure model that represents linear infrastructure (e.g., roads). The techniques may extract a set of cross sections perpendicular to a centerline of the linear infrastructure from the infrastructure model, generate a graph representation of each cross section to produce a set of graphs having nodes that represent elements and edges that represent contextual relationships, provide the set of graphs to a trained graph neural network (GNN) model, and produce therefrom class predictions for the elements. The class predictions may include one or more predicted classes for each element with a respective confidence. A best predicted class for each element may be selected and assigned to the element, thereby creating a new version of the infrastructure model. For elements that extend through multiple cross sections, the selection may involve aggregating predicted classes originating from the different graphs. Dans des modes de réalisation donnés à titre d'exemple, l'invention concerne des techniques améliorées permettant de classifier des éléments d'un modèle d'infrastructure qui représente une infrastructure linéaire (par exemple, des routes). Les techniques peuvent extraire un ensemble de sections transversales perpendiculaires à une ligne centrale de l'infrastructure linéaire à partir du modèle d'infrastructure, générer une représentation de graphes de chaque section transversale pour produire un ensemble de graphes ayant des nœuds qui représentent des éléments et des bords qui représentent des relations contextuelles, fournir l'ensemble de graphes à un modèle de réseau de neurones en graphes (GNN) entraîné, et produire à partir de ceux-ci des prédictions de classe pour les éléments. Les prédictions de classe peuvent comprendre une ou plusieurs classes prédites pour chaque élément avec une confiance respective. Une meilleure classe prédite pour chaque élément peut être sélectionnée et attribuée à l'élément, ce qui permet de créer une nouvelle version du modèle d'infrastructure. Pour des éléments qui s'étendent à travers de multiples sections transversales, la sélection peut impliquer l'agrégation de classes prédites provenant des différents graphes.