1.基于WGCN的车辆驾驶行为预测方法，其特征在于：包括以下步骤：一、生成每辆车的特征矩阵和本地地图；

二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到GCN中；

三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；

步骤三中，边‑增强注意力机制中的边‑增强是增加边特征的维度，使得边特征能表达更多信息；注意力机制是给不同的顶点分配不同的权重系数，不同的权重的顶点在处理时具有不同的优先级，顶点的权重越高，表示顶点的信息越丰富，影响力越大；

边‑增强注意力机制中，顶点n与周围顶点的边特征向量进行计算周围车辆的权重值，最终目的是生成一个带权值的邻接矩阵，来表示不同车辆之间的影响大小，邻接矩阵表示如下：A′＝softmax(A)

上述公式描述注意力矩阵A′的过程，首先需要让边特征矩阵E经过归一化得到E′，然后让边特征矩阵与可训练的注意力参数矩阵Wa相乘，得到注意力矩阵A，随后将矩阵A的进行softmax计算得到A′，使得A′中元素的值在0到1的范围内，以便于表示不同的权重；最后得到加权邻接矩阵Aadj：Aadj＝E′A′；

特征传递机制中，车辆间的邻接关系与交互特征以图的形式作为神经网络的输入，利用图卷积神经网络的特征传递方式进行信息更新，使得网络能充分的提取车辆之间的内在关系；

特征矩阵X与加权邻接矩阵Aadj作为更新信息在构建的交互模型中进行传播，具体更新过程如下：其中H k为隐藏矩阵，当k＝0时，α为权重系数，i＝1 ,2 ,...,m ，