Amíg az SAE (Society of Automotive Engineers) Level 4-es besorolású önvezető autók más, ember által vezetett autókkal osztoznak az utakon, az önvezető autó környezetében közlekedő autók (és gyalogosok) viselkedésének előrejelzése kiemelkedő fontosságú. Gráf alapú gépi tanulással (Graph Neural Network, GNN) hatékonyan modellezhetők a forgalmi szituációk, és futásigényük a konvolúciós neurális hálókhoz képest elhanyagolható, így az önvezető autókban valós időben futtathatók. A dolgozat célja a gráf neurális alapú szakirodalmi példák áttekintése, különös tekintettel a viselkedés modellezésre (behavior prediction), és ezen példák implementálása, kipróbálása és optimalizálása a szabadon elérhető adatokon. További cél a legjobban teljesítő modell(ek) realisztikus adatokon való tesztelése, és rendszerbe integrálása.