يعرف سائق السيارة كيف يتفاعل مع إشارات ضابط المرور. من الواضح أن هذا ليس الحال بالنسبة للمركبة المستقلة، إلا إذا كانت مزودة بقدرات التعرف على إشارات تنظيم حركة المرور. في هذه الدراسة، نعالج القصور الموجود في مجموعات البيانات الحالية المستخدمة في القيادة الذاتية، والتي لا تُقدِّم بيانات تدريب كافية لتمكين التعرف على إشارات تنظيم المرور. نقدم مجموعة بيانات تعتمد على مدخلات الهيكل العظمي ثلاثي الأبعاد (3D body skeleton) لتصنيف إشارات تنظيم المرور في كل خطوة زمنية. تتكون مجموعتنا من 250 مسلسلاً من عدة ممثلين، تتراوح مدتها بين 16 و90 ثانية لكل مسلسل. ولتقييم مجموعتنا، نقترح ثمانية نماذج معالجة تسلسلية مبنية على الشبكات العصبية العميقة، مثل الشبكات التكرارية (Recurrent Networks)، وآلية الانتباه (Attention Mechanism)، والشبكات الت(Convolutional Networks)، والشبكات التلافيفية الرسومية (Graph Convolutional Networks). نقدم تقييمًا وتحليلًا شاملاً لجميع النماذج المطروحة على مجموعتنا، بالإضافة إلى تقييم كمي واقعي في بيئة حقيقية. تم إتاحة الكود والبيانات للجمهور بشكل مفتوح.