理解交通场景需要综合考虑动态交通参与者与静态基础设施的异构信息。本文提出SCENE方法，旨在将多样化的交通场景编码为异构图，并利用异构图神经网络编码器结合任务特定解码器对这些图进行推理。该异构图的结构由本体（ontology）定义，包含具有类型特异性节点特征的不同节点，以及具有类型特异性边特征的不同关系。为充分挖掘此类图结构所蕴含的全部信息，我们提出采用级联的图卷积层进行建模，从而获得场景的高效编码。在此基础上，可应用任务特定的解码器预测场景所需的各类属性。在两个差异显著的二分类节点任务上的大量实验表明，该方法的主要优势在于：尽管具有通用性，其性能仍能超越多个任务专用的基线模型。此外，将该方法进一步应用于多种知识图谱中的节点分类任务，也验证了其在其他领域的良好可迁移性。