国内外交通数据集介绍(附参数说明)

15-基于单片机的交通灯系统设计(原理图+仿真+说明书) 城市交通道路已经是我们生活中不可缺少的一部分,并且随着社会的不断发展,交通必将成为一个重点的研究话题。如何疏通交通、防止道路交通堵塞、人员伤亡、交通事故的控制是当前的主要研究方向。随着微控制技术、电子技术、计算机系统的深入研究发展,将其应用在交通管理上必然是发展趋势。本次系统针对此现象设计出一款基于单片机的交通系统。本设计以AT89C51单片机作为系统的控制核心,主要包括主控模块、交通灯指示模块、显示模块、按键模块组成。 阅读详情
AI摘要

文章介绍了多个交通领域的数据集,包括美国的NGSIM数据集,其包含高速公路和城市道路的详细车辆信息;德国的highD数据集,涵盖多种车道类型的车辆轨迹;以及国内的高速公路汇入、汇出和城市快速路的轨迹数据,这些数据集提供车辆轨迹、速度、加速度等参数,可用于交通模型分析和行为研究。

国外数据集

  • NGSIM数据集

        NGSIM数据集采集自美国,数据集中包含两条高速公路(US-101,I-80)及两条城市道路(lankershim,peachtree)的数据,每条道路的采集时间为45min。数据集中包含包含车辆ID、时间、速度、加速度、坐标、车道等信息,数据采样间隔为0.1s,速度单位为英尺/秒。数据集因其精度高、频率高、质量高、覆盖广的特点,被广泛用于模型标定、车辆行为决策等研究。数据集中部分参数说明如下:

NGSIM数据集部分参数说明
Vehicle_ID  车辆ID
Frame_ID 帧时间
Global_Time 全局时间
Local_X 相对X坐标
Local_Y 相对Y坐标
Global_X 绝对X坐标
Global_Y 绝对Y坐标
v_length 车长,单位:英尺
v_Width 车宽,单位:英尺
v_Class 车辆类型,1:摩托车;2:小型车;3:大型车
v_Vel 车辆速度,单位:英尺/秒
v_Acc 车辆加速度,单位:英尺/二次方秒
Lane_ID 车辆所在车道ID
Preceding 前车ID,若没有前车,则该值为0
Following 后车ID,若没有后车,则该值为0
Space_Headway 车头间距,单位:英尺
Time_Headway 车头时距,单位:秒
  • highD数据集

        highD数据集采集自德国科隆附近的六个不同地点,包含小型车和大型车两种类型车辆的数据,数据集踪迹采集时长为11.5小时,采集车辆数为110000辆,其中包含逾5000条完整的变道轨迹,需特别说明的是,highD数据集的坐标原点位于采集路段的左上方。数据集中车道类型包括2+2、3+3、3+3+1三种形式,其中2+2、3+3两种车道类型中车道ID编号见下图:

四车道车道ID编号示意
六车道车道ID编号示意

        3+3+1的车道类型与六车道编号规则大体一致,车道8下方还存在车道ID为9的一条车道。

        数据集总结包含60个子数据集,每个字数据集包含采集路段的航拍图、采集点数据、车辆轨迹数据。其中采集点数据给出了位置ID、时间、采集时长、车辆踪迹行驶距离、车辆数等信息,车辆轨迹数据中主要包括车辆ID、车辆坐标、速度、加速度等信息,车辆轨迹数据中部分参数说明吴如下:

highD数据集车辆轨迹数据部分参数说明
frame 帧时间
id 车辆ID
x 车辆X坐标
y 车辆Y坐标
xVelocity 车辆X方向速度
yVelocity 车辆Y方向速度
xAcceleration 车辆X方向加速度
yAcceleration 车辆Y方向加速度
dhw 车头间距
thw
复杂网络数据集整理 复杂网络的研究很多都离不开数据集,下面这些是个人在做科研的过程中在互联网上搜集到的一些数据集网站,列举出来也方便同行们去使用。 1、http://vladowiki.fmf.uni-lj.si/doku.php?id=pajek:data:urls:index 数据集网站集合。这个网站中列出来很多数据集网站,非常全,其中的很多网站数据描述详细,而且数据可以直接下载,大家可以从中选出一些网站收藏... 阅读详情

相关推荐

TSR交通标志检测与识别

TSR交通标志检测与识别 说明: 传统图像处理算法的TSR集成在在ARM+DSP上运行,深度学习开发的TSR集成到FPGA上运行。 输入输出接口 Input: (1)图像视频分辨率(整型int) (2)图像视频格式(RGB,YUV,MP4等) (3)摄像头标定参数(中心位置(x,y)和5个畸变 系数(2径向,2切向,1棱向),浮点型float) (4)摄像头初始化参数(摄像头初始位置和三个坐标方向...

吴建明wujianming_110117 8357

【数据集合集】最全最新——智能交通和无人驾驶相关数据集

【数据集合集】智能交通和无人驾驶相关一、无人驾驶数据集:1. The H3D Dataset:2. nuscenes:3. ApolloCar3D:4. KITTI Vision Benchmark Suite:5. Cityscape Dataset:6. Mapillary Vistas Dataset: 一、无人驾驶数据集: 1. The H3D Dataset: 官网: https://usa.honda-ri.com/h3d 论文地址: https://arxiv.org/abs/1903.01

梁瑛平的博客 1万+

目标检测数据集---交通信号数据集

交通信号灯检测用于各类目标检测项目

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 1548

NLP国内外大模型汇总列表[文心一言、智谱、百川、星火、通义千问、盘古等等]

NLP国内外大模型汇总列表[文心一言、智谱、百川、星火、通义千问、盘古等等]

丨汀、的博客 2769

目标检测YOLO实战应用案例100讲-交通目标数据集构建及高性能检测算法研究与应用

近年来,伴随着道路建设的长足进步与汽车保有量的快速增长,道路交通压力显著 增加,对交通信息的智能化采集、交通的智慧化管理提出了新要求。实现交通智能化建 设的首要任务与技术难点是如何高效的获取交通目标信息、高质量的完成交通场景目标 检测。目标检测技术[1]中的传统目标检测方法鲁棒性差、适用性弱、精度提高困难,但随 着人工智能、机器视觉、深度学等领域研究方法和技术的不断成熟,基于深度学习的目 标检测为利用交通监控系统分析车辆运行状态及道路危险事件并改善交通安全提供了 可靠手段。

qq_36130719的博客 1376

德国亚琛highD数据集

车辆原始轨迹数据

英国交通事故数据2019.rar

英国交通事故数据2019,包含数据字典和数据集,数据集中有六十多个维度的信息。

HighD数据集-自动驾驶数据集

HighD数据集-自动驾驶数据集

2025东三省D题深圳杯数学建模实战解析:基于多模型融合的法医STR混合样本智能识别系统

本文深入解析了2025年东三省数学建模竞赛D题,即深圳杯赛题,聚焦于法医STR混合样本的智能识别挑战。文章系统阐述了构建一个基于多模型融合的智能识别系统的完整流程,涵盖贡献者人数判定、DNA贡献比例估计、个体基因型推断以及STR谱图去噪四大核心步骤。通过融合高斯混合模型、随机森林、非负矩阵分解、小波变换与深度学习等多种技术,并强调特征工程的重要性,为破解法医DNA混合样本分析这一行业难题提供了清晰的数学建模与AI实战思路。

weixin_29050271的博客 391

TCP协议中ARQ自动重传的三种实现方式对比(含SACK详解)

本文深入解析TCP协议中ARQ自动重传的三种实现方式,包括停止-等待、回退N步和选择重传协议,特别详细介绍了SACK机制的工作原理和优势。通过对比分析各协议的效率、复杂度和适用场景,为网络通信中的可靠性传输提供了实用的选型指南。

weixin_30776273的博客 462

CPU 访问外设的两种核心机制:MMIO(Memory-Mapped I/O) 和 DMA(Direct Memory Access)

BAR和DMA是计算机系统中两种关键的数据传输机制:BAR(基址寄存器)用于CPU与设备间的控制通信,映射设备寄存器便于配置操作;而DMA(直接内存访问)允许设备直接读写系统内存,无需CPU参与大量数据传输。典型场景如NVMe SSD读取数据时,CPU通过BAR下发指令,设备通过DMA高效传输数据到主机内存,最后中断通知CPU。虽然BAR能映射大内存空间,但仍无法替代DMA的高效数据传输功能,两者各司其职——BAR负责控制,DMA专注数据传输,共同实现高性能的硬件交互。

MHD0815的博客 237

UniRx之基本语法格式

想要更好的去学习UniRx,我们最好是先理解UniRx 的语法格式。就像我们去学习英语或者汉语一样,理解了基本的语法规则后,再学其他的就信手拈来了。

TxNet 924

水很深的深度学习(四): 卷积神经网络CNN

深度学习-CNN,卷积神经网络的概念 上世纪60年代,Hubel等人通过对猫视觉皮层细胞的研究,提出了感受野这个概念,到80年代,Fukushima在感受野概念的基础之上提出了神经认知机的概念,可以看作是卷积神经网络的第一个实现网络,神经认知机将一个视觉模式分解成许多子模式(特征),然后进入分层递阶式相连的特征平面进行处理

专注大数据与人工智能技术分享,欢迎私信加群互相学习! 3622

PVE虚拟机运行不流畅,出现卡顿。

🏆本文收录于《优快云问答解惑-专业版》专栏,主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案,希望能够助你一臂之力,帮你早日登顶实现财富自由🚀;同时,欢迎大家关注&&收藏&&订阅!持续更新中,up!up!up!!

**My Coding Family** 3063

【人工智能时代】- 一键部署本地AI大模型

Ollama是一个开源项目,致力于简化大型语言模型(LLM)的本地部署过程。它允许用户在自己的硬件上运行和测试最新的语言模型,无需依赖云服务。Ollama提供了一个类似于OpenAI的API接口,使得开发者可以轻松地在自己的应用程序中集成大型语言模型。此外,Ollama WebUI为用户提供了一个友好的界面,用于管理和与模型进行交互。

xiaoli8748的专栏 2379

AFL源码分析之afl-as.c详细注释

前言 afl-as注释好了,明白了是如何进行插桩的,以及插在哪里 本文主要参考Sakura大佬文章:https://eternalsakura13.com/2020/08/23/afl/ 编写不易,如果能够帮助到你,希望能够点赞收藏加关注哦Thanks♪(・ω・)ノ /* Copyright 2013 Google LLC All rights reserved. Licensed under the Apache License, Version 2.0 (the "License"); y

hollk’s blog 2172

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: highD变道起止点前后车辆数据获取
下一篇: 车辆轨迹数据的小波去噪
惜君如常
博客等级 码龄6年 502粉丝 15原创
评论 132
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

惜君如常

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值