SinD：为自动驾驶打造信号交叉口的大型轨迹数据集

SinD：为自动驾驶打造信号交叉口的大型轨迹数据集

SinD 项目地址: https://gitcode.com/gh_mirrors/si/SinD

项目介绍

在自动驾驶领域，交叉口是一个极具挑战性的场景，尤其是那些信号控制的交叉口。然而，目前公开的大型轨迹数据集在这一领域尚属空白。针对这一需求，SinD数据集应运而生。该数据集基于4K无人机视频，提供了交通参与者轨迹、交通灯状态以及高分辨率地图等信息。目前，SinD已收集了来自中国多个城市的15个交叉口数据，其中4个已发布，分别位于天津、重庆、长春和西安。

项目技术分析

SinD数据集的核心是利用先进的视频捕捉技术，通过无人机收集信号交叉口的交通信息。数据集包含了不同时间段和不同交通状况的交叉口场景，使得研究者在模拟自动驾驶系统时能够充分考虑各种复杂情况。此外，数据集还提供了同步的交通灯状态和车道线地图，使得研究者能够更好地分析交通流和交通违规情况。

项目及技术应用场景

SIND_Tianjin

SIND_Tianjin 包含了7小时的视频记录，超过13,000个交通参与者，涵盖7种类型。高清地图和交通灯信息用于统计车辆违反交通灯的情况。SIND_Tianjin 交通场景中非机动车违规频繁，脆弱道路用户比例高。

SIND_Chongqing

SIND_Chongqing 在重庆的一个交叉口收集，交通密度低，交通参与者自由度高。与SIND_Tianjin中行人和车辆共享交通灯的情况不同，SIND_Chongqing 有独立的车辆和行人交通灯。然而，对于车辆来说，左转和直行的冲突仍然是常态。

SIND_Changchun

SIND_Changchun 位于长春一个交通要道上的交叉口，交通密度高。在这个数据集中，可以观察到密集的无保护左转冲突，甚至当绿灯车辆无法完全通过交叉口时，会出现冲突的交通拥堵。

SIND_Xi'an

SIND_Xi'an 在西安一个交通密度适中交叉口收集，主要由车辆组成。与SIND_Tianjin类似，它有共享的车流和行人信号灯，存在左转和直行的冲突。

项目特点

1. 大规模数据集：SinD提供了来自多个城市的交叉口数据，为自动驾驶研究提供了丰富的数据基础。
2. 详细信息：数据集不仅包含交通参与者的轨迹，还同步提供了交通灯状态和车道线地图，为研究提供了全面的视角。
3. 多样化场景：涵盖不同交通密度和交通规则的交叉口，使得数据集能够满足各种研究需求。
4. 易于使用：数据集提供了详细的格式说明和可视化工具，方便研究者快速上手和使用。

SinD数据集的发布为自动驾驶领域的研究提供了宝贵的资源，有望推动交叉口场景的自动驾驶技术发展。通过使用SinD，研究者可以更准确地模拟和评估自动驾驶系统在不同交通环境下的表现，为未来的智能交通系统奠定坚实基础。

如果您对该项目感兴趣，可以通过以下邮件地址申请完整数据集：hong_wang@tsinghua.edu.cn 或 13645450063@163.com 或 18975505069@163.com。在邮件中，请详细描述您的研究背景、兴趣以及使用数据集的目的。

在您的论文或研究中引用SinD数据集时，请遵循以下引用格式：

@INPROCEEDINGS{9921959, 
author={Xu, Yanchao and Shao, Wenbo and Li, Jun and Yang, Kai and Wang, Weida and Huang, Hua and Lv, Chen and Wang, Hong},  
booktitle={2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC)},   
title={SIND: A Drone Dataset at Signalized Intersection in China},  
year={2022},  
volume={},  
number={},  
pages={2471-2478},  
doi={10.1109/ITSC55140.2022.9921959}}

通过本文的介绍，我们希望更多研究者能够关注并利用SinD数据集，共同推动自动驾驶技术的发展。

SinD 项目地址: https://gitcode.com/gh_mirrors/si/SinD