车辆自然驾驶轨迹数据集/交通流数据介绍

NGSIM

NGSIM 概览

NGSIM项目包含三个部分,摄像头采集的真实数据集、核心仿真算法和文档。
在这里插入图片描述
next generation simulation

快速路车道选择算法

FLS(freeway lane selection)算法基于驾驶员在快速路上行驶会选择最优的目标车道这一概念,根据22个变量如平均行驶速度、与最近出口的距离等给每个车道赋予分数值以决定期望的目标车道。如果驾驶员决定换到另一车道行驶,FLS算法将考虑车间空距是否足够进行安全换道。
在这里插入图片描述
在这里插入图片描述

Interstate 80 Freeway 数据集

数据采集自加州旧金山湾区东向的I80大道,数据类型为摄像头记录转换的车辆轨迹数据,采集区域长度为500米,包含6条快速路,其中1条为HOV车道,此外研究区域还包括一条快速路上匝道。数据收集时间为2005年4月13日。数据集中还包含一段含有渠化、天气等多源信息的45分钟跨度的数据,其采样频率为15分钟的数据。

Lankershim Boulevard 数据集

数据集类似Interstate 80 Freeway 数据集。

US highway101数据集

包含一条上下匝道路段的数据。
在这里插入图片描述
下載地址

动态交通分配DTA

离线软件有DynaMIT-P 和 DYNASMRAT-P,在线仿真软件为DynaMIT-R 和 DYNASMART-X。

CORSIM

corsim由地面道路和高速公路两部分的仿真算法组成。

Argoverse Motion Forecasting Dataset

包括 324,557 个场景的轨迹数据,每个场景长5秒,用于训练和验证。每个场景都包含以10 Hz采样的每个跟踪对象的2D鸟瞰图质心。数据来源于自动驾驶测试车辆车队中筛选的1000多小时的驾驶数据,以找到最具挑战性的路段,包括显示十字路口车辆、左转或右转车辆以及变道车辆的路段。
在这里插入图片描述
下载地址:https://www.argoverse.org/av1.html

AIMSUN

aimsun仿真软件介绍
内置了各种交通事件影响下的交通仿真功能,同时还包含众多精细化的交通管控措施。缺点是软件无免费版本,收费高额。

HighD

德国亚琛工业大学汽车工程研究所新近发布的HighD数据集是德国高速公路的大型自然车辆轨迹数据集,数据搜集自德国科隆附近的六个不同地点, 位置因车道数量和速度限制而异,记录的数据中包括轿车和卡车。数据集包括来自六个地点的11.5小时测量值和110 000车辆,所测量的车辆总行驶里程为45 000 km,还包括了5600条完整的变道记录。通过使用最先进的计算机视觉算法,定位误差通常小于十厘米。适用于驾驶员模型参数化、自动驾驶、交通模式分析等任务。
在这里插入图片描述

The dataset includes four files for each recording: An aerial
shot of the specific highway area and three CSV files,
containing information about the site, the vehicles and the
extracted trajectories. The first file includes the location of the
site, driving lanes, traffic signs and speed limits on each lane.
A summary of every track including the vehicle dimensions,
vehicle class, driving direction and the mean speed is given by
the second file. Detailed information like speeds,
accelerations, lane positions and a description of surrounding
vehicles in every frame are stored for each track in the last file

ITS DataHub 美国智能交通数据库

数据搜索入口

Data.gov

美国开放数据检索平台

PeMS

加州交通流数据库
在这里插入图片描述
在这里插入图片描述
事件信息包含开始和持续时间、里程碑位置、地点

数据介绍文档
数据地址

Portland Oregon Region data

PORTAL交通流数据集地址
数据采集API
https://adus.github.io/portal-documentation/documents/access_examples/

英国高速公路交通流数据

在这里插入图片描述

数据集网站包含英国M、A级基本上所有高速公路。
http://tris.highwaysengland.co.uk/detail/trafficflowdata
观测点地图https://webtris.highwaysengland.co.uk/

TIMS数据

伯克利开发的交通事故相关数据,可用于交通安全分析。
在这里插入图片描述

https://tims.berkeley.edu/

uber movement

uber开放的城市道路路况历史数据,可以下载集计后的道路平均速度。
在这里插入图片描述

在这里插入图片描述

纽约出租车数据

https://www1.nyc.gov/site/tlc/about/tlc-trip-record-data.page

inrix公司开放数据

可以通过数据接口爬取路况数据、事件天气数据、停车数据等
http://docs.inrix.com/traffic/incidents/
在这里插入图片描述

### 关于HighD数据集的下载与使用 HighD数据集是一个高质量的大规模自然车辆轨迹数据集合,适用于交通据分析、自动驾驶研究以及机器学习项目等领域[^3]。该数据集来源于德国科隆附近六处不同的高速公路路段,覆盖了多样化的交通场景和驾驶行为特征。其主要特点包括: - **高精度**:利用先进的计算机视觉技术进行据采集,定位误差小于10厘米。 - **多样化**:包含超过11万辆车的行驶记录,总计约4.5万公里的行驶距离,其中包含了完整的变道记录达5600条。 - **适用范围广**:可用于驾驶员建模、交通流量预测、自动驾驶算法开发等多个领域。 #### 数据集获取方式 为了获得HighD数据集,可以通过官方提供的资源链接完成下载操作。具体方法如下: - 官方网站提供了详细的说明文档和技术支持材料,访问地址为 [https://gitcode.com/Open-source-documentation-tutorial/5e18c](https://gitcode.com/Open-source-documentation-tutorial/5e18c)[^2]。 - 此外,在优快云平台上也有专门针对此数据集整理好的文件包可供查阅或购买,详情可见 [HighD大型自然车辆轨迹数据集](https://download.youkuaiyun.com/)(需注册账号并支付一定费用)[^3]。 #### Python处理实例 当成功获取到所需据后,可以借助Python编程语言来解析CSV格式的内容,并进一步实施特定任务如筛选符合条件的目标对象或者统计某些指标值等。下面给出一段简单的代码片段作为示范用途: ```python import pandas as pd import os def extract_following_data(folder_path, CF_id): result_list = [] for file_name in os.listdir(folder_path): if not file_name.endswith('tracks.csv'): continue file_path = os.path.join(folder_path, file_name) try: df = pd.read_csv(file_path) grouped = df[df['id'].isin(CF_id)].groupby('id') for _, group_df in grouped: preceding_ids = group_df['precedingId'] consecutive_count = 0 last_id = None for idx, id_value in preceding_ids.items(): if (last_id is not None and id_value == last_id): consecutive_count +=1 if(consecutive_count >=30): break; else : consecutive_count=1 last_id=id_value if(consecutive_count>=30): result_list.append((file_name,_)) except Exception as e: print(f"Error processing {file_path}: {str(e)}") return result_list ``` 以上函实现了基于指定ID列表过滤出满足连续跟随时间大于等于30秒的情况下的原始记录索引对[^4]。 --- ###
评论 12
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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