文章目录

NGSIM
- NGSIM 概览
- 快速路车道选择算法
- Interstate 80 Freeway 数据集
- Lankershim Boulevard 数据集
- US highway101数据集
- 动态交通分配DTA
- CORSIM
Argoverse Motion Forecasting Dataset
AIMSUN
HighD
ITS DataHub 美国智能交通数据库
Data.gov
PeMS
Portland Oregon Region data
英国高速公路交通流数据
- TIMS数据
uber movement
纽约出租车数据
inrix公司开放数据

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。

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。

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。

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。

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。

官网
数据说明

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

官方论文介绍数据集的
The highD Dataset: A Drone Dataset of Naturalistic Vehicle
Trajectories on German Highways for Validation of Highly
Automated Driving Systems
数据预处理代码matlab及python版本

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

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

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。

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。

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/

车辆自然驾驶轨迹数据集/交通流数据介绍相关推荐

基于自注意力的生成对抗归因网络的交通流缺失数据修复
文章信息 <Missing Data Repairs for Traffic Flow With Self-Attention Generative Adversarial Imputation ...
复杂交通流对混合交通的影响研究多向车流量分析
随着AI (人工智能)的兴起,许多行业变得与人工智能息息相关,同时使得自动驾驶逐步变成现实.人工驾驶车辆跟自动驾驶车辆共存是实现完全自动驾驶的必经阶段.本文研究智能驾驶车辆的不同特征跟不同渗透率的实 ...
利用交通实时数据和社交媒体数据对飓风疏散期间的交通需求进行预测
文章信息本周阅读的论文是题目为<Predicting traffic demand during hurricane evacuation using Real-time data from ...
本田公布104小时驾驶行为数据集：时间不长但胜在全面 | 附相关资源汇总
晓查整理编译量子位报道 | 公众号 QbitAI 本田最近与波士顿大学合作,公布了在旧金山湾区采集的104小时**驾驶行为数据集,总体积大约150GB. 虽然驾驶视频的时间不长(伯克利DeepD ...
机器学习作业-FOGS: 基于学习图的一阶梯度监督交通流预测
文章目录 FOGS: First-Order Gradient Supervision with Learning-based Graph for Traffic Flow Forecasting 摘 ...
(5)基于深度学习的短时道路交通流预测
交通预见未来 (5)基于深度学习的短时道路交通流预测 1.文章信息 <Short-Term Traffic Flow Prediction with Conv-LSTM>. 这篇文章是一篇 ...
python交通调查数据处理_基于Python的交通流数据清洗
龙源期刊网 http://www.qikan.com.cn 基于 Python 的交通流数据清洗作者:李红梅唐岚来源:<电子技术与软件工程> 2016 年第 09 期 [关键词]交通 ...
大数据模型交易分享：运输车辆安全驾驶行为分析
模型交易平台泰迪科技是在历史大数据与人工智能项目的沉淀基础上,以大数据挖掘建模平台为支撑,提供成熟的大数据与人工智能模型应用与项目.一方面,能够为广大企业提供成熟模型应用,解决人工模型开发周期长,难度 ...
matlab中的AR模型短时预测交通流
1.内容简介略 438-可以交流.咨询.答疑 2.内容说明智能交通系统的宗旨,就是利用丰富的交通检测数据,对未来的交通流状态进行预测,对于最大效率的利用快速路资源,减少出行者时间,减少快速路交通拥 ...

车辆自然驾驶轨迹数据集/交通流数据介绍