加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入
  • 正文
    • NGSIM
    • 路口通行场景
    • 匝道汇入汇出场景
    • NGSIM 车辆轨迹数据类型
    • 数据集使用示例
  • 相关推荐
  • 电子产业图谱
申请入驻 产业图谱

车路协同路端系统的数据集NGSIM介绍

2022/10/08
1748
阅读需 9 分钟
加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

车路协同系统是基于无线通信传感器探测等技术获取车辆和道路信息,通过车车通信(V2V),车路通信(V2I)实现信息交互和共享,从而实现车辆和路测设备之间的协调,实现优化使用道路资源,提高交通安全,缓解拥堵等目标。实现车路协同所需的硬件一般可分为车端设备和路端设备。车端设备OBU(OnBorad Unit),主要负责与路端的通信,OBU还需要和车端的ADAS域控制器进行数据交互。路端设备RSU(RoadSide Unit),主要负责与车端OBU通信,另外还包含摄像头毫米波雷达激光雷达等感知设备,及数据处理所需的高性能计算单元。路端感知所使用的技术与自动驾驶车端所使用的技术类似,如使用深度学习,点云处理,多传感器融合等技术。

NGSIM

做自动驾驶或者图像处理的小伙伴一定很熟悉KITTI数据集。KITTI数据集的数据采集平台装配有2个灰度摄像机,2个彩色摄像机,一个Velodyne 64线3D激光雷达,4个光学镜头,以及1个GPS导航系统。所有传感器的数据需要进行坐标变化,最后统一转化到车载坐标系,当然“视角”都是基于车辆的。

 

如果做车路协同路端的研究,就必然需要路端“视角”的数据集,基于车端采集的数据集便不适用。目前来看,行业内此类公开数据集较少。笔者最近发现一个很适合做车路协同方向研究的数据集——NGSIM

NGSIM 数据集是由研究人员通过一个叫做"Next Generation Simulation"的项目收集来的。该数据集覆盖了结构化道路的路口,高速上下闸道等车路协同研究的热点区域。该项目的研究人员对原始的视频信息做了后处理,生成了交通流中每辆车的行驶轨迹数据。数据集采集于美国的四个不同地区,分别是加州南向的US 101号公路,加州洛杉矶的Lankershim Boulevard地图, 加州埃默里维尔的东向的 I-80号公路,以及佐治亚州亚特拉大的Peachtree Street,下面介绍其中的两个区域,这两个区域也是车路协同中经常研究的场景。

 

路口通行场景

图1

图2是Lankershim Boulevard地区的道路地图。该区域道路长约1600英尺(约487.7米),包含4个带有交通信号灯的路口,每个方向的道路包含3或者4条车道。摄像头采集到的原始视频数据时常约9个小时,分为早晚两个高峰录制。数据收集系统对视频中的车辆进行了感知和跟踪,如果跟踪精度和准度符合预期,则直接生成车辆运动轨迹点,并保存到数据库,否则需要进行人工修正之后再次保存。区域内车辆的轨迹点的保存周期为100ms(10Hz)。

 

为方便分类及过滤轨迹数据,需要对车辆的运动轨迹与道路的相对关系进行描述。下面定义了这些描述的关键词,使用这些关键词可以很方便的对每个路口,车道,区域等进行编号分类。

关键词

含义

Origin

驶入研究区域的路口,编号从101到111。即表明车辆是从哪个路口驶入这片区域的

Destination

驶离研究区域的路口,编号从201到211。即表明车辆是从哪个路口驶离这片区域的

Intersection

十字路口。此片区域共包含4个路口,从南到北依次编号为1,2,3,4

Section

分割区域编号。此研究区域被4个路口分割成5个小区域。

Lane

道路中车道的编号。具体编号由上图所示。

有了上述的这些定义,可以很方便的将任意一辆驶入或者驶离该区域的车辆轨迹描述出来。

 

匝道汇入汇出场景

图3所示的这条公路是加州洛杉矶南北走向的交通大动脉——U.S. Highway 101。紧邻着U. S. Highway 101 和 Lankershim Boulevard交互处,有一幢36层高的建筑,Universal City Plaza, 采集数据的摄像头就安装在这幢建筑上。摄像头采集数据区域长度约为2100英尺(约640米),包含五条车道(1~5号车道)。6号车道两端连接7号和8号车道,分别为匝道汇入车道和汇出车道。同样地,车辆轨迹点的保存周期为100ms (10Hz)。

 

NGSIM 车辆轨迹数据类型

NGSIM数据集可导出为csv格式表单。该表单第一行字段含义如下表所示。需要注意的是,笔者并没有罗列全部的字段,只罗列了常用的,且不太好理解的加以解释。

字段

说明

备注

Vehicle_ID

车辆编号

有可能会出现重复

Frame_ID

数据帧号

与该路径点产生的时间相关

Total_Frame

数据总帧

某辆车被跟踪的生命周期(存在长度)

Global_Time

UTC时间

13位的标准UTC时间,精确到ms

Local_X/ Local_Y

采集区域坐标系的X/Y值

局部坐标系下的位置值,常用

v_Vel / v_Acc

车辆的行进方向的速度和加速度

即运动方向的速度及加速度

Lane_ID

车辆所在的车道编号

见图2和图3中的1,2,3等

O_Zone

驶入研究区域的路口,编号从101到111。

表明车辆是从哪个路口驶入这片区域的

D_Zone

驶离研究区域的路口,编号从201到211。

表明车辆是从哪个路口驶离这片区域的

Int_ID

路口编号

共四个,由南向北序号递增

数据集使用示例

 

假设我们需要研究车辆通过路口可能的运动模式(motion pattern), 那么首先需要对原始的数据根据不同的运动模式进行分类。未分类前,将所有通过该路口的车辆轨迹全部显示出来,如图4所示。

图4

结合实际场景和生活常识,考虑车辆可能行进的方向,可将上图中的轨迹分类成8类运动模式。然后使用一些聚类算法,如K-MEANS等,可以对这些轨迹进行分类,为后面的模型训练做数据准备。图5展示了使用K-MEANS对原始轨迹进行分类后的结果,不同的颜色代表不同的运动模式。

图5

得到根据运动模式而分类的数据后,可以用这些分类好的数据分别建立模型,调试轨迹预测,规划等算法。

干货来了,下载地址
 

数据集可直接在其网站首页下载,也可在线导出csv格式文件。4个数据集除包含原始轨迹信息外,还包含数据采集区域道路信息,车流分析报告等文件,下图6红框内的压缩文件,即包含了上述的这些文件。

下载地址:

https://data.transportation.gov/Automobiles/Next-Generation-Simulation-NGSIM-Vehicle-Trajector/8ect-6jqj

6

 

相关推荐

电子产业图谱