机动车轨迹预测任务

  • 定义:自动驾驶车周边车辆行为具有不确定性,机动车轨迹预测任务旨在通过道路上其他机动车辆历史运动轨迹和地图信息,预测未来运动轨迹。

  • 影响:不准确的轨迹预测可能导致自动驾驶系统的响应延迟或错误,增加交通事故的风险。特别是在复杂多变的交通环境中,精确的轨迹预测能够帮助自动驾驶汽车提前规划路径,减少不必要的紧急制动或避让动作,避免潜在的碰撞风险,可以显著提升自动驾驶的安全性和可靠性,同时改善乘客体验。

  • 输入输出:通常情况下,机动车轨迹预测任务需要输入周边车辆过去一段时间(1s或3s)的状态信息(可能包括坐标,速度,航向角)及地图信息(可能包含车道、标志标线、信号灯等),输出未来一段时间(3s或5s)的车辆状态信息(轨迹坐标或分布)。

可用数据集一览

数据集详情

  • NGSIM

NGSIM(Next Generation Simulation)数据集是美国联邦公路管理局(FHWA)搜集的美国高速公路行车数据。它包括了US101等道路上的所有车辆在高峰时段的车辆行驶状况。数据采样频率为5Hz。链接:https://datahub.transportation.gov/stories/s/Next-Generation-Simulation-NGSIM-Open-Data/i5zb-xe34/

  • HighD

HighD数据集由德国亚琛工业大学汽车工程研究所发布。该数据集是从德国高速公路上采集的真实车辆轨迹数据,包含了大量车辆(包括轿车和卡车)在6个地点的高精度位置、速度和加速度信息。数据采样频率为10Hz。链接:https://levelxdata.com/highd-dataset/

  • Waymo

Waymo数据集由Waymo公司发布的自动驾驶车数据集,其中Waymo Motion包含了自动驾驶车在城市道路、高速公路、乡村道路等区域行驶过程中周边机动车、非动动车、行人的轨迹信息。数据采样频率为10Hz,平均每段数据长度为20s.链接:https://waymo.com/open

  • nuScenes

nuScenes数据来自波士顿和新加坡的1000个城市道路场景中,记录了周边机动车、非机动车、行人的轨迹信息。该数据集同时提供了高清地图。数据采样频率为2Hz,平均每段数据长度为6s.链接:https://www.nuscenes.org/nuscenes#overview

  • INTERACTION

INTERACTION数据集为加州大学伯克利分校机械系统控制实验室与其他单位合作者建立的国际性数据集。它包含不同国家的复杂交叉口与环岛场景中道路使用者(如车辆、行人)的大量交互性行为。数据采样频率为10Hz。链接:https://interaction-dataset.com/

  • Argoverse

Argoverse数据集是由Argo AI公司发布的数据集。该数据集包括来自迈阿密与匹兹堡城市道路的1000多小时自动驾驶车行驶数据。数据采样频率为10Hz,每个场景长5秒。链接:https://www.argoverse.org/data.html#download-link