数据集笔记:NGSIM (next generation simulation)

1 数据集介绍

数据介绍s Next Generation Simulation (NGSIM) Open Data (transportation.gov)

数据地址:Next Generation Simulation (NGSIM) Vehicle Trajectories and Supporting Data | Department of Transportation - Data Portal 

时间2005年到2006年间
地点
  • 在四个不同的地点收集了高质量的交通数据集
    • 两个高速公路段(I-80和US-101)
    • 两个干道段(兰克希姆大道和桃树街)

  • 为每个地点收集和生成的数据集包括
    • 车辆轨迹数据(主要数据)
      • 从视频中转录车辆轨迹数据。
      • 这些车辆轨迹数据每0.1秒就能精确地提供研究区域内每辆车的位置,从而得到详细的车道位置和相对于其他车辆的位置
      • 对于四个NGSIM数据收集地点,存在着25列和超过1180万行的轨迹数据​​​​​​​
    • 其他特定地点的主要和支持数据
      • 不同聚合水平(例如,30秒、5分钟或15分钟)的车辆流量和占有率(可能还包括速度值)(主要数据)
      • 研究区域的正射矫正照片(支持数据)
      • 使用正射矫正照片开发的研究区域的计算机辅助设计(CAD)图纸(支持数据)
      • 信号和/或匝道计时(支持数据)
      • 包括研究区域网络的几何形状和其他属性的地理信息系统(GIS)形状文件(支持数据)
      • 带有聚合车辆轨迹结果的数据分析文件,提供常见的宏观交通流参数(支持数据)
      • I-80 NGSIM地点还提供以下额外数据:
        • 数据收集时期的旧金山机场的天气数据(支持数据)
        • 路标照片(支持数据)
    • 原始视频文件
      • 原始的车辆运动数据
      • I-80 视频

        2005年4月13日位于加利福尼亚州埃默里维尔的I-80路段

        提供45分钟的视频数据,分为三个15分钟的时段:1)下午4:00到4:15;2)下午5:00到5:15;以及3)下午5:15到5:30

        数据集包括来自七个摄像头的每个时间段的原始和处理过的视频文件

        数据集包括来自七个摄像头的每个时间段的原始和处理过的视频文件

        US-101 Videos

        2005年6月15日位于加利福尼亚州洛杉矶的美国101号(好莱坞高速公路)的高速公路段收集的。

        包含了45分钟的转录数据,分为三个15分钟的时段,分别代表:1) 上午7:50至8:05,2) 上午8:05至8:20,以及3) 上午8:20至8:35。

        数据集包括每个摄像头的三个时间段的原始和处理过的视频文件。摄像头编号按从最南(1)到最北(8)的顺序排列

        Lankershim Boulevard Videos

        视频是在2005年6月16日位于加利福尼亚州洛杉矶兰克希姆大道上的一条干道段收集的。

        数据代表了30分钟的视频,分为两个时段(上午8:30至8:45和上午8:45至9:00)。

        数据集包括两个时间段的每个摄像头的原始和处理过的视频数据的文件。摄像头编号按从最南(1)到最北(5)的顺序排列。

        Peachtree Street Videos

        视频是在2006年11月8日位于佐治亚州亚特兰大的桃树街上的一条干道段收集的。

        数据代表了30分钟的视频,分为两个时段(下午12:45至1:00和下午4:00至4:15)。

        数据集包括两个时间段的每个摄像头的原始和处理过的视频数据的文件

        。摄像头编号按从最南(1)到最北(8)的顺序排列。

    • 处理过的视频文件
      • 带有车辆识别号码叠加的车辆视频

 1.1 轨迹数据集各列意义

列名描述
Vehicle_Id车辆识别号(根据进入该区域的时间升序),重复利用
Frame_Id该条数据在某一时刻的帧(按开始时间升序),同一Vehicle_ID的帧号不会重复
Total_Frame该车出现在此数据集的总帧数
Global_Time时间戳(ms)
Local_X车辆前部中心的横向(X)坐标,以英尺为单位,相对于截面在行驶方向上的最左侧边缘。
Local_Y车辆前部中心的纵向(Y)坐标,以英尺为单位,相对于截面在行驶方向上的进入边缘。
以上两个采集区域内的坐标,采集区域不同,坐标系不同,会有不同的零点
Global_X,Y全局坐标,只有一个零点,可用作数据筛选
v_length车辆长度(以英尺为单位)
v_Width车辆长度(以英尺为单位)
v_Class车辆类型:1-摩托车,2-汽车,3-卡车
v_Vel车辆瞬时速度,以英尺/秒为单位
v_Acc车辆的瞬时加速度,以英尺/秒为单位
Lane_ID车辆的当前车道位置。 第1车道是最左边的车道; 第5车道是最右边的车道。
O_Zone车辆的起点区域,即车辆进入跟踪系统的位置。 研究区域有11个起源,编号从101到111。有关更多详细信息,请参阅数据分析报告。
D_Zone车辆的目的地区域,即车辆离开跟踪系统的地方。 研究区域中有10个目的地,从201到211编号。起点102是单向出口; 因此,没有关联的目标号码202。请参阅数据分析报告以获取更多详细信息。
Int_ID车辆行驶的路口。 交叉点的编号为1到4,交叉点1位于最南端,交叉点4位于研究区域的最北端。 值为“ 0”表示该车辆不在交叉路口的附近,而是该车辆标识为Lankershim Boulevard的一段(下面的Section_ID)。 请参阅数据分析报告以获取更多详细信息。
Section_ID车辆行驶的路段。 Lankershim Blvd分为五个部分(路口1的南部;路口1和2、2和3、3和4之间;路口4的北部)。 值为“ 0”表示该车辆未识别出Lankershim Boulevard的一段,并且该车辆紧邻交叉路口(上述Int_ID)。 请参阅数据分析报告以获取更多详细信息
Direction车辆的行驶方向。 1-东行(EB),2-北行(NB),3-西行(WB),4-南行(SB)
Movement车辆的运动。 1-通过(THE),2-左转(LEFT),3-右转(RT)。
Preceding同道前车的车辆编号。数值为“0”表示没有前面的车辆-发生在研究段的末尾和出匝道
Following在同一车道上跟随本车辆的车辆的车辆ID。 值“ 0”表示没有跟随的车辆-在研究部分的开头和匝道发生,
Space_Headway间距提供了车辆的前中心到前一辆车辆的前中心之间的距离。(英尺)
Time_Headway时间进度(以秒为单位)提供了从车辆的前中心(以车辆的速度)行进到前一辆车辆的前中心的时间。
Location街道名称或高速公路名称

2 数据集的一些应用

  1. 利用下一代模拟轨迹数据估计加速度和变道动态
    • 提出了一种轨迹平滑算法以消除噪音,并将其应用于NGSIM数据。
    • 然后使用平滑后的NGSIM数据来估计密度函数、时间间隔和碰撞时间的分布,以及变道持续时间标准。
  2. 用于高速公路轨迹预测的LSTM网络:
    • 使用NGSIM数据来训练和验证一个长短期记忆(LSTM)神经网络
    • 该网络可以准确预测高速公路上车辆的未来纵向和横向轨迹。
    • 这些预测旨在通过允许更好地理解周围车辆的意图来提高高级驾驶辅助系统(ADAS)的适应性。
  3. 在高速公路交通状态估计中加入拉格朗日测量:
    • 提出技术将手机的移动探针测量集成到高速公路交通流模型中。
    • NGSIM数据被用作基准数据集来验证和比较这两种方法。
  4. 在连接环境中建模变道行为:
    • 博弈论方法:提出了一个基于博弈论方法的变道模型,考虑了连接车辆环境中的信息流。
    • NGSIM数据集用于校准所提出的变道模型。
  5. 使用时空上下文检测异常视频事件:
    • 提出了一种意识到上下文的视频事件检测方法,用于检测对象运动中的异常。
    • NGSIM视频被用来测试和验证该方法在检测交通视频中的异常以及识别这些异常为危险和非法交通事件的能力。
  6. 自动驾驶车辆的社会行为:
    • 提出了一个自动驾驶车辆控制器设计框架,其中包含了来自社会心理学的工具。
    • NGSIM数据集用于验证所提出的算法,该算法控制自动驾驶车辆的驾驶,同时通过结合社会心理学预测人类驾驶的车辆轨迹。
  7. 驾驶行为模型中相关参数的研究——跟车例子及其对交通微观模拟的影响:
    • 调查了忽略跟车模型三个参数相关性对衍生运动和异质交通模拟的交通特性的影响。
    • NGSIM数据被用来校准跟车模型参数,并显示参数之间相关性的统计显著性。

参考内容:NGSIM数据集解析(含代码)_番茄炒狼桃的博客-CSDN博客

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/152002.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

七天.NET 8操作SQLite入门到实战 - SQLite 简介

什么是SQLite? SQLite是一个轻量级的嵌入式关系型数据库,它以一个小型的C语言库的形式存在。它的设计目标是嵌入式的,而且已经在很多嵌入式产品中使用了它,它占用资源非常的低,在嵌入式设备中,可能只需要几…

第四代智能井盖传感器,实时守护井盖位安全

城市管理中井盖的安全问题始终是一个不容忽视的方面。传统的巡检方式不仅效率低下,无法实现实时监测,而且很难准确掌握井盖的异动状态。因此智能井盖传感器的应用具有重要意义。这种智能传感器可以帮助政府实时掌握井盖的状态,一旦发现异常情…

企业计算机服务器中了mallox勒索病毒怎么解决,勒索病毒解密文件恢复

随着科技技术的不断发展,网络技术得到了快速提升,但网络安全威胁也不断增加,近期,云天数据恢复中心陆续接到很多企业的求助信息,企业的计算机服务器遭到了mallox勒索病毒攻击,导致企业的所有业务中断&#…

MatLab的下载、安装与使用(亲测有效)

1、概述 MatLab是由MathWorks公司开发并发布的,支持线性代数、矩阵运算、绘制函数和数据、信号处理、图像处理以及视频处理等功能。广泛用于算法开发、数据可视化、数据分析以及数值计算等。 Matlab 的主要特性包括: 简单易用的语法,使得程…

PC 477B西门子触摸屏维修6AV7853-0AE20-1AA0

西门子触摸屏维修故障有:上电黑屏, 花屏,暗屏,触摸失灵,按键损坏,电源板,高压板故障,液晶,主板坏等,内容错乱、进不了系统界面、无背光、背光暗、有背光无字符,上电无任何显示 ,Power灯不亮但其他一切正常,双串口无法通讯 &#x…

车辆限迁查询API——查询您的车辆是否限制迁入迁出

随着城市的快速发展和人们生活水平的提高,车辆的使用量也不断增加。而随之而来的问题也愈发突出,其中之一就是车辆的限迁问题。 比如,在一些大城市,为了减少交通拥堵和空气污染,政府采取了限制车辆迁入迁出的措施&…

智能配电箱柜管理系统

智能配电箱柜管理系统是一个综合性的管理系统,专门设计用于监控和控制智能配电箱和柜的运行。这个系统集成了先进的技术和智能化功能,以确保配电系统的正常运行并提高其效率。依托电易云-智慧电力物联网,以下是智能配电箱柜管理系统的主要特点…

利用ffmpeg实现rtmp和rtsp推流

环境说明 windows11 : ffmpeg VLC Linux Unbuntu20.04 : SRS MediaMTX 可选:GStreamer win11下载ffmpeg和ffplay ffmpeg官网 添加环境变量:添加ffmpeg/bin所在的路径。 D:\ffmpeg\ffmpeg-master-latest-win64-lgpl-shared\bin win11查看本机电脑的设备…

The ultimate UI kit and design system for Figma 组件库下载

Untitled UI 是世界上最大的 Figma UI 套件和设计系统。可以启动任何项目,为您节省数千小时,并祝您升级为专业设计师。 采用 100% 自动布局 5.0、变量、智能变体和 WCAG 可访问性精心制作。 900全局样式、变量:超级智能的全局颜色、排版和效…

【机器学习】特征工程:特征预处理,归一化、标准化、处理缺失值

特征预处理采用的是特定的统计方法(数学方法)将数据转化为算法要求的数字 1. 数值型数据 归一化,将原始数据变换到[0,1]之间 标准化,数据转化到均值为0,方差为1的范围内 缺失值,缺失值处理成均值、中…

cvf_使用lora方法增强能力

cvf_使用lora方法增强能力 实验对比图最终代码简介详细解析实验对比图 最终代码 import paddle import numpy as np import pandas as pd from tqdm import tqdmclass FeedFroward(paddle.nn.Layer)

5.什么是Spring的依赖注入(DI)?IOC和DI的区别是什么

很多人把IOC和DI说成一个东西,笼统来说的话是没有问题的,但是本质上还是有所区别的,希望大家能够严谨一点, IOC和DI是从不同的角度描述的同一件事,IOC是从容器的角度描述,而DI是从应用程序的角度来描述,也…

LeetCode977.有序数组的平方(双指针法、暴力法、列表推导式)

LeetCode977.有序数组的平方 1.问题描述2.解题思路3.代码4.知识点 1.问题描述 给你一个按 非递减顺序 排序的整数数组 nums,返回 每个数字的平方 组成的新数组,要求也按 非递减顺序 排序。 示例 1: 输入:nums [-4,-1,0,3,10] …

如何使用Python开发Qt应用的自动化测试!

随着软件开发领域持续进步,Qt桌面应用的测试方法也在逐渐演变。传统上,Qt应用的测试主要依赖于测试工程师手工执行用例,这种方法虽然在某些方面有效,但对于大型应用而言,手工测试的耗时过长,且在可靠性和覆…

程序员导航站

探路者 hello.alluniverse.vip 开发者导航 - Pro Developer网站导航 探路者是一款极简导航工具,致力于收录的每个站点都有其独特的作用。同时支持自定义导航,让用户快速实现个性化的导航站点。 特性概述 免费ChatGPT 装机必备 开发工具 Git精选项目 …

LabVIEW编程开发NI-USRP

LabVIEW编程开发NI-USRP 可编程性是SDR的关键特性,它使人们能够将无线电外围设备转换为先进的无线系统。USRP是市场上最开放、最通用的SDR,可帮助工程师在主机和FPGA上使用各种软件开发工具构建系统。 有多种选项可用于对基于SDR的系统的主机进行编程。…

9 HDFS架构剖析

问题 100台服务器,存储空间单个200GB 20T 5T文件如何存储? 128MB一块 128MB81GB 1288*10241TB 5T数据分成的128MB的块数 8192 * 5 客户端(client)代表用户通过与namenode和datanode交互来访问整个文件系统。 HDFS集群有两类节点: 一个na…

Python武器库开发-flask篇之error404(二十七)

flask篇之error404(二十七) 首先&#xff0c;我们先进入模板的界面创建一个404的html页面 cd templates vim 404.html404.html的内容如下&#xff1a; <h1>error!!!</h1>在 Flask 应用程序中&#xff0c;当用户访问一个不存在的页面的时候&#xff0c;会出现 4…

MAC上修改mysql的密码(每一步都图文解释哦)

当你想要连接本机数据库时&#xff0c;是不是有可能突然忘记了自己的数据库密码? 在此文中&#xff0c;我们来详细解决一下如何去修改自己的数据库密码&#xff0c;并使用Navicat来连接测试 1.停止mysql服务 打开终端&#xff0c;键入命令,将mysql服务先停止掉&#xff0c;…

归并排序详解:递归实现+非递归实现(图文详解+代码)

文章目录 归并排序1.递归实现2.非递归实现3.海量数据的排序问题 归并排序 时间复杂度&#xff1a;O ( N * logzN ) 每一层都是N,有log2N层空间复杂度&#xff1a;O&#xff08;N&#xff09;&#xff0c;每个区间都会申请内存&#xff0c;最后申请的数组大小和array大小相同稳定…