CQUT-PVI Pedestrian-vehicle-interaction-dataset-under-right-turn-unsignalized-intersections|交通安全数据集|交通行为分析数据集

该数据集由重庆理工大学汽车零部件教育部重点实验室制作，用于研究行人与车辆在右转无信号交叉口的交互行为。数据集包含两个不同道路条件的交通场景，通过无人机拍摄，涵盖了高峰和非高峰时段的行人与车辆交互数据。

本数据集由重庆理工大学汽车零部件教育部重点实验室精心编制，旨在探究行人与车辆于右转无信号交叉口之互动行为。数据集涵盖了两类不同道路状况的交通场景，均由无人机摄制而成，全面记录了高峰与非高峰时段的行人及车辆交互信息。

原始信息汇总

CQUT-PVI Pedestrian-Vehicle Interaction Dataset under Right-Turn Unsignalized Intersections

数据集概述

• 生产机构：重庆理工大学汽车零部件先进制造技术教育部重点实验室
• 数据集内容：包含在无信号右转交叉口的行人-车辆交互数据

数据采集细节

• 场景描述：
  • 场景一：位于重庆市巴南区宏光大道与宏利大道交叉口的无信号右转交叉口，双向四车道
  • 场景二：位于重庆市巴南区华西街龙洲大道的无信号右转交叉口，双向两车道
• 采集设备：DJ-MINI2无人机，飞行高度25米，最大飞行时间30分钟，有效像素1200万，CMOS图像传感器，视频分辨率3480×2160，帧率30fps
• 采集时间：分为通勤高峰期（下午5:30至7:00）和非通勤高峰期（上午9:30至11:00），每天采集3小时，总计180小时
• 天气条件：晴天和阴天

数据集构成

• 数据集数量：共4个数据集（CP1, CP2, NCP1, NCP2）
• 数据格式：包括交互事件编号、行人横向坐标、行人纵向坐标、行人速度、行人加速度、行人等待时间、车辆横向坐标、车辆纵向坐标、车辆速度、车辆加速度、车辆等待时间、行人-车辆相对距离、后侵入时间

数据集使用

• 公开情况：数据集已公开
• 引用要求：使用本数据集时，请引用即将发表的相关论文

AI搜集汇总

数据集介绍

构建方式

CQUT-PVI数据集构建于重庆理工大学教育部先进制造技术重点实验室，专注于无信号灯右转路口下的行人-车辆交互行为。数据采集通过DJ-MINI2无人机在两个不同路况的交通场景中进行，飞行高度为25米，视频分辨率为3480×2160，帧率为30fps。采集时间涵盖通勤高峰和非高峰时段，天气条件包括晴天和阴天，总计采集180小时视频数据，从中提取出2000个行人-车辆交互事件，共计340,710帧数据。

使用方法

CQUT-PVI数据集适用于交通行为分析、自动驾驶算法验证及智能交通系统开发等领域。用户可通过解析数据集中的交互事件编号及相关坐标、速度、加速度等参数，进行行人-车辆交互行为的定量分析。使用该数据集时，需引用相关研究论文，以确保学术规范的遵循。

背景与挑战

背景概述

CQUT-PVI数据集由重庆理工大学汽车零部件先进制造技术教育部重点实验室创建，专注于无信号灯右转路口下的行人-车辆交互行为研究。该数据集采集自重庆市巴南区的两个不同交通场景，通过无人机拍摄获取了大量高分辨率视频数据。数据集涵盖了早晚高峰及非高峰时段的行人与车辆交互行为，旨在为智能交通系统、自动驾驶技术等领域提供高质量的行人-车辆交互数据支持。其研究背景源于对城市交通安全的关注，尤其是在无信号灯路口，行人安全与车辆通行效率之间的矛盾日益突出。该数据集的发布为相关领域的研究提供了重要的数据基础，推动了行人-车辆交互行为的定量分析与建模研究。

当前挑战

CQUT-PVI数据集的研究挑战主要体现在两个方面。首先，在领域问题方面，无信号灯右转路口的行人-车辆交互行为具有高度复杂性和不确定性，如何从海量视频数据中提取有效的交互事件并量化其动态特征，是研究中的核心难题。其次，在数据集构建过程中，研究人员面临数据采集的复杂性挑战，包括无人机飞行高度、天气条件、交通流量变化等因素对数据质量的影响。此外，数据标注的准确性要求极高，需对行人、车辆的坐标、速度、加速度等多维度信息进行精确提取，这对数据处理算法和人工标注提出了极高的要求。这些挑战的解决不仅需要先进的计算机视觉技术支持，还需结合交通工程领域的专业知识，以实现数据的高效利用与深度分析。

常用场景

经典使用场景

CQUT-PVI数据集专注于无信号灯右转路口下的行人-车辆交互行为研究。该数据集通过无人机采集的高清视频数据，详细记录了行人与车辆在复杂交通环境中的动态交互过程，为交通行为分析提供了丰富的实验数据。研究者可以利用该数据集深入探讨行人与车辆在无信号灯控制下的行为模式，特别是在高峰与非高峰时段的差异。

解决学术问题

CQUT-PVI数据集为解决无信号灯右转路口下的交通安全问题提供了重要支持。通过对行人-车辆交互行为的精确建模，研究者能够分析潜在的安全隐患，并提出有效的交通管理策略。该数据集不仅填补了无信号灯路口行人-车辆交互数据的空白，还为智能交通系统的开发提供了关键数据支持，推动了交通安全领域的学术研究进展。

实际应用

CQUT-PVI数据集在实际应用中具有广泛的价值。例如，交通管理部门可以利用该数据集优化无信号灯路口的交通信号设计，减少交通事故的发生。此外，自动驾驶技术的开发者可以通过分析行人-车辆交互行为，提升自动驾驶系统在复杂交通环境中的决策能力。该数据集还为城市规划和交通政策制定提供了科学依据。

数据集最近研究

最新研究方向

在智能交通系统领域，CQUT-PVI数据集为研究无信号右转交叉口行人-车辆交互行为提供了宝贵的数据资源。该数据集通过无人机采集的高分辨率视频数据，详细记录了不同道路条件下行人与车辆的动态交互信息，包括位置、速度、加速度等关键参数。近年来，随着自动驾驶技术的快速发展，如何确保车辆在复杂交通环境中的安全性与效率成为研究热点。CQUT-PVI数据集为开发基于深度学习的行人行为预测模型、车辆轨迹规划算法以及交通冲突检测系统提供了重要支持。此外，该数据集还涵盖了高峰与非高峰时段的交互数据，为研究交通流量变化对行人-车辆交互模式的影响提供了独特视角。这些研究不仅有助于提升自动驾驶系统的决策能力，也为城市交通管理与规划提供了科学依据。