IMPTC数据集

IMPTC数据集是由德国应用科学大学阿沙芬堡创建的一个基础设施多人物轨迹与上下文数据集。该数据集通过位于德国的一个智能公共内城交叉口，利用多视角摄像头和激光雷达系统捕捉交通情况和道路使用者行为。数据集包含超过2,500个弱势道路使用者（VRUs）轨迹，包括行人、自行车骑手、电动滑板车骑手、婴儿车和轮椅用户，以及超过20,000个车辆轨迹，涵盖不同的白天时间、天气条件和季节。此外，数据集还包括所有传感器数据、校准数据、检测数据直至轨迹和上下文数据，旨在支持自动交通中的安全验证、VRU意图预测等研究。

The IMPTC dataset is an infrastructure-based multi-road-user trajectory and context dataset developed by Aschaffenburg University of Applied Sciences in Germany. It captures traffic conditions and road user behaviors using multi-view cameras and LiDAR systems at a smart public urban intersection located in Germany. The dataset includes over 2,500 trajectories of vulnerable road users (VRUs), such as pedestrians, cyclists, electric scooter riders, stroller and wheelchair users, as well as more than 20,000 vehicle trajectories, covering various daytime periods, weather conditions and seasons. Furthermore, the dataset encompasses all sensor data, calibration data, detection data as well as final trajectory and contextual data, aiming to support research including safety validation in automated traffic and VRU intent prediction.

搜集汇总

数据集介绍

构建方式

在智能交通系统研究领域，数据采集的全面性与精确性至关重要。IMPTC数据集构建于德国阿沙芬堡市一个繁忙的城市交叉路口，部署了多模态传感器网络。该系统整合了六台高分辨率广角彩色相机与三台多层激光雷达，形成协同感知网络，覆盖约50×40米区域。数据采集历时八小时，涵盖不同时段、季节与天气条件，通过立体视觉与点云融合技术，实现了对交通参与者的三维定位与轨迹追踪。数据处理采用优化的相机标定算法与交互多模型卡尔曼滤波，确保轨迹精度达到厘米级，同时集成了气象站与交通信号状态监测器，为场景理解提供丰富的上下文信息。

特点

该数据集在交通行为分析领域展现出显著的多维特征。其核心优势在于对弱势道路使用者的精细分类，涵盖行人、骑行者、电动滑板车用户、婴儿车及轮椅使用者五类，并包含超过2,500条VRU轨迹与20,000条车辆轨迹。数据集突破了传统数据集的局限，同步提供激光雷达点云、相机图像、交通信号状态、气象数据及高精度数字地图，构建了完整的场景感知体系。尤为突出的是，数据采集不受光照与天气条件限制，囊括了夜间、雨雪等多种复杂环境，为模型训练提供了真实世界的多样性。

使用方法

为支持自动驾驶安全验证与行为预测研究，IMPTC数据集提供了分层数据访问结构。研究者可通过JSON格式的高层数据文件获取同步化的轨迹、分类标签及上下文信息，快速进行场景检索与分析。数据集配套提供场景预览视频与开源工具，便于可视化与初步探索。对于需要底层感知数据的研究，可访问激光雷达点云、相机原始图像及关键点标注，支持自定义特征提取与算法验证。数据集持续扩展并公开于非商业研究用途，适用于VRU意图预测、交通流建模及多智能体交互等前沿课题。

背景与挑战

背景概述

随着自动驾驶技术的迅猛发展，城市交叉路口因其复杂的交通环境成为安全研究的核心焦点。在此背景下，德国阿沙芬堡应用科学大学、帕绍大学及卡塞尔大学的研究团队于2023年联合发布了IMPTC数据集。该数据集旨在通过智能基础设施系统，为自动驾驶算法提供涵盖多模态传感器数据与丰富上下文信息的真实世界场景理解。其核心研究问题聚焦于提升对弱势道路使用者（如行人、骑行者）行为意图的预测能力，并支持自动驾驶系统在复杂城市场景下的安全验证。IMPTC的发布，为轨迹预测、行为分析及多智能体交互研究提供了高质量、可复现的数据基础，显著推动了智能交通与协同感知领域的发展。

当前挑战

IMPTC数据集致力于解决自动驾驶领域中弱势道路使用者行为意图预测这一关键挑战。具体而言，传统轨迹预测方法仅依赖历史运动数据，难以在VRU行动发起前进行有效预判，而交叉路口复杂的多智能体交互、动态环境因素（如交通信号、天气）进一步增加了预测难度。在构建过程中，研究团队面临多重挑战：为实现高精度多视角传感器标定与数据融合，需克服不同相机系统间的几何不一致性问题；在复杂天气与光照条件下保持LiDAR与视觉传感器的稳定检测性能；同时，需设计高效的跟踪算法以处理多类别VRU（如电动滑板车、轮椅使用者）的混合运动模式，并确保轨迹数据的连续性与准确性。

常用场景

经典使用场景

在自动驾驶与智能交通系统研究中，IMPTC数据集为城市交叉口场景下的多智能体轨迹预测与行为理解提供了关键数据支撑。该数据集通过部署于德国阿沙芬堡市区的智能基础设施，采集了涵盖行人、骑行者、电动滑板车用户、婴儿车及轮椅使用者等五类弱势道路使用者的高精度轨迹数据，并结合天气、光照、交通信号灯状态等丰富上下文信息。其经典应用场景聚焦于复杂城市交叉口环境中，基于多视角相机与激光雷达融合感知技术，实现对多类别道路使用者长时序轨迹的精确追踪与建模，为研究多智能体交互行为、轨迹预测算法验证及场景理解提供了真实、全面的数据基础。

衍生相关工作

围绕IMPTC数据集，已衍生出多项聚焦于弱势道路使用者行为分析与轨迹预测的经典研究工作。早期基于同一交叉口基础设施的Ko-PER与DeCoInt2项目，曾利用多视角相机系统研究行人过街行为与协同追踪算法，为IMPTC的数据采集与处理流程奠定基础。后续研究如Zernetsch等人提出的概率轨迹预测方法、Bieshaar等人基于卷积神经网络的骑行者起步动作检测模型，均利用了该基础设施采集的轨迹与上下文数据。这些工作逐步拓展至多类别道路使用者的交互建模、意图识别及协同感知框架构建，形成了从数据采集到行为理解的一系列关键技术积累。

数据集最近研究

最新研究方向

在智能交通系统与自动驾驶领域，IMPTC数据集作为一项基础设施支持的多行人轨迹与上下文数据集，正推动着对城市交叉口复杂场景的深入理解。该数据集通过融合多视角摄像头与激光雷达系统，不仅捕捉了行人、骑行者、电动滑板车用户等多种弱势道路使用者的高精度轨迹，还整合了天气、光照、交通信号灯状态等丰富的上下文信息，为行为预测与意图识别提供了前所未有的数据基础。当前研究前沿聚焦于利用这些多模态数据，开发能够准确预测弱势道路使用者未来位置与行为的机器学习模型，特别是在多智能体交互与动态环境适应方面。热点事件包括将人体姿态、手势识别等视觉上下文融入轨迹预测算法，以提升自动驾驶系统在繁忙城市场景中的安全性与可靠性。IMPTC数据集的影响在于其填补了现有数据集在真实世界多样性、上下文完整性方面的空白，为验证自动驾驶安全、优化智能基础设施协同提供了关键支持，促进了从单纯轨迹分析向全面场景理解的范式转变。

相关研究论文

• The IMPTC Dataset: An Infrastructural Multi-Person Trajectory and Context Dataset

  应用科学大学阿沙芬堡 · 2023年