EV Platoon Dataset for OPD/TPD Car-Following Experiments

这是一个现场收集的电动汽车编队数据集，旨在研究单踏板驾驶和双踏板驾驶下的跟车行为，包括手动驾驶和自适应巡航控制模式。数据集包含一辆ICE领航车和三辆跟随电动车的同步10Hz GPS轨迹数据。实验在佐治亚州72号公路进行，涵盖了12种实验条件组合，包括踏板模式、控制模式、车距设置和领航车速度适应率。

This is a field-collected electric vehicle platoon dataset designed to investigate car-following behaviors under single-pedal and dual-pedal driving modes, encompassing both manual driving and adaptive cruise control (ACC) modes. The dataset includes synchronized 10Hz GPS trajectory data collected from one lead Internal Combustion Engine (ICE) vehicle and three following electric vehicles. The experiments were carried out on Georgia State Route 72, covering twelve combinations of experimental conditions, namely pedal modes, control modes, following gap settings, and lead vehicle speed adaptation rates.

原始信息汇总

EV车辆跟驰实验数据集概述

数据集基本信息

• 数据集名称：EV Platoon Dataset for OPD/TPD Car-Following Experiments
• 研究状态：已获TRB 2026年度会议录用
• 数据内容：现场采集的电动车队列数据集，专门研究单踏板驾驶和双踏板驾驶下的车辆跟驰行为
• 数据频率：10 Hz同步GPS轨迹数据

数据采集环境

• 采集地点：佐治亚州72号公路（佐治亚大学附近）
• 道路特征：
  • 平坦一致坡度
  • 清晰车道标线
  • 周边交通流量小
  • 外部干扰少
• 采集时间：非高峰时段

实验车辆配置

位置	车辆型号	类型	功能特性
头车	2021雷克萨斯UX 200	燃油车	配备自适应巡航
第2辆	2024福特野马Mach-E	电动车	单踏板驾驶+自适应巡航
第3辆	2023起亚Niro EV	电动车	单踏板驾驶+自适应巡航
第4辆	2023起亚Niro EV	电动车	单踏板驾驶+自适应巡航

测量设备

• GPS设备：RaceBox 10 Hz GPS单元
• 精度指标：
  • 位置精度约10厘米
  • 速度噪声0.1-0.3米/秒
  • 各车辆安装位置一致

实验设计

实验变量

• 踏板模式：单踏板驾驶 vs 双踏板驾驶
• 控制模式：自适应巡航 vs 人工驾驶
• 车距设置：最长 vs 最短（仅自适应巡航）
• 头车速度适应率：低 vs 高

实验配置（共12组）

实验	踏板模式	控制模式	车距	适应率
1-8	单踏板/双踏板	自适应巡航	最长/最短	低/高
9-12	单踏板/双踏板	人工驾驶	不适用	低/高

头车速度曲线

预设动态速度轨迹：

1. 加速阶段：0→55 mph
2. 高速振荡：55-50 mph，55-45 mph
3. 过渡减速：55→35 mph
4. 低速振荡：35-30 mph，35-25 mph
5. 减速停止

数据获取

• 下载地址：https://drive.google.com/drive/folders/18L-EAKB0W2g7jJbiFH8zRxq0K0Toa28y?usp=sharing

搜集汇总

数据集介绍

构建方式

在智能交通系统研究领域，针对电动汽车跟驰行为的数据采集尚存空白。本数据集通过实地控制实验构建，选取佐治亚州72号公路平坦路段作为实验场地，以降低外部干扰。实验车队由一辆配备自适应巡航系统的内燃机前导车和三辆跟随电动汽车组成，采用RaceBox 10Hz GPS设备同步采集轨迹数据，定位精度达10厘米级。通过系统设计12组实验，全面覆盖单踏板与双踏板驾驶模式、人工驾驶与自适应巡航控制、不同车距设置及速度适应率的组合场景，前导车严格遵循预设的变速轨迹，确保实验条件的可重复性。

特点

该数据集在电动汽车行为研究领域具有显著独特性。其核心价值在于首次系统收录了单踏板驾驶模式下的跟驰行为数据，同时包含传统双踏板驾驶的对照实验。数据维度涵盖高精度GPS轨迹、速度波动传播模式及车间距动态变化，采样频率达到10Hz。实验设计巧妙分离了踏板模式与控制系统的影响因子，通过固定前导车的变速规程，为研究振荡传递机理提供了标准化数据基础。值得注意的是，所有驾驶员虽具备电动汽车驾驶经验，但对单踏板操作尚属陌生，这一特性为研究学习曲线效应提供了天然实验条件。

使用方法

研究人员可通过谷歌云端存储获取该数据集，解压后可见按实验编号组织的结构化数据文件。数据预处理建议首先进行时间戳对齐与坐标系统一，继而可开展跟驰模型参数标定、制动行为模式识别等分析。针对单踏板与双踏板驾驶的对比研究，可重点考察减速阶段的控制策略差异；对于自适应巡航控制场景，则可分析不同车距设置下的队列稳定性。数据集特别适用于开发数据驱动的跟驰模型，验证控制算法在混合驾驶模式下的适应性，并为智能网联汽车协同控制研究提供基准测试数据。

背景与挑战

背景概述

随着电动汽车技术的快速发展，单踏板驾驶模式对跟驰行为的影响成为智能交通领域的前沿课题。TPD Car-Following Experiments数据集由佐治亚大学研究团队于2026年构建，通过控制实验采集了包含传统燃油车与三辆电动汽车组成的编队数据。该数据集聚焦于单踏板与双踏板驾驶模式下人工驾驶与自适应巡航控制的交互机制，填补了电动汽车驾驶行为研究中的数据空白，为智能驾驶算法验证提供了关键实验支撑。

当前挑战

在解决电动汽车跟驰行为建模问题时，需克服单踏板模式带来的非线性制动特性与驾驶员适应性问题。数据构建过程中面临多重挑战：实验车辆需在低干扰环境中保持精确同步，10HzGPS设备需实现厘米级定位精度；驾驶员对单踏板操作的生疏性可能引入行为偏差，而12种实验条件的组合要求对速度振荡、车间距等参数进行严格标准化控制。

常用场景

衍生相关工作

基于该数据集的实验范式，学术界已衍生出多项创新研究。部分学者聚焦于建立考虑能量回收特性的改进跟驰模型，另一些研究则深入分析单踏板驾驶对交通流稳定性的影响机制。还有团队将实验数据与微观仿真平台结合，开发出更精确的电动汽车车队控制策略。这些衍生工作共同推动了智能交通系统研究向更精细化、专业化方向发展。

数据集最近研究

最新研究方向

随着电动汽车技术的快速发展，单踏板驾驶模式对跟驰行为的影响成为智能交通领域的前沿课题。该数据集通过系统化实验设计，聚焦于OPD与TPD模式下人工驾驶与自适应巡航控制的交互机制，揭示了不同踏板模式对车队振荡传播和间距稳定性的动态影响。当前研究热点集中于利用高精度GPS轨迹数据构建驾驶行为预测模型，为智能驾驶系统的安全评估提供实证基础。这一成果不仅填补了电动汽车跟驰行为数据库的空白，更被TRB 2026年会收录，标志着其在交通工程领域的学术价值与实践意义。