ATOSenseData

ATOSenseData数据集包含了711个受控实验中火车司机性能测量的数据。这些测量是在不同的速度、障碍物大小、火车保护系统和障碍物颜色对比度下进行的。测量的值包括反应时间和到障碍物的距离。该数据集的目的是提供一个无偏见的、详尽的描述，用于研究、标准化和法规制定。

The ATOSenseData dataset contains data from measurements of train driver performance across 711 controlled experiments. These measurements were conducted under diverse conditions, including train speed, obstacle size, train protection systems, and color contrast of obstacles. The measured values include reaction time and distance to the obstacle. The goal of this dataset is to provide an unbiased, comprehensive description for research, standardization and regulatory development.

搜集汇总

数据集介绍

构建方式

ATOSenseData数据集的构建基于德国铁路交通研究中心（DZSF）资助的ATO-Sense项目，该项目通过模拟实验收集了711组火车驾驶员在控制环境下的性能测量数据。实验设计涵盖了不同速度（40km/h、100km/h、160km/h）、障碍物尺寸（90cm和180cm）、列车保护系统（FAS、PZB、ETCS）以及障碍物颜色对比度（高对比度和低对比度）等多个变量。参与者为具有丰富驾驶经验的合格火车驾驶员，实验过程中通过模拟器呈现虚拟障碍物，并记录驾驶员的反应时间和距离障碍物的距离。

特点

ATOSenseData数据集的特点在于其全面性和多样性。数据集不仅包含了驾驶员在不同操作和环境条件下的反应数据，还提供了原始数据和清洗后的数据，便于进一步分析。数据集的多样性体现在多个性能塑造因素（PSFs）的组合上，如速度、障碍物尺寸、列车保护系统和颜色对比度等，这些因素共同构成了一个多维度的性能评估框架。此外，数据集还包含了不同模拟环境（BBI和DLR）下的实验数据，为研究者提供了丰富的参考信息。

使用方法

ATOSenseData数据集的使用方法主要包括数据分析和性能评估。研究者可以利用该数据集进行非参数统计分析，如Mann-Whitney U检验和Kruskal-Wallis H检验，以评估不同PSFs对驾驶员反应时间的影响。此外，数据集还可用于开发和完善相关标准，如DIN SPEC 91516，为无人驾驶列车的认证提供性能目标。数据集中的原始数据可用于进一步探索驾驶员在突发情况下的行为模式，而清洗后的数据则适用于标准化和法规制定的参考。

背景与挑战

背景概述

ATOSenseData数据集由德国铁路交通研究中心（DZSF）于2025年发布，旨在为无人驾驶列车的安全认证提供关键性能基准。该数据集基于ATO-Sense项目，通过模拟实验采集了711组列车驾驶员在障碍物检测任务中的反应时间和距离数据，涵盖不同速度、障碍物尺寸及环境对比度等变量。研究团队由Rustam Tagiew和Prasannavenkatesh Balaji领衔，其核心科学问题聚焦于量化人类驾驶员在复杂动态环境中的感知性能，以支持欧盟402/2013法规中关于计算机视觉系统替代人类功能的合规性评估。作为首个公开的列车驾驶行为仿真数据集，其通过标准化测量方法填补了轨道交通自动化领域参考数据的空白，对无人驾驶系统的研发与认证具有里程碑意义。

当前挑战

该数据集需解决两大核心挑战：在领域层面，障碍物检测作为无人驾驶列车安全运行的关键功能，其性能量化缺乏统一标准，现有研究难以平衡真实场景复杂性与实验可控性；在构建层面，数据采集需克服多变量控制的工程难题，包括模拟环境与真实驾驶的感知差异、突发障碍物的时序同步精度，以及不同列车防护系统（如ETCS/PZB）对驾驶员注意力的动态影响。此外，人类反应的随机性导致数据分布呈现非参数特征，需开发专用统计方法进行鲁棒分析。

常用场景

经典使用场景

ATOSenseData数据集在无人驾驶列车视觉系统的性能评估中具有重要应用。通过模拟实验收集了711组列车驾驶员在不同速度、障碍物大小、列车保护系统和颜色对比条件下的反应时间和距离数据，为无人驾驶系统的障碍物检测功能提供了基准参考。该数据集特别适用于验证计算机视觉系统在复杂环境下的性能表现，确保其能够达到或超过人类驾驶员的安全标准。

解决学术问题

ATOSenseData解决了无人驾驶列车安全认证中的关键学术问题，即如何量化人类驾驶员在障碍物检测中的性能表现。通过提供详细的实验数据，该数据集填补了相关领域公开测量结果的空白，为制定技术系统的性能目标提供了科学依据。同时，它还为研究人类视觉感知与反应机制在动态环境中的表现提供了宝贵的数据支持。

衍生相关工作

ATOSenseData的发布推动了多项相关研究工作的开展。例如，基于该数据集的统计分析结果，研究人员开发了新的性能评估指标，用于比较人类驾驶员与计算机视觉系统的表现。此外，该数据集还为制定铁路行业的安全标准和认证流程提供了数据支持，促进了无人驾驶列车技术的规范化发展。