Driver Behavior Dataset

该数据集收集了驾驶事件中的智能手机传感器测量数据，使用Android应用程序记录了加速计、线性加速度、磁力计和陀螺仪等传感器数据。实验在四次约13分钟的汽车旅行中进行，条件包括使用2011年本田思域车辆，搭载Android 5.1的摩托罗拉XT1058智能手机，以及特定的传感器采样率。数据集旨在建立一系列代表真实世界驾驶事件（如刹车、加速、转弯和车道变更）的数据集。

This dataset compiles smartphone sensor measurements from driving events, capturing data from accelerometers, linear accelerometers, magnetometers, and gyroscopes via an Android application. The experiments were conducted over four car trips, each lasting approximately 13 minutes, using a 2011 Honda Civic equipped with a Motorola XT1058 smartphone running Android 5.1, under specific sensor sampling rates. The dataset aims to establish a collection of data representing real-world driving events such as braking, accelerating, turning, and lane changes.

原始信息汇总

数据集概述

数据集名称

• Driver Behavior Dataset

数据集内容

• 该数据集包含驾驶事件中的智能手机传感器测量数据，包括加速度计、线性加速度、磁力计和陀螺仪的数据。

实验条件

• 实验在4次汽车旅行中进行，每次约13分钟。
• 使用车辆为2011年本田思域。
• 智能手机为Motorola XT1058，搭载Android 5.1系统。
• 智能手机通过车载支架固定在挡风玻璃上，采集数据期间未移动或操作。
• 传感器采样率在50至200 Hz之间。
• 由两名驾驶经验超过15年的司机执行驾驶事件。
• 实验天气晴朗，道路干燥且铺设沥青。

驾驶事件类型及样本数量

驾驶事件类型	样本数量
Aggressive breaking	12
Aggressive acceleration	12
Aggressive left turn	11
Aggressive right turn	11
Aggressive left lane change	4
Aggressive right lane change	5
Non-aggressive event	14
总计	69

数据集结构

• 每个文件夹代表一次汽车旅行，包含以下文件：

  • aceleracaoLinear_terra.csv
  • acelerometro_terra.csv
  • campoMagnetico_terra.csv
  • giroscopio_terra.csv
  • groundTruth.csv
  • viagem.json

• 文件中的通用字段：

  • timestamp
  • uptimeNanos

• groundTruth.csv文件包含以下字段：

  • evento
  • inicio
  • fim

相关工作

• 数据集已被用于Análise de Perfil de Motoristas: Detecção de Eventos por meio de Smartphones e Aprendizado de Máquina研究中。

搜集汇总

数据集介绍

构建方式

Driver Behavior Dataset是一款收集驾驶事件中智能手机传感器数据的集合。通过特定的Android应用程序，在驾驶过程中记录加速度计、线性加速度、磁力计和陀螺仪等传感器的数据，从而构建该数据集。实验在四段平均约13分钟的汽车行程中进行，严格控制车辆、智能手机及其位置、采样率等条件，以确保数据的准确性和一致性。

特点

该数据集涵盖了七种常见的驾驶事件类型，包括急刹车、急加速、急转弯和变道等，力求为每种事件类型收集平衡的样本数量。数据集结构清晰，每个文件夹代表一次汽车行程，包含六个文件，分别记录线性加速度、加速度、磁力计读数、陀螺仪读数以及事件起始和结束的时间戳。此外，数据集在真实世界的驾驶场景中具有较高的代表性。

使用方法

使用该数据集时，用户可以访问每个行程对应的文件夹，读取CSV和JSON文件中的数据。CSV文件包含时间戳、事件类型以及事件的起始和结束时间，而JSON文件则提供智能手机的相关信息。用户可根据需要，对这些数据进行预处理、分析和模型训练，以进行驾驶行为分析或事件检测等研究。

背景与挑战

背景概述

Driver Behavior Dataset是一个收集驾驶事件中智能手机传感器测量数据的集合。该数据集的创建旨在通过记录加速度计、线性加速度、磁力计和陀螺仪等传感器的数据，对驾驶行为进行分析。实验在2011款本田思域车型上进行，使用摩托罗拉XT1058型智能手机（Android 5.1版本），并由两位拥有超过15年驾驶经验的驾驶员在晴朗、道路干燥且铺设良好的条件下执行驾驶事件。该数据集的构建目的是确立一组代表常见现实世界事件的驾驶事件，如制动、加速、转弯和车道变换，共收集了69个样本。此数据集对于驾驶行为分析、自动驾驶系统训练等领域具有重要的研究价值。

当前挑战

在构建Driver Behavior Dataset的过程中，研究人员面临了多个挑战。首先，确保智能手机传感器数据的准确性和稳定性是一大挑战，尤其是在不同的驾驶事件中。其次，实验过程中需要精确记录每个事件的开始和结束时间戳，这对实验设计的精确性提出了要求。此外，尽管努力收集平衡的样本数量，但实际操作中仍有部分事件样本数量不平衡，这对数据集的代表性造成了一定影响。在研究领域中，如何利用这些数据有效识别和分类不同类型的驾驶行为，以及如何提高数据集在不同环境和条件下的泛化能力，是当前面临的挑战。

常用场景

经典使用场景

在智能驾驶及驾驶行为分析领域，Driver Behavior Dataset数据集的典型应用场景是通过对智能手机传感器所采集的驾驶数据进行分析，以识别和分类不同的驾驶事件，如急刹车、急加速、转弯和车道变换等。该数据集提供了丰富的传感器测量数据，使得研究者能够利用机器学习算法对驾驶行为进行深入的理解和建模。

衍生相关工作

基于Driver Behavior Dataset数据集，已有研究如《Análise de Perfil de Motoristas: Detecção de Eventos por meio de Smartphones e Aprendizado de Máquina》等，探索了使用智能手机和机器学习技术进行驾驶事件检测和驾驶者行为分析的方法，为后续的研究提供了重要的参考和基础。

数据集最近研究

最新研究方向

在智能驾驶与驾驶行为分析领域，基于Driver Behavior Dataset的最新研究集中于利用智能手机传感器数据对驾驶事件进行分类与预测。此类研究通过加速度计、线性加速度计、磁力计和陀螺仪等传感器收集的数据，旨在建立一套能够代表现实世界中常见驾驶事件的模型，如急刹车、急加速、转弯和车道变换等。近期研究不仅关注于驾驶行为的识别，还包括对驾驶者习惯的深入分析，以及如何通过这些数据分析来提升驾驶安全。此外，该数据集在自动驾驶系统开发、驾驶行为风险评估以及个性化驾驶辅助系统的设计中展现出重要价值。