Interaction Dataset of Autonomous Vehicles with Traffic Lights and Signs

该数据集由威斯康星大学麦迪逊分校和佐治亚大学的研究团队开发，基于Waymo Motion数据集，专注于自动驾驶车辆与交通信号灯和停车标志的交互行为。数据集包含超过37,000个交通灯交互片段和44,000个停车标志交互片段，总数据量达到81,000条。数据集通过提取、组织和增强轨迹数据，填补了现有文献中缺乏真实世界自动驾驶车辆与交通控制设备交互数据的空白。数据集的应用领域包括自动驾驶决策模型的开发、交通仿真工具的优化以及未来交通基础设施的规划。通过提供高质量的交互数据，该数据集有助于更深入地理解自动驾驶车辆在复杂交通环境中的行为，推动自动驾驶技术的进一步发展。This dataset, developed by a research team from the University of Wisconsin-Madison and the University of Georgia and based on the Waymo Motion dataset, focuses on the interaction behaviors between autonomous vehicles and traffic lights as well as stop signs. The dataset contains over 37,000 traffic light interaction segments and 44,000 stop sign interaction segments, with a total of 81,000 entries. By extracting, organizing, and augmenting trajectory data, this dataset fills the gap in existing literature regarding the lack of real-world interaction data between autonomous vehicles and traffic control devices. The application scenarios of this dataset include the development of autonomous driving decision-making models, the optimization of traffic simulation tools, and the planning of future transportation infrastructure. By providing high-quality interaction data, this dataset facilitates a deeper understanding of the behaviors of autonomous vehicles in complex traffic environments, and promotes the further advancement of autonomous driving technology.

搜集汇总

数据集介绍

构建方式

该数据集基于Waymo Motion数据集构建，专注于捕捉自动驾驶车辆（AV）与交通控制设备（如交通信号灯和停车标志）之间的交互行为。研究团队通过定义规则从Waymo Motion数据集中提取相关交互轨迹数据，涵盖超过37,000个交通信号灯交互片段和44,000个停车标志交互片段。数据提取后，采用基于小波的去噪技术对加速度和速度曲线进行平滑处理，以消除异常值，从而显著提升数据质量。此外，数据集还通过轨迹组织和质量评估框架，确保数据的完整性和可靠性。

特点

该数据集的特点在于其全面性和高质量。它不仅涵盖了自动驾驶车辆与交通信号灯和停车标志的多种交互场景，如停车、左转、右转和直行，还通过详细的分类规则对交互行为进行了系统化整理。数据集中的轨迹数据经过严格的去噪处理，异常加速度和急动度比例降至接近零，确保了数据的准确性和实用性。此外，数据集的公开性为研究社区提供了宝贵的资源，支持自动驾驶决策模型和交通仿真工具的进一步发展。

使用方法

该数据集可用于自动驾驶行为建模和交通仿真研究。研究人员可以通过分析数据集中的轨迹数据，深入理解自动驾驶车辆在不同交通控制设备下的决策过程。具体应用包括开发更精确的自动驾驶决策算法、优化交通信号控制系统以及评估自动驾驶车辆在复杂交通环境中的表现。此外，数据集还可用于训练和验证机器学习模型，以提升自动驾驶系统对交通信号灯和停车标志的识别与响应能力。

背景与挑战

背景概述

《Interaction Dataset of Autonomous Vehicles with Traffic Lights and Signs》是由Zheng Li等人于2025年提出的一个专注于自动驾驶车辆（AV）与交通信号灯和停车标志交互的数据集。该数据集基于Waymo Motion数据集，旨在填补现有文献中缺乏真实世界场景下AV如何解释和响应交通控制设备的空白。数据集包含超过37,000个与交通信号灯交互的片段和44,000个与停车标志交互的片段，涵盖了AV在复杂交通环境中的多种行为。该研究不仅提供了高质量的数据，还提出了一个系统的方法框架，包括数据提取、轨迹组织和质量评估，为自动驾驶决策模型和交通仿真工具的开发提供了重要支持。

当前挑战

该数据集面临的挑战主要体现在两个方面：首先，在领域问题方面，自动驾驶车辆与交通信号灯和停车标志的交互行为具有高度的复杂性和多样性，尤其是在城市交通环境中，AV需要准确识别并响应动态变化的交通信号状态，这对模型的鲁棒性和实时性提出了极高要求。其次，在数据构建过程中，研究者需要从大规模的Waymo Motion数据集中提取并筛选出与交通控制设备相关的交互片段，这一过程涉及复杂的规则定义和数据处理，尤其是在轨迹去噪和质量提升方面，研究者采用了基于小波的去噪技术，以减少噪声和异常值，确保数据的准确性和可用性。此外，如何有效分类和标注不同类型的交互行为（如左转、右转、直行等）也是构建过程中的一大挑战。

常用场景

经典使用场景

该数据集主要用于研究自动驾驶车辆（AVs）与交通信号灯和停车标志之间的交互行为。通过从Waymo Motion数据集中提取的超过37,000个交通信号灯交互片段和44,000个停车标志交互片段，研究者能够深入分析AVs在真实交通环境中如何响应这些交通控制设备。该数据集为自动驾驶决策模型的开发提供了丰富的实验数据，尤其是在复杂城市交通环境中的行为建模。

实际应用

该数据集的实际应用场景广泛，特别是在智能交通系统（ITS）和自动驾驶技术的开发中。通过分析AVs与交通信号灯和停车标志的交互行为，交通管理部门可以优化信号灯配时，减少交通拥堵和事故风险。此外，该数据集还可用于开发更精确的交通仿真工具，帮助城市规划者设计更高效的交通网络。

衍生相关工作

该数据集衍生了许多相关研究，特别是在自动驾驶行为建模和交通仿真领域。基于该数据集，研究者开发了多种AV决策模型，用于预测AVs在复杂交通环境中的行为。此外，该数据集还被用于评估不同交通控制策略的效果，推动了智能交通系统的发展。一些经典工作包括基于该数据集的交通信号优化算法和自动驾驶车辆的协同控制策略研究。