数字孪生仿真案例数据集

为支撑城市交通精细化管理、智能驾驶算法验证及车路协同（V2X）应用开发，本文构建了一个聚焦于城市道路的微观交通仿真数据集。围绕典型的城市路网场景，本数据集利用专业的微观交通仿真引擎，系统性地生成了涵盖基准路况、动态交通事件及信号控制方案下的高精度交通参与者数据。数据集包含三大核心部分：全局指标数据（global_metrics），记录了仿真过程中的全网平均速度、总行驶距离等宏观性能指标；排队长度数据（queue_length_metrics_myd），提供了路段级的实时排队长度和排队车辆数；以及车辆状态数据（vehicle_status），包含了仿真路网中所有车辆的个体动态信息。数据集通过标准化的 API 驱动流程构建：首先，通过接口创建仿真类型为 MICRO 的城市交通任务；其次，配置各类动态事件，如通过 TRAFFIC_EVENT 注入交通事故，或通过 SIGNAL_PLAN 下发交叉口信号配时方案；最后，在仿真运行中，通过 getVehisStatus、getQueueCounterValue 等接口实时采集数据。这些结构化的仿真数据，为交叉口效率分析、拥堵溯源、以及 V2X 应用评估等前沿研究提供了关键的数据支撑。

搜集汇总

背景与挑战

背景概述

该数据集是一个聚焦于城市道路的微观交通仿真数据集，旨在支持城市交通精细化管理、智能驾驶算法验证及车路协同应用开发。它包含全局指标、排队长度和车辆状态三大核心数据，通过标准化API流程生成，为交叉口效率分析、拥堵溯源等研究提供关键数据支撑，数据量为6.1GB，由阿里云计算有限公司发布。