InterHub|自动驾驶数据集|交互场景数据集

arXiv2024-11-27 更新2024-11-29 收录

自动驾驶

交互场景

下载链接：

https://github.com/zxc-tju/InterHub

下载链接

链接失效反馈

资源简介：

InterHub是由同济大学道路与交通工程教育部重点实验室创建的自然驾驶轨迹数据集，专注于自动驾驶领域的密集交互场景。该数据集通过从广泛的自然驾驶记录中挖掘交互事件，包含77,485条数据，涵盖多种交互类型及其组合。数据集的创建过程包括统一数据格式、使用形式化方法描述和提取多智能体交互事件，并进行详细分析和标注。InterHub旨在解决现有数据集在交互场景捕捉上的不足，推动自动驾驶技术在轨迹预测、决策制定和运动规划等关键任务中的评估和发展。

提供机构：

同济大学道路与交通工程教育部重点实验室

创建时间：

2024-11-27

AI搜集汇总

数据集介绍

构建方式

InterHub数据集通过从广泛采用的自然驾驶数据集中挖掘交互事件构建而成。研究团队采用正式方法描述和提取多智能体交互事件，确保数据集的精确性和可扩展性。此外，引入用户友好的工具包，允许用户使用公共和私有数据扩展InterHub。通过统一、分类和分析多样化的交互事件，InterHub为跨比较研究和大规模研究提供了坚实的基础。

使用方法

InterHub数据集适用于多种自动驾驶任务，如轨迹预测和运动规划。用户可以通过提供的工具包轻松访问和扩展数据集，进行深入的交互事件分析。数据集的结构化设计使得用户能够高效地检索特定交互事件，并访问详细的轨迹级数据。此外，InterHub还支持跨数据集的比较研究，促进了自动驾驶技术的评估和发展。

背景与挑战

背景概述

在自动驾驶技术的研究中，驾驶交互是一个关键且复杂的方面，它涉及到车辆、自行车和行人之间的复杂协商、协调、合作和竞争。为了解决这一挑战，同济大学道路与交通工程教育部重点实验室的研究团队于2024年创建了InterHub数据集。该数据集通过挖掘大量自然驾驶记录中的交互事件，提供了一个密集交互的数据集，旨在解决现有数据集中交互事件稀疏的问题。InterHub不仅统一了多种驾驶数据格式，还引入了一个用户友好的工具包，允许用户使用公共和私有数据扩展数据集。通过这种方式，InterHub为自动驾驶技术的发展和评估提供了坚实的基础，特别是在轨迹预测和决策制定等关键任务中。

当前挑战

InterHub数据集在构建过程中面临的主要挑战包括：首先，自然驾驶数据中交互事件的稀疏性和多样性使得全面提取这些事件变得困难。其次，现有的自动驾驶解决方案在处理复杂交互场景时存在局限性，尤其是在多代理系统中，交互事件的量化和描述缺乏精确性和通用性。此外，数据集的标准化问题也限制了不同研究之间的直接比较和领域内的整体进展。为了应对这些挑战，InterHub采用了形式化方法来描述和量化驾驶交互，并开发了一个交互量化器，以提高研究结果的可靠性和通用性。

常用场景

经典使用场景

InterHub数据集在自动驾驶研究中扮演着至关重要的角色，特别是在密集交互场景的分析和建模方面。该数据集通过从广泛的自然驾驶记录中挖掘交互事件，提供了丰富的多智能体交互数据。这些数据不仅涵盖了典型的车辆间交互，如车道变更和交叉路口通行，还捕捉了复杂的多智能体系统中的连锁反应。InterHub的独特之处在于其能够量化交互强度和持续时间，从而为自动驾驶系统在预测和规划任务中的性能验证提供了宝贵的资源。

解决学术问题

InterHub数据集解决了自动驾驶研究中一个长期存在的难题，即缺乏大规模、高质量的交互数据集。传统的自然驾驶数据集由于其空间和时间上的稀疏性，难以捕捉到丰富的交互事件。InterHub通过统一和分析多种数据源，提供了一个标准化的数据基础，使得研究人员能够进行跨数据集的比较研究，从而推动了自动驾驶技术在交互场景中的评估和发展。此外，该数据集还促进了自动驾驶系统在复杂交互环境下的行为预测和决策模型的改进。

实际应用

在实际应用中，InterHub数据集为自动驾驶系统的开发和测试提供了重要的支持。通过模拟和分析密集交互场景，研究人员可以更好地理解和预测自动驾驶车辆在复杂交通环境中的行为。这不仅有助于提高自动驾驶系统的安全性和效率，还能够增强公众对自动驾驶技术的信任。此外，InterHub的数据和工具包也为企业和研究机构提供了扩展和定制数据集的能力，从而支持更广泛的应用场景和研究需求。

数据集最近研究