GreenDataSet

该数据集由UIUC收集，包含约2400次驾驶数据，数据来源于约27辆车辆，涵盖7个美国城市的城市街道和高速公路。数据包括智能手机和OBD接口收集的传感器数据，如加速度计、磁力计、陀螺仪、线性加速度、GPS和燃油消耗等。数据以.tar.gz格式压缩，每个行程按时间戳命名。

This dataset, collected by UIUC, comprises approximately 2,400 driving sessions sourced from around 27 vehicles, covering urban streets and highways across seven U.S. cities. The data includes sensor information gathered via smartphones and OBD (On-Board Diagnostics) interfaces, such as accelerometer, magnetometer, gyroscope, linear acceleration, GPS, and fuel consumption. The data is compressed in .tar.gz format, with each trip named according to its timestamp.

原始信息汇总

数据集概述

数据集名称

GreenDataSet

数据集来源

由UIUC收集的驾驶数据。

数据集内容

数据集包含约2400次旅行记录，存储在./trips目录下，文件名以时间戳命名，可能包含字母后缀以区分同一旅行的不同段。数据主要来源于车载智能手机和OBD接口的传感器数据。

数据文件详情

1. accelerometer.txt

   • 包含Android设备的加速度读数。
   • 格式：系统时间（毫秒），x轴、y轴、z轴加速度。

2. magnetometer.txt

   • 包含Android设备的磁力计读数。
   • 格式：系统时间（毫秒），x轴、y轴、z轴磁力读数。

3. gyroscope.txt

   • 包含Android设备的陀螺仪读数。
   • 格式：系统时间（毫秒），x轴、y轴、z轴角速度。

4. linear_acceleration.txt

   • 包含Android设备的线性加速度读数，不包括重力影响。
   • 格式：系统时间（毫秒），x轴、y轴、z轴线性加速度。

5. gps_fuel.txt

   • 包含OBD接口和GPS的读数，以1Hz频率记录。
   • 格式：GPS时间（毫秒），系统时间（毫秒），纬度，经度，速度，海拔，方位，精度，油耗，引擎转速，车速，油门位置。

6. info.txt

   • 包含车辆ID、类型和旅行日期时间。
   • 格式：车辆ID，类型，日期。

7. map.html

   • 以Google Maps的HTML格式展示车辆旅行路径，红色点表示1Hz的轨迹，颜色深浅表示油耗。

数据集用途

鼓励用于与网络物理系统、机器学习、物联网等相关的研究，如构建节省燃料的车辆导航系统。

引用要求

在使用数据集进行出版物时，需引用以下任一论文：

• Zhao, Yiran et al. "GreenRoute: A Generalizable Fuel-Saving Vehicular Navigation Service."
• Zhao, Yiran et al. "Greendrive: A smartphone-based intelligent speed adaptation system with real-time traffic signal prediction."

搜集汇总

数据集介绍

构建方式

GreenDataSet数据集由UIUC研究团队构建，数据采集自约27辆车辆在7个美国城市的驾驶行为，涵盖城市街道和高速公路等多种路况。数据通过车载智能手机和OBD接口收集，包含加速度计、磁力计、陀螺仪、线性加速度、GPS和燃油消耗等多模态传感器数据。每个行程数据以时间戳命名，存储在压缩的`.tar.gz`文件中，总计约2400次行程。数据采集时间跨度较大，部分早期数据可能存在传感器读数缺失的情况。

特点

GreenDataSet的特点在于其多模态传感器数据的丰富性，涵盖了加速度、磁场、角速度、线性加速度、GPS定位及燃油消耗等多维度信息。数据集中的每个行程均包含详细的传感器读数文件，如`accelerometer.txt`、`magnetometer.txt`等，并附有车辆ID、类型及行程时间等元数据。此外，数据集还提供了基于Google Maps的行程可视化文件`map.html`，便于用户直观分析驾驶路径与燃油消耗的关系。数据集的多样性和高精度使其成为研究智能交通系统、机器学习及物联网应用的理想选择。

使用方法

GreenDataSet适用于与网络物理系统、机器学习及物联网相关的研究。用户可通过该数据集训练燃油消耗模型，结合OSM数据和OSRM API提取特征，或利用多模态传感器数据检测不良驾驶行为。在GPS信号缺失的场景下，数据集可用于辅助车辆定位。此外，用户可深入挖掘不同传感器数据之间的相关性，或分析特定时间点或地点的驾驶行为模式。使用该数据集时，建议引用相关论文以支持研究结果的学术性。

背景与挑战

背景概述

GreenDataSet是由伊利诺伊大学香槟分校（UIUC）的研究团队于2017年至2019年间创建的一个车辆驾驶数据集。该数据集的核心研究问题围绕智能交通系统和节能驾驶策略展开，旨在通过多模态传感器数据（如加速度计、磁力计、陀螺仪、GPS和OBD接口数据）来优化车辆的燃油效率。数据集包含了约2400次行程，覆盖了美国7个城市的27辆车辆，涵盖了城市街道和高速公路等多种驾驶环境。该数据集的研究成果已在多个国际会议上发表，特别是在智能交通系统和物联网领域具有重要影响力。

当前挑战

GreenDataSet在解决车辆燃油效率优化问题时面临的主要挑战包括：1) 多模态传感器数据的同步与融合，由于不同传感器的采样频率和时间戳不一致，如何有效整合这些数据以提供准确的驾驶行为分析是一个技术难点；2) 数据缺失问题，尤其是早期行程中部分传感器数据（如磁力计）的缺失，可能影响模型的训练和验证；3) 数据隐私保护，尽管车辆的具体型号和年份信息被隐去，但仍需确保驾驶数据的使用不会泄露个人隐私。此外，构建过程中还面临数据采集设备的多样性和环境复杂性带来的挑战，如不同城市交通状况的差异以及GPS信号在隧道或高楼密集区域的丢失问题。

常用场景

经典使用场景

GreenDataSet数据集广泛应用于智能交通系统和车辆性能优化的研究中。通过分析车辆在不同城市环境下的行驶数据，研究者能够深入理解驾驶行为、燃油消耗模式以及交通信号对车辆性能的影响。该数据集的多模态传感器数据为开发智能导航系统和实时交通预测模型提供了坚实的基础。

解决学术问题

GreenDataSet解决了智能交通系统中多个关键学术问题，如燃油消耗模型的构建、驾驶行为的检测与优化、以及GPS信号缺失情况下的车辆定位。通过整合加速度计、磁力计、陀螺仪和GPS等多源数据，研究者能够开发出更精确的算法，提升车辆导航系统的智能化水平，并为城市交通管理提供科学依据。

衍生相关工作

GreenDataSet催生了一系列经典研究工作，如基于该数据集开发的GreenRoute燃油节约导航系统和GreenDrive智能速度适应系统。这些系统通过实时分析车辆传感器数据，优化行驶路线和速度，显著降低了燃油消耗。此外，该数据集还推动了多模态传感器数据融合算法的研究，为智能交通系统的进一步发展奠定了基础。