OpenVRDrive-Dataset

OpenVRDrive-Dataset是一个全面的VR驾驶模拟数据集，捕捉了人类驾驶车辆（HDV）在混合交通流中与联网自动驾驶车辆（CAV）的交互行为。该数据集具有沉浸式VR驾驶实验和全栈自动驾驶框架，支持车队内的通信和协作，使在受控但自然的情境下研究HDV-CAV交互成为可能。

OpenVRDrive-Dataset is a comprehensive VR driving simulation dataset that captures the interactive behaviors between Human-driven Vehicles (HDV) and Connected and Automated Vehicles (CAV) in mixed traffic flows. Featuring immersive VR driving experiments and a full-stack autonomous driving framework, this dataset supports intra-fleet communication and collaboration, enabling the study of HDV-CAV interactions in controlled yet natural scenarios.

原始信息汇总

OpenVRDrive-Dataset 数据集概述

数据集简介

OpenVRDrive-Dataset 是一个全面的虚拟现实驾驶仿真数据集，旨在捕捉人类驾驶车辆在包含网联自动驾驶车辆的混合交通流中的行为。该数据集通过结合沉浸式VR驾驶实验与眼动追踪技术，以及支持车队内通信与协作的全栈自动驾驶框架，为在受控但自然的场景中研究HDV-CAV交互提供了条件。

数据集目的与研究目标

1. 理解HDV-CAV交互动态：捕捉人类驾驶员在各种交通场景中如何感知、响应并与CAV车队互动。
2. 支持行为建模：为开发和验证混合交通中的驾驶员行为模型提供高质量数据。
3. 实现安全分析：促进混合交通场景的风险评估与安全评价。
4. 推进控制策略：帮助优化考虑人类驾驶员行为的CAV车队控制算法。
5. 促进开放研究：为研究社区建立一个标准化、可复现的基准。

平台架构与核心组件

数据集基于集成的OpenVRDrive仿真平台构建，该平台整合了以下开源工具：

• CARLA 0.9.13：作为核心仿真引擎，提供3D环境、物理和渲染。
• VR接口与眼动追踪：基于DReyeVR框架，使用HTC Vive Pro Eye头显和Tobii眼动仪，配合Logitech G29方向盘。
• OpenCDA：用于CAV仿真的全栈协同驾驶自动化框架，支持CACC车队管理和V2X通信。
• SUMO：用于背景交通流管理。

当前发布内容（场景1：HDV切入行为）

• 参与者：60名（年龄21-58岁，驾驶经验混合）。
• 子场景：22个（14个自由变道 + 8个强制变道）。
• 实验试次：960次（每位参与者16次试次）。
• 多模态同步数据：包含轨迹、眼动追踪、控制输入和问卷数据。

标准化数据包结构

每个场景的数据包遵循标准化结构，包含以下组件：

1. CARLA场景包 (carla_package/)：预编译的CARLA包，用于场景可视化与回放。
2. 参与者人口统计学信息 (questionnaires/)：完全匿名的参与者信息。
3. 实验参数 (trials_info/)：每位参与者的随机化参数序列。
4. 主观问卷 (questionnaires/)：参与者对SSQ、PEQ、SRQ等评估工具的回答。
5. 行为数据 (run_artifacts/)：包含车辆轨迹（10Hz）、本车控制输入（10Hz）和眼动追踪数据（10Hz）。
6. 仿真日志 (run_artifacts/)：原始的CARLA记录器日志，用于精确复现。
7. 视频录像 (videos/)：驾驶员第一人称视角视频（1920×1080，30fps）。

数据处理工具

数据集提供位于 data_processing_tools/ 目录下的Python处理工具套件，核心工具包括：

• log2txt.py：将CARLA二进制日志转换为文本格式。
• config_loader.py：多场景配置管理系统。
• single_exp_data_intergrate.py：合并单次试次的轨迹和眼动追踪数据。
• intergrate_all.py：聚合所有参与者的数据。
• src/parser.py：解析包含眼动追踪数据的VR记录文件。
• src/visualizer.py：生成可视化图表。

数据集结构

OpenVRDrive-Dataset/ ├── data_processing_tools/ # 数据处理与分析工具 ├── scenario1-HDV cuts into a CAV Platoon/ # 场景1数据 │ ├── carla_package/ # CARLA包 │ ├── questionnaires/ # 问卷数据 │ ├── run_artifacts/ # 实验数据文件 │ ├── trials_info/ # 试验设计与分配 │ └── videos/ # 第一人称视频录像 └── [Additional scenarios...] # 未来将发布的其他场景

数据格式

• CSV文件：时间序列车辆轨迹数据（10Hz同步）。
• JSON文件：结构化元数据、事件日志和配置文件。
• MP4/AVI文件：多角度视频录像。
• Excel/CSV文件：问卷回答和参与者人口统计学数据。

潜在应用

• 驾驶员行为建模
• 机器学习（意图预测、轨迹预测）
• 人机交互分析
• 交通安全评估
• 控制策略设计
• 认知分析（驾驶员注意力分配与决策）

下载信息

当前发布版本（场景1：HDV切入CAV车队）的数据可通过以下链接获取：

• 实验数据 (run_artifacts/)：轨迹、眼动追踪和控制数据。
• CARLA包 (carla_package/)：预配置的仿真环境。
• 视频录像 (videos/)：第一人称视角视频。
• 问卷与人口统计学信息 (questionnaires/)：主观评估和参与者数据。 每个下载页面均提供Google Drive和百度网盘链接。

许可

数据集在特定许可下发布，详情见 LICENSE 文件。关键条款包括：免费用于学术和研究目的，商业用途需单独许可，要求正确署名，未经许可不得重新分发原始数据。

联系与贡献

• 主要支持机构：东南大学交通学院。
• 项目负责人：Bowen Liu。
• 联系方式：[e-mail]。
• 合作机构：新加坡南洋理工大学土木与环境工程学院。

搜集汇总

数据集介绍

构建方式

在混合交通流研究领域，OpenVRDrive-Dataset的构建体现了高度集成与可控的实验设计理念。该数据集通过整合CARLA仿真引擎、OpenCDA协同驾驶框架以及SUMO交通流管理工具，构建了一个支持人机交互的虚拟现实驾驶模拟平台。利用HTC Vive Pro Eye头显与Tobii眼动仪，平台在受控的六车道高速公路场景中，采集了60名参与者在22种子情境下的驾驶行为数据。实验过程严格遵循随机化参数分配，同步记录车辆轨迹、控制输入、眼动数据及主观问卷，确保了多模态数据在时间维度上的精确对齐。

特点

该数据集的核心特点在于其多模态、高同步性与可扩展性。数据集不仅提供了车辆轨迹与控制信号等传统行为数据，还深度融合了以120Hz采样的眼动追踪信息，为理解驾驶员在混合交通环境中的注意力分配与决策机制提供了独特视角。数据采用标准化JSON与CSV格式存储，并附有完整的仿真日志与可重放的CARLA场景包，保障了研究的可复现性。此外，数据集结构设计为系列化场景，当前版本聚焦于HDV切入CAV车队行为，未来计划扩展更多交互模式，形成了可持续更新的研究基准。

使用方法

为便于学术社区使用，数据集配套提供了完整的Python数据处理工具链。研究者可通过`data_processing_tools`目录下的脚本，如`log2txt.py`与`single_exp_data_intergrate.py`，将原始日志文件转换为分析就绪的集成数据。工具支持从单次试验到全体参与者数据的批量处理，并内置了时间同步与数据验证功能。用户可依据标准化数据结构，直接加载轨迹、眼动及问卷数据进行融合分析，或利用预编译的CARLA包可视化还原实验场景，从而高效开展驾驶行为建模、人机交互评估与自动驾驶算法验证等研究。

背景与挑战

背景概述

随着智能交通系统的演进，人驾车辆与网联自动驾驶车辆在混合交通流中的交互行为成为前沿研究焦点。OpenVRDrive-Dataset由东南大学交通学院联合南洋理工大学等机构于近期创建，核心研究团队在Zhibin Li教授与Bowen Liu博士的领导下，旨在通过沉浸式虚拟现实实验平台，精准捕捉人类驾驶员在CAV编队环境中的自然驾驶行为。该数据集整合了CARLA仿真引擎、OpenCDA自动驾驶框架及眼动追踪技术，致力于解析混合交通场景下HDV-CAV的交互动力学，为驾驶行为建模、风险评估及协同控制策略优化提供高质量的多模态数据支撑，对推动人机共驾理论与安全系统发展具有显著影响力。

当前挑战

在混合交通流研究中，准确建模人类驾驶员对CAV的动态响应面临内在复杂性，包括驾驶意图的随机性、风险感知的个体差异以及紧急场景下的决策不确定性。OpenVRDrive-Dataset构建过程中需克服多重技术挑战：其一，实现虚拟现实环境与高保真交通仿真的无缝集成，确保物理引擎、视觉渲染与车辆动力学的一致性；其二，同步多源异构数据流，如眼动轨迹、控制输入与车辆轨迹，需解决时间戳对齐与传感器噪声问题；其三，设计可控且自然的实验场景，平衡实验可重复性与真实驾驶行为的生态效度，同时保障大规模参与者数据的采集质量与隐私安全。

常用场景

经典使用场景

在智能交通系统研究中，OpenVRDrive-Dataset为探索人机混合交通流中的交互行为提供了经典实验平台。该数据集通过虚拟现实技术模拟真实驾驶环境，结合眼动追踪与车辆轨迹数据，广泛应用于分析人类驾驶车辆（HDV）与网联自动驾驶车辆（CAV）在编队行驶中的交互模式。研究者常利用其高精度同步数据，深入剖析驾驶员在切入、跟驰等场景下的决策机制与行为特征，为微观交通建模与仿真验证奠定基础。

实际应用

在实际应用层面，OpenVRDrive-Dataset为智能汽车算法开发与测试提供了重要支撑。汽车制造商与研究机构可借助该数据集训练驾驶意图预测模型，优化CAV编队控制策略以提升道路通行效率与安全性。同时，其在驾驶员注意力分配与风险感知方面的数据，有助于设计更符合人类习惯的人机交互界面，并为交通政策制定者评估混合交通流风险提供科学依据。

衍生相关工作

围绕该数据集已衍生出多项经典研究工作，主要集中在行为建模、算法优化与安全评估领域。例如，基于其眼动与轨迹数据开发的驾驶员意图识别模型，显著提升了CAV对人工驾驶车辆行为的预测准确性。同时，结合OpenCDA框架的协同控制研究，推动了自适应巡航控制在混合交通中的性能改进。此外，数据集支撑的交互风险量化分析，为制定CAV安全测试标准提供了方法论基础。