多源异构数据感知融合数据集

本数据集旨在解决复杂交通环境下单端感知不确定性高的问题，提供了一套由边缘云对车端位置与路侧感知结果进行实时融合计算生成的路面目标物数据。数据采集于2025年某高级别自动驾驶示范区的真实交通场景，包含真人、真车、自动驾驶及非自动驾驶车辆的混合流。数据集基于边缘计算技术，将多源异构车端定位数据和路端感知数据的结构化数据进行时空对齐与关联融合，生成了包含目标物种类、经纬度位置、速度、航向角及高精度时间戳的JSON格式数据，数据总量为1.66GB。该数据集填补了当前公开数据集中缺乏边缘侧融合结果的空白，对于研究多传感器融合算法、车辆轨迹预测、交通流仿真及车路协同安全评估具有重要的参考价值和重用意义。

This dataset aims to address the high uncertainty of single-ended perception in complex traffic environments. It provides a set of road target data generated by real-time fusion and calculation of vehicle-side positions and road-side perception results via edge cloud. The data was collected in real traffic scenarios at a high-level autonomous driving demonstration zone in 2025, covering mixed traffic flows including real pedestrians, real vehicles, autonomous and non-autonomous vehicles. Based on edge computing technology, the dataset performs spatiotemporal alignment and correlation fusion on structured data from multi-source heterogeneous vehicle-side positioning data and road-side perception data, generating JSON-format data containing target categories, longitude and latitude coordinates, speed, heading angle and high-precision timestamps, with a total data volume of 1.66 GB. This dataset fills the gap in the lack of edge-side fusion results in current public datasets, and has important reference value and reuse significance for research on multi-sensor fusion algorithms, vehicle trajectory prediction, traffic flow simulation and vehicle-road collaborative safety assessment.

搜集汇总

背景与挑战

背景概述

该数据集是由云控智行科技有限公司创建的多源异构数据感知融合数据集，旨在解决复杂交通环境下单端感知不确定性高的问题。它基于边缘计算技术，通过融合车端和路侧感知数据，生成包含目标物种类、位置、速度等信息的JSON格式数据，数据量为1.66GB，采集自2025年高级别自动驾驶示范区的真实场景，适用于多传感器融合算法、交通流仿真等研究。