城市交通场景分析理解数据集

为支持交通场景多模态理解、场景描述生成以及交通参与者行为语义研究，本文构建了一个道路交通场景图像—中文结构化语义标签数据集。研究首先从 Waymo 开放道路场景数据中截取单帧图像，再利用 Qwen3.5Flash 按照“主体—外观特征—状态—动作/位置—交互关系—意图推测”的六元结构生成对象级中文标签，并进一步封装为每图一个 JSON 文件，同时附加场景级“交互总结”。该数据集包含 25,825 张 JPG 图像和 25,825 个 JSON 标签文件，图像文件约 13.4 GB，标签文件约 43.7 MB。展示样例表明，图像分辨率为 1920×1280，场景覆盖城市交叉口、主干道、居民街道、雨天湿滑道路、路边停车等多种典型交通情境。数据质量控制采用文件级一致性检查与样例语义核验相结合的方法；在本文核查的 5 个展示样例中，图像—标签配对率、JSON 可解析率和字段完整率均为 100%。该数据集可用于中文交通场景描述、多模态指令微调、交互关系理解、弱监督语义建模等研究，并可作为 Waymo 原始感知数据的轻量级中文语义补充。