Vehicle-Crowd Intraction (VCI) - DUT Dataset

DUT数据集是在中国大连理工大学校园内的两个拥挤地点收集的，记录了行人与车辆交互的顶视图轨迹数据。数据集包括17个交叉口场景和11个共享空间场景，共1793个行人轨迹。数据通过DJI Mavic Pro无人机搭载的下视摄像头收集，视频分辨率为4K，帧率为23.98fps。

The DUT dataset was collected at two crowded locations on the campus of Dalian University of Technology in China, capturing top-view trajectory data of pedestrian and vehicle interactions. The dataset includes 17 intersection scenarios and 11 shared space scenarios, totaling 1793 pedestrian trajectories. The data was gathered using a downward-facing camera mounted on a DJI Mavic Pro drone, with video resolution at 4K and a frame rate of 23.98fps.

原始信息汇总

数据集概述

数据集名称： Vehicle-Crowd Intraction (VCI) - DUT Dataset

数据集描述： 该数据集包含在Dalian University of Technology (DUT)校园内，车辆与人群交互场景下的行人轨迹数据。数据收集使用DJI Mavic Pro无人机搭载下视摄像头进行，视频分辨率为4K，帧率为23.98fps。

数据集内容

• 场景类型：

  • 17个行人过街场景视频片段
  • 11个共享空间场景视频片段
  • 总计1793个行人轨迹

• 数据集结构：

  • dataackgrounds: 每个视频片段的背景图
  • datafigures: 所有轨迹的概览图
  • data atios: 像素坐标与米制坐标转换的比例文件
  • data rajectories: 原始轨迹数据，包含行人和车辆轨迹的CSV文件
  • data rajectories_filtered: 经过滤的轨迹数据，推荐使用

轨迹数据格式

• 过滤后的轨迹数据（推荐）：

  • 行人轨迹CSV文件包含字段：id, frame, label, x_est, y_est, xv_est, yv_est
  • 车辆轨迹CSV文件包含字段：id, frame, label, x_est, y_est, psi_est, vel_est

• 原始轨迹数据：

  • 行人轨迹CSV文件包含字段：id, x, y, frame, label
  • 车辆轨迹CSV文件包含字段：id, x_c, y_c, x_fl, x_fr, x_rr, x_rl, y_fl, y_fr, y_rr, y_rl, frame, label

数据集更新

• 最新更新日期： 2019年4月19日
• 更新内容： 应用扩展卡尔曼滤波器对车辆轨迹进行细化，输出车辆状态包含(x, y, heading, speed)，符合车辆模型（自行车模型）。

数据集下载

• 稳定原始视频下载链接：
  • Google Drive
  • Baidu Yun (提取码: ui9a)

搜集汇总

数据集介绍

构建方式

Vehicle-Crowd Interaction (VCI) - DUT数据集通过在中国的Dalian University of Technology（DUT）校园内的两个拥挤地点进行采集构建。数据集利用DJI Mavic Pro无人机搭载的向下摄像头，在不被行人或车辆察觉的高度上记录了4K分辨率、23.98帧每秒的视频。视频中包含了行人与车辆在无交通信号的交叉路口和共享空间中的交互场景。通过对视频进行处理，提取并标注了行人和车辆的轨迹数据，并应用了扩展卡尔曼滤波器对车辆轨迹进行精细化处理，确保输出的车辆状态信息（包括位置、方向和速度）符合自行车模型。

特点

该数据集的显著特点在于其真实场景下的行人与车辆交互数据，涵盖了17个交叉路口场景和11个共享空间场景，总计1793条行人轨迹。数据集不仅提供了原始轨迹数据，还通过滤波处理提供了更精确的轨迹信息，便于研究者进行深入分析。此外，数据集还提供了背景图像、比例尺文件以及轨迹的可视化图表，便于用户进行数据的可视化和进一步处理。

使用方法

使用该数据集时，用户可以从提供的链接下载稳定后的原始视频，并访问数据集中的` rajectories_filtered`文件夹获取经过滤波处理的轨迹数据。对于行人轨迹，数据包括ID、帧号、标签、估计位置和速度等信息；对于车辆轨迹，数据包括ID、帧号、标签、估计位置、方向和速度等信息。用户还可以利用提供的Python代码进行数据过滤和统计分析，进一步挖掘数据集中的潜在价值。

背景与挑战

背景概述

Vehicle-Crowd Interaction (VCI) - DUT Dataset 是由大连理工大学（DUT）的控制与智能交通研究（CITR）实验室创建的，旨在研究日常校园场景中车辆与行人之间的交互行为。该数据集的核心研究问题在于捕捉和分析车辆对行人群体轨迹的影响，特别是在无交通信号的交叉路口和共享空间中的行为。数据集的创建时间为2019年4月，主要研究人员包括CITR实验室的成员，并且该数据集的详细描述已在arXiv上发布，并被IEEE智能车辆研讨会接受。通过使用无人机拍摄的高分辨率视频，数据集提供了精确的行人轨迹数据，为车辆与行人交互领域的研究提供了宝贵的资源。

当前挑战

VCI - DUT Dataset 面临的挑战主要集中在数据采集和处理过程中。首先，在复杂的校园环境中，如何确保无人机拍摄的视频数据不受干扰，且能够准确捕捉行人和车辆的轨迹，是一个技术难题。其次，数据集中的轨迹数据需要经过复杂的滤波和校正处理，特别是通过扩展卡尔曼滤波器对车辆轨迹进行精细化处理，以确保数据的准确性和一致性。此外，数据集的场景多样性，包括无信号交叉路口和共享空间，增加了数据分析的复杂性，要求研究者能够处理不同场景下的交互行为模式。

常用场景

经典使用场景

Vehicle-Crowd Interaction (VCI) - DUT数据集的经典使用场景主要集中在校园环境中，通过无人机拍摄的鸟瞰视角视频，捕捉行人与车辆在无交通信号的交叉路口和共享空间中的交互行为。该数据集提供了详细的轨迹数据，包括行人和车辆的坐标、速度和方向等信息，特别适用于研究行人与车辆在复杂环境中的动态交互模式。

解决学术问题

VCI-DUT数据集解决了在复杂交通场景中行人与车辆交互的建模与预测问题。通过提供高精度的轨迹数据，该数据集为研究者提供了丰富的实验材料，用于开发和验证行人与车辆交互的预测模型，尤其是在无交通信号控制的场景中。这不仅有助于提升自动驾驶系统的安全性，还为交通管理和行人行为分析提供了新的研究视角。

衍生相关工作

基于VCI-DUT数据集，研究者们开展了多项相关工作，包括行人轨迹预测、车辆行为建模以及多智能体系统中的交互研究。例如，一些研究利用该数据集开发了基于深度学习的行人轨迹预测模型，而另一些研究则探讨了如何在自动驾驶系统中集成这些预测模型以提高决策的准确性。这些衍生工作不仅丰富了车辆与行人交互的研究领域，还为智能交通系统的实际应用提供了理论支持。