SWIFTraj

SWIFTraj是由东南大学团队通过16架配备5.4K分辨率摄像头的无人机群采集的新型开源车辆轨迹数据集，覆盖南京4.5公里高速公路及相连城市路网的集成网络。该数据集以长距离连续轨迹为特色，单条轨迹最长可达4.5公里，支持从微观驾驶行为到宏观交通现象的多尺度研究。数据通过先进的视频稳定、旋转目标检测（YOLOX-R）和轨迹重建技术处理，特别解决了立交桥遮挡区域的轨迹连续性问题。主要应用于交通流分析、拥堵演化研究及自动驾驶算法验证，为复杂路网环境下的交通建模提供独特视角。

SWIFTraj is a novel open-source vehicle trajectory dataset collected by a team at Southeast University using a swarm of 16 drones equipped with 5.4K-resolution cameras. It covers an integrated network of a 4.5-kilometer highway in Nanjing and its connected urban road network. Featuring long-distance continuous trajectories, the dataset enables the longest single trajectory to reach up to 4.5 kilometers, supporting multi-scale research ranging from microscopic driving behaviors to macroscopic traffic phenomena. The raw data is processed via advanced video stabilization, rotated object detection (YOLOX-R), and trajectory reconstruction technologies, which specifically addresses the trajectory continuity issue in overpass occlusion areas. It is primarily applied to traffic flow analysis, congestion evolution research and autonomous driving algorithm verification, providing a unique perspective for traffic modeling in complex road network environments.

搜集汇总

数据集介绍

构建方式

在交通轨迹数据研究领域，高分辨率连续轨迹的获取是深入分析微观驾驶行为与宏观交通现象关联的关键。SWIFTraj数据集的构建依托于先进的无人机集群技术，于2022年6月在南京的早高峰时段，通过16架搭载5.4K分辨率摄像头的无人机对一段4.5公里高速公路及其相连的城市路网进行同步航拍。原始视频数据经过基于旋转边界框的车辆检测与跟踪算法处理，并通过创新的轨迹重建与跨视频拼接技术，有效克服了立交桥遮挡与视野限制，最终生成了从入口到出口完整追踪的、具有唯一标识符的车辆长距离连续轨迹。

特点

该数据集的核心特点体现在其前所未有的空间连续性与路网集成性。其提供的单车轨迹长度可达4.5公里，是目前开源数据集中距离最长的连续高速公路轨迹，能够完整覆盖典型主动瓶颈区的时空演化过程，为研究交通崩溃、容量下降及交通振荡等宏观现象的完整生命周期提供了理想数据基础。同时，数据集独特地融合了高速公路走廊与城市路网，实现了对一体化交通网络的同步观测，支持从单一瓶颈到走廊乃至网络层面的多尺度交通分析与建模，弥补了现有数据集在场景综合性方面的不足。

使用方法

SWIFTraj数据集为交通科学的多维度研究提供了丰富的实证基础。在交通现象分析方面，研究者可利用其长距离连续轨迹深入探究容量下降的微观成因、交通振荡的形成与消散机制。在行为建模领域，该数据支持开发与校准更精细的跟驰与换道模型，特别是分析驾驶员在穿越多个瓶颈区时的行为适应性变化。对于网络交通流分析，同步获取的高速公路与城市轨迹使得研究跨网络交互影响、构建宏观基本图成为可能。此外，数据集包含的多种交通场景（如合流区、事故现场）也可作为智能网联车辆轨迹预测、决策规划及极端场景生成研究的宝贵补充资源。

背景与挑战

背景概述

在交通流研究领域，高分辨率车辆轨迹数据对于揭示微观驾驶行为与宏观交通现象之间的内在关联具有不可替代的价值。SWIFTraj数据集由东南大学交通学院于2025年发布，其核心研究目标在于通过无人机集群技术获取长距离连续轨迹数据，以克服传统数据集在时空覆盖范围上的局限。该数据集采集自中国南京的快速路-城市道路一体化网络，利用16架配备5.4K分辨率摄像头的无人机同步观测，提供了长达4.5公里的连续轨迹记录。这一创新性数据采集模式不仅深化了对交通瓶颈演化、容量下降等经典问题的实证分析能力，更为网络级交通建模与智能驾驶系统验证提供了前所未有的数据基础，标志着交通轨迹数据采集技术向大范围、高精度方向迈出了关键一步。

当前挑战

SWIFTraj数据集致力于解决交通流分析中长距离连续轨迹数据匮乏的核心难题，其构建过程面临多重技术挑战。在数据采集层面，无人机集群的协同控制与电池续航限制对实验设计提出了苛刻要求，需通过精细的分组调度与视野重叠规划确保时空连续性。数据处理阶段，高架桥遮挡导致的轨迹中断问题尤为突出，必须开发基于宏观交通波传播与微观运动学约束的混合重建算法以恢复完整轨迹。此外，多无人机视频间的轨迹拼接需要解决时空坐标系对齐、车辆跨视角匹配等复杂问题，任何环节的误差均可能影响最终数据的可靠性。这些挑战的克服不仅提升了数据集本身的质量，也为大规模动态交通观测系统的技术发展提供了重要参考。

常用场景

经典使用场景

在交通流研究领域，高分辨率车辆轨迹数据为深入解析宏观交通现象提供了微观基础。SWIFTraj数据集以其长达4.5公里的连续高速公路轨迹及与之相连的城市路网覆盖，成为分析交通瓶颈演化、容量下降及交通振荡等经典问题的理想载体。研究者可借助其完整的时空覆盖，追踪车辆从自由流到拥堵状态的完整过渡，从而揭示交通流动态的内在机制。

解决学术问题

该数据集有效弥补了传统轨迹数据在时空覆盖与连续性方面的不足，解决了长期困扰学术界的若干关键问题。例如，其能够支持对容量下降现象的成因进行精细量化，识别犹豫车辆加速延迟等微观行为对宏观通行能力的影响。同时，数据集为研究交通振荡的形成、增长与衰减全过程提供了实证基础，推动了基于真实数据的车辆跟驰与换道模型的改进与发展。

衍生相关工作

基于SWIFTraj数据集，已衍生出一系列具有影响力的研究工作。例如，有研究利用其深入分析了主动瓶颈处的容量下降机制，并据此扩展了智能驾驶员模型以刻画犹豫车辆的加速延迟行为。另有工作利用其长距离连续轨迹，开发了融合传统模型与深度学习组件的并行学习框架，用于建模换道决策与执行过程。这些工作显著推进了交通流理论、驾驶行为建模及智能车辆相关领域的研究进展。