IMPTC Dataset

IMPTC数据集是一个基础设施多人物轨迹和上下文数据集，包含两种不同类型的数据：序列聚焦数据和VRU轨迹聚焦数据。序列聚焦数据旨在研究场景理解和基于交互/社交的轨迹预测，而VRU轨迹聚焦数据则专注于经典的单个VRU轨迹预测研究。

The IMPTC dataset is an infrastructure multi-person trajectory and context dataset, comprising two distinct types of data: sequence-focused data and VRU trajectory-focused data. The sequence-focused data is designed to investigate scene understanding and interaction/social-based trajectory prediction, whereas the VRU trajectory-focused data concentrates on classical single VRU trajectory prediction studies.

原始信息汇总

数据集概述

数据集名称

IMPTC Dataset: An Infrastructural Multi-Person Trajectory and Context Dataset

数据集类型

• Sequence focused: 针对场景理解和基于交互/社交的轨迹预测研究。
• VRU Trajectory focused: 针对传统的单个VRU轨迹预测研究。

数据集内容

• Sequence focused: 包含270个序列，记录了不同时间、季节和天气条件下的公共道路交通情况，使用LiDAR和相机传感器，频率为25 Hz。提供高质量的VRU和车辆轨迹，以及天气数据、交通信号状态等额外上下文信息。
• VRU Trajectory focused: 包含5133个VRU轨迹，分为训练集（3585个）、评估集（400个）和测试集（1148个）。

数据集结构

• Sequence focused: 每个序列包含上下文数据、车辆轨迹和VRU轨迹，以及序列概览视频和地图。
• VRU Trajectory focused: 每个轨迹包含单独的子文件夹，包含轨迹数据和概览图像。

数据集下载

• Sequence focused: 分为五个部分，每个部分包含50多个序列。
• VRU Trajectory focused: 包含训练、评估和测试集。

数据集上下文信息

• Context types: 包括天气数据、交通信号状态、地面分类/分割地图等。
• Coordinate System: 使用自定义的3D世界坐标系统，可转换为UTM（Zone 32）。

数据集对象类型

• VRU classes: 包括行人、自行车手、摩托车手等，总计2723个轨迹。
• Vehicle classes: 包括卡车/公交车、汽车等，总计14637个轨迹。

数据集许可证

Apache 2.0 License

搜集汇总

数据集介绍

构建方式

IMPTC数据集通过在日常公共道路交通中记录的270个不受影响的序列构建而成。这些序列在不同的时间、季节和天气条件下使用LiDAR和相机传感器以25 Hz的频率同步记录。数据集不仅包括高质量的行人和车辆轨迹，还提供了丰富的上下文信息，如天气数据、交通灯信号状态、分割地图和序列概览视频等。此外，数据集还包含了从非公开序列中提取的单独测试集，确保了数据的多源性和全面性。

特点

IMPTC数据集的显著特点在于其多模态数据的同步性和高质量的轨迹记录。数据集涵盖了270个序列，每个序列平均持续32秒，包含超过2700个行人和14600个车辆轨迹。此外，数据集还提供了详细的上下文信息，如天气数据、交通灯信号状态和分割地图，这些信息为场景理解和轨迹预测提供了丰富的背景支持。

使用方法

IMPTC数据集的使用方法包括下载完整序列数据集或单独的行人和车辆轨迹数据集。数据集的结构清晰，每个序列包含上下文信息、车辆和行人的轨迹数据，以及支持文件如概览视频和地图。用户可以通过提供的下载链接获取数据，并根据数据结构进行加载和分析。数据集的详细格式和使用说明可在相关文档中找到，确保用户能够充分利用数据集进行研究和开发。

背景与挑战

背景概述

IMPTC数据集，全称为Infrastructural Multi-Person Trajectory and Context Dataset，是由Manuel Hetzel、Hannes Reichert等研究人员于2023年在IEEE Intelligent Vehicles Symposium上发布的。该数据集的核心研究问题集中在基础设施场景中的多行人轨迹预测与上下文理解。通过结合LiDAR和摄像头传感器，数据集在不同时间、季节和天气条件下记录了日常公共道路交通中的270个序列，提供了高质量的行人和车辆轨迹以及丰富的上下文信息，如天气数据、交通信号灯状态等。IMPTC数据集的发布，为场景理解和基于交互的社会轨迹预测研究提供了宝贵的资源，极大地推动了智能交通系统及相关领域的发展。

当前挑战

IMPTC数据集在构建过程中面临多项挑战。首先，数据集需要在不同的时间、季节和天气条件下进行记录，确保数据的多样性和代表性，这对数据采集和同步技术提出了高要求。其次，数据集包含了大量的轨迹信息和上下文数据，如何高效地存储、处理和分析这些数据，以支持复杂的研究任务，是一个重要的技术难题。此外，数据集的发布还涉及到隐私保护和数据安全问题，确保数据使用的合规性和安全性。最后，如何有效地利用该数据集进行模型训练和验证，以解决实际的交通预测问题，也是研究人员需要克服的挑战。

常用场景

经典使用场景

IMPTC数据集在多行人轨迹和上下文分析领域具有经典应用场景。其序列聚焦数据集通过高频的LiDAR和摄像头传感器记录，提供了高质量的行人和车辆轨迹，以及丰富的上下文信息，如天气数据、交通信号灯状态等。这些数据特别适用于场景理解和基于交互的社会轨迹预测研究。

解决学术问题

IMPTC数据集解决了多行人轨迹预测中的关键学术问题，包括复杂场景下的轨迹预测、行人交互行为分析以及不同天气和交通条件下的轨迹模式识别。其丰富的上下文信息为研究者提供了深入分析行人行为和交通动态的宝贵资源，推动了智能交通系统和行人安全领域的研究进展。

衍生相关工作

IMPTC数据集的发布催生了一系列相关研究工作，包括基于深度学习的轨迹预测模型、行人交互行为分析算法以及多模态数据融合技术。这些研究不仅提升了轨迹预测的准确性，还为智能交通系统和自动驾驶技术的发展提供了理论支持和技术创新。