TrajAir

TrajAir数据集是由卡内基梅隆大学机器人学院创建，专注于非塔楼终端空域的航空轨迹预测。该数据集包含111天的ADS-B应答器数据和相应的METAR气象数据，旨在为自主航空提供首个3D社会空中导航数据集。数据集的创建过程涉及对ADS-B接收器收集的数据进行处理，以适应网络训练。TrajAir数据集的应用领域主要集中在解决非塔楼终端空域中飞机轨迹的预测问题，特别是在动态环境中的社会导航行为。The TrajAir dataset was developed by the Robotics Institute at Carnegie Mellon University, focusing on aircraft trajectory prediction in non-towered terminal airspace. It includes 111 days of ADS-B transponder data and corresponding METAR meteorological data, aiming to serve as the first 3D social air navigation dataset for autonomous aviation. The dataset creation process involves processing data collected by ADS-B receivers to adapt to network training. The application scenarios of the TrajAir dataset mainly focus on addressing the aircraft trajectory prediction problem in non-towered terminal airspace, particularly for social navigation behaviors in dynamic environments.

搜集汇总

数据集介绍

构建方式

TrajAir数据集是在宾夕法尼亚州匹兹堡-巴特勒地区机场（KBTP）收集的。数据收集使用了ADS-B接收器和METAR字符串。ADS-B接收器捕获了飞机的轨迹数据，而METAR字符串提供了相应的气象数据。数据收集持续了111天，跨越了8个月，涵盖了从2020年9月18日至2021年4月23日的时段。数据包括ADS-B传输数据以及相应的METAR气象数据。为了使数据适用于网络训练，数据经过了一系列处理步骤，包括去除损坏或缺失位置字段的数据点、去除重复数据点、去除高度超过6000英尺或距离跑道末端超过5公里的数据点、将数据转换为本地笛卡尔坐标系、处理METAR字符串以获取风速和方向、对所有代理的轨迹数据进行每秒插值以及将数据分割成场景。

特点

TrajAir数据集的特点在于它是一个3D社会空中导航数据集，捕捉了在非管制终端空域中多架飞机的社会交互行为。数据集包含了飞机的轨迹数据和相应的气象条件，为研究飞机轨迹预测提供了丰富的资源。TrajAir数据集与现有的地面导航或行人轨迹数据集不同，它具有空间依赖性，代理轨迹的空间位置对其预测结果具有重要影响。此外，数据集中的轨迹具有明确的导向性，这为基于目标或意图驱动的预测模型提供了基准。由于联邦航空管理局（FAA）的指南，轨迹松散地遵循相同的语义结构，这为结构化预测在社会导航领域的研究开辟了道路。数据集中还包含了全球背景信息，即气象数据，这对所有代理的轨迹和目标产生直接影响，允许基准算法使用上下文线索来帮助社会行为。

使用方法

TrajAir数据集的使用方法包括以下几个方面：首先，用户需要访问数据集的官方网站（https://theairlab.org/trajair/）以获取数据。其次，用户需要了解数据集的文件结构和数据加载器，以便正确地读取和使用数据。然后，用户可以使用数据集进行飞机轨迹预测模型的训练和评估。数据集包含了ADS-B传输数据和相应的METAR气象数据，可以用于研究飞机轨迹预测算法，特别是针对非管制终端空域中的多架飞机的社会交互行为。用户还可以使用数据集中的气象数据来研究气象条件对飞机轨迹的影响。此外，用户还可以使用数据集进行社会导航算法的研究，例如，使用数据集中的轨迹数据来训练和评估社会轨迹预测模型。

背景与挑战

背景概述

在非塔台管制终端空域中，飞行员依赖情境感知和先验知识预测其他飞行器的未来轨迹。这些预测基于其他飞行器的过去轨迹、飞行器间的社会互动以及机场位置和天气等环境背景。本论文提供了一个名为TrajAir的数据集，该数据集捕捉了在区域机场周围的非塔台管制终端空域中的此类行为。同时，本文还介绍了一个名为TrajAirNet的基本社会意识轨迹预测算法，该算法使用该数据集来预测所有飞行器的轨迹。该数据集在8个月内收集了111天的ADS-B应答器数据以及相应的METAR天气数据。数据经过处理后，可以与其他公开可用的社会导航数据集一起用作基准。据作者所知，这是第一个3D社会空中导航数据集，因此为自主航空引入了社会导航。TrajAirNet结合了社会导航中最先进的模块，以在静态环境中提供动态上下文的预测。TrajAir数据集和TrajAirNet预测算法都是开源的。

当前挑战

TrajAir数据集和相关算法面临的挑战包括：1)解决领域问题：该数据集解决了在非塔台管制终端空域中预测飞行器未来轨迹的挑战，这是在缺乏集中管制的情况下进行的社会互动。2)构建过程中的挑战：数据集构建过程中遇到的挑战包括从ADS-B应答器数据中提取精确的飞行器轨迹，以及将METAR天气数据与轨迹数据相结合。此外，由于飞行器在终端空域中的行为受到FAA指南的约束，因此预测算法需要能够处理规则和天气等动态环境因素。

常用场景

经典使用场景

TrajAir数据集主要应用于预测非管制终端空域中飞机的未来轨迹。该数据集包含了飞机在非管制通用航空机场周围的社会交互轨迹数据以及相应的METAR天气数据。使用TrajAir数据集，研究人员可以训练和评估轨迹预测算法，以模拟飞行员在非管制终端空域中的行为，从而提高飞行安全性和效率。

解决学术问题

TrajAir数据集解决了非管制终端空域中飞机轨迹预测的挑战，特别是在没有集中控制的情况下。该数据集提供了飞机在实际飞行中的轨迹数据，包括天气条件的影响，为研究飞机之间的社会交互和预测其他飞机的行为提供了宝贵的数据。此外，TrajAir数据集还提供了基准的轨迹预测算法TrajAirNet，该算法结合了最新的社交导航模块，能够在静态环境中提供动态预测。

衍生相关工作

TrajAir数据集的发布促进了社交导航和自主航空领域的研究。基于TrajAir数据集，研究人员可以开发出更先进的轨迹预测算法，以解决更复杂的飞行场景和交互问题。此外，TrajAir数据集还促进了社交导航领域与其他领域（如地面导航和行人轨迹预测）的交叉研究，为解决更广泛的社会交互问题提供了新的思路和方法。