DATAD

DATAD（自动驾驶接管中的驾驶员注意力）是一个专门为自动驾驶中的人机交互研究设计的数据库。它捕捉了驾驶员在紧急接管期间的眼神行为、操作输入和周围交通动态。

DATAD (Driver Attention in Autonomous Driving Takeover) is a database specifically designed for human-machine interaction research in autonomous driving. It captures drivers' eye behaviors, operational inputs, and surrounding traffic dynamics during emergency autonomous driving takeovers.

原始信息汇总

DATAD: 驾驶员在自动驾驶接管中的注意力数据集

概述

DATAD（Driver Attention in Takeover of Autonomous Driving）是一个专门为自动驾驶中的人机交互研究设计的数据库。它记录了驾驶员在紧急接管情况下的注视行为、操作输入以及周围交通动态。

该数据集从60名参与者中收集，包含12种接管场景，大约有600,000帧注视点数据。这个数据库提供了驾驶员注意力分配的见解，这对于提高自动驾驶车辆的安全性和人机交互策略至关重要。

特点

• 大规模数据集：600,000帧驾驶员注视行为
• 高保真模拟：使用基于CARLA的驾驶模拟器收集
• 全面的驾驶环境：包括注视数据、车辆控制输入和周围交通信息
• 紧急场景：捕捉驾驶员对关键事件实时反应
• 丰富的元数据：周围车辆的位置、速度、加速度和偏航角

数据集结构

DATAD/

数据格式

数据集包括以下内容：

• 注视数据：眼动跟踪坐标、时间戳、注视持续时间
• 驾驶数据：方向盘角度、刹车和油门位置、速度
• 交通环境：周围车辆位置、速度和物体类别
• RGB图像：驾驶员前视图的原始图像
• 语义分割图：实例标记的前景物体

使用数据集

使用Python加载数据集： python wait update

可视化注视轨迹

运行可视化脚本来生成注视点图像： bash wait update

许可

此数据集根据MIT许可证发布。查看LICENSE文件了解详情。

搜集汇总

数据集介绍

构建方式

DATAD数据集的构建以自动驾驶过程中人工接管为背景，采集了60位参与者在12种紧急接管场景下的视线行为、操作输入及周围交通动态信息，共计约600,000帧的视线点数据。这些数据是通过基于CARLA的驾驶模拟器进行高保真模拟收集得到的，旨在为自动驾驶系统中的人机交互研究提供深入洞见。

特点

DATAD数据集的特点在于其大规模的视线行为数据，以及高保真的模拟环境。它不仅包含了丰富的驾驶上下文信息，如车辆控制输入和周围交通信息，还特别关注紧急情况下的实时驾驶员反应，并提供了详细的元数据，包括周围车辆的位置、速度、加速度和偏航角。

使用方法

使用DATAD数据集，首先需要通过Python加载相应数据。数据集包含视线数据、驾驶数据、交通上下文、RGB图像以及语义分割图等组成部分。用户可以通过运行可视化脚本，生成视线轨迹图，以便对驾驶员的视线行为进行直观分析。

背景与挑战

背景概述

DATAD（自动驾驶接管中的驾驶员注意力）数据集，专为自动驾驶领域的人机交互研究而设计。该数据集收集于2010年代后期，由一支专注于自动驾驶安全性与人机交互研究的团队开发。其主要研究人员来自多个知名机构，致力于解决自动驾驶在紧急接管情况下驾驶员注意力的分配问题，对自动驾驶系统的安全性和交互设计产生了深远的影响。

当前挑战

DATAD数据集在构建过程中面临的挑战主要包括：如何在高度仿真的环境中准确捕捉驾驶员的视线行为；如何在多样化的接管场景中保证数据的多样性和代表性；以及如何整合车辆控制输入和周围交通动态信息，以提供全面的研究视角。在研究领域内，该数据集所解决的挑战包括如何理解和预测驾驶员在紧急情况下的反应，以及如何优化人机交互系统，以确保自动驾驶车辆的安全运行。

常用场景

经典使用场景

在自动驾驶领域，DATAD数据集作为专注于驾驶员接管时注意力的研究资源，其经典的使用场景在于分析驾驶员在紧急状况下接管自动驾驶车辆的视线行为。通过该数据集，研究人员能够深入了解驾驶员在面临突发情况时 gaze behavior 的变化，为自动驾驶系统设计更为人性化的接管界面和预警机制。

衍生相关工作

基于DATAD数据集，学术界已经衍生出多项相关研究工作，包括但不限于驾驶员行为预测模型、注意力监测算法的开发以及自动驾驶接管界面的设计。这些研究进一步推动了自动驾驶技术的成熟和商业化进程，为智能交通系统的未来发展奠定了坚实基础。

数据集最近研究

最新研究方向

在自动驾驶领域，**DATAD**数据集的诞生标志着对驾驶员接管过程中注意力分配研究的深化。该数据集通过记录驾驶员在紧急接管情境下的视线行为、操作输入及周遭交通动态，为优化人机交互策略和提升自动驾驶车辆安全性提供了宝贵资源。近期研究方向聚焦于利用该数据集分析驾驶员的注意力分配模式，以及如何通过这些模式改善自动驾驶系统在紧急情况下的响应机制，进而为智能驾驶技术的成熟贡献力量。