Anticipation of Traffic Accident (AoTA)

AoTA数据集是针对交通事故预测而设计的一个新的基准数据集，旨在更好地捕捉现实世界中的驾驶风险。该数据集包含大量真实世界的交通事故场景，并附带丰富的注释信息。数据集的创建过程结合了视觉语言模型和世界模型，以确保生成的场景数据与原始数据集具有相同的特征分布。数据集主要用于自动驾驶系统的交通事故预测，以提高系统的准确性和提前预警时间。

The AoTA dataset is a novel benchmark dataset designed for traffic accident prediction, aiming to better capture driving risks in real-world scenarios. It contains a large number of real-world traffic accident scenarios with rich annotated information. The creation of this dataset combines vision-language models and world models to ensure that the generated scenario data shares the same feature distribution as the original dataset. This dataset is primarily used for traffic accident prediction in autonomous driving systems, to improve the system accuracy and extend their early warning lead time.

搜集汇总

数据集介绍

构建方式

Anticipation of Traffic Accident (AoTA) 数据集的构建采用了多源数据融合与精细化标注的策略。研究团队从Detection of Traffic Anomaly数据集精选4,000个事故片段，通过帧级人工复核保留3,600个正样本，确保事故起始时刻标注精度控制在±3帧范围内。负样本则选自BDD100K的1,200个常规驾驶片段，涵盖城市道路、高速公路等多样化场景。数据集构建过程中创新性地采用时空一致性校验机制，通过双盲标注与第三方仲裁相结合的方式，将标注分歧率控制在2.1%以下。

使用方法

该数据集支持端到端的事故预测模型开发与验证流程。研究者可通过两种典型范式进行利用：1) 时空图神经网络训练时，建议采用五折交叉验证策略，以20帧为时间窗提取BEV特征，配合动态邻接矩阵构建；2) 生成式数据增强应用中，可利用内置的场景解构参数（含12类环境因子与9种参与者属性）驱动世界模型合成新样本。评估阶段应严格遵循原始划分方案（训练集4,000片段/测试集800片段），并采用AP-mTTA双指标体系，其中mTTA计算需以事故前3秒为有效预警时间窗。

背景与挑战

背景概述

Anticipation of Traffic Accident (AoTA) 数据集由澳门大学智能城市物联网国家重点实验室的研究团队于2025年创建，旨在推动自动驾驶系统中的交通事故预测研究。该数据集包含4800个行车记录仪视频片段，其中3600个为事故场景，1200个为正常驾驶场景，覆盖了多样化的天气条件和昼夜场景。AoTA数据集通过整合来自Detection of Traffic Anomaly数据集和BDD100K的数据，并采用创新的场景生成框架进行数据增强，显著提升了数据多样性和覆盖范围。该数据集的发布为交通事故预测领域提供了更全面的基准测试平台，解决了现有数据集在事故类型和场景分布上的局限性。

当前挑战

AoTA数据集主要解决自动驾驶领域中的交通事故预测问题，其核心挑战包括：1) 视觉线索的有限性，如光照变化、恶劣天气、遮挡和运动模糊等因素导致的关键时空信息丢失；2) 交通事故的稀有性和高度多样性，使得高质量、大规模视频数据的收集极为困难。在数据集构建过程中，研究团队面临以下具体挑战：如何确保生成视频的时空一致性和视觉质量，以弥合合成数据与真实数据之间的差距；如何设计有效的时空关系建模方法，以捕捉交通参与者之间复杂的交互动态；以及如何平衡数据增强带来的性能提升与生成数据可能引入的偏差问题。

常用场景

经典使用场景

Anticipation of Traffic Accident (AoTA) 数据集在自动驾驶领域中被广泛应用于交通事故的预测与预警研究。该数据集通过提供大量真实世界中的交通事故场景，帮助研究人员开发和验证基于计算机视觉和深度学习的事故预测模型。AoTA 数据集特别适用于研究复杂交通场景下的多目标交互行为，以及事故发生的早期信号识别。

解决学术问题

AoTA 数据集解决了自动驾驶研究中两个关键问题：数据稀缺性和模型泛化能力不足。通过提供多样化的交通事故场景和丰富的标注信息，该数据集使得研究人员能够训练更鲁棒的预测模型，减少因数据不足导致的过拟合问题。此外，AoTA 数据集还支持对事故发生的时空动态建模，为理解交通场景中的因果关系提供了重要数据支持。

实际应用

AoTA 数据集在实际应用中主要用于提升自动驾驶系统的安全性。通过利用该数据集训练的模型，自动驾驶车辆可以更早地预测潜在的交通事故，从而采取避障或减速等措施。此外，AoTA 还可用于智能交通监控系统，帮助城市管理者识别高风险路段并优化交通流量。

数据集最近研究

最新研究方向

近年来，Anticipation of Traffic Accident (AoTA) 数据集在自动驾驶领域引起了广泛关注，特别是在交通事故事件预测方面。该数据集通过结合生成式场景增强和自适应时间推理，为解决训练数据稀缺和关键物体级线索缺失的问题提供了创新方案。前沿研究方向主要集中在利用世界模型和视觉语言模型（VLMs）生成高分辨率、统计一致的驾驶场景，以丰富边缘案例和复杂交互的覆盖范围。同时，动态预测模型通过强化图卷积和扩张时间算子来编码时空关系，有效应对数据不完整和瞬时视觉噪声的挑战。AoTA数据集的发布为研究者提供了迄今为止最全面的事故案例和标注，推动了自动驾驶安全关键领域的数据和建模限制的突破。该数据集的应用不仅提升了事故预测的准确性和提前时间，还为生成数据在特定任务中的有效性提供了实证支持。

相关研究论文

• World Model-Based End-to-End Scene Generation for Accident Anticipation in Autonomous Driving

  澳门大学 · 2025年