AVOID: Autonomous Vehicle Operation Incident Dataset Across the Globe

AVOID数据集是由中央佛罗里达大学创建的全球自动驾驶车辆事故数据集，包含超过1000份事故报告，涵盖了ADS、ADAS和低速自动驾驶车辆三种类型。数据来源于国家公路交通安全管理局、加州车辆管理局及全球新闻报道，经过手动验证和整理。该数据集旨在通过提供丰富样本、多样数据源、清晰数据结构和高数据质量，加速自动驾驶车辆事故分析和潜在风险识别的研究。

The AVOID Dataset is a global autonomous vehicle accident dataset created by the University of Central Florida, which contains over 1,000 accident reports covering three types: ADS, ADAS, and low-speed autonomous vehicles. The data is sourced from the National Highway Traffic Safety Administration, California Department of Motor Vehicles, and global news reports, and has been manually verified and curated. This dataset aims to accelerate research on autonomous vehicle accident analysis and potential risk identification by providing abundant samples, diverse data sources, a clear data structure, and high data quality.

搜集汇总

数据集介绍

构建方式

AVOID数据集的构建始于对原始数据的收集，这些数据来源于美国国家公路交通安全管理局（NHTSA）、加利福尼亚州机动车辆管理局（CA DMV）以及全球范围内的新闻报道。随后，通过结合自动和手动处理方法，将这些不同格式和模态的数据进行组织和整合。为了确保数据质量，对缺失/重复或未经验证的记录进行了手动检查。此外，还利用OpenStreetMap（OSM）和Google Maps API提取了事故地点的地理空间信息，并通过OpenWeather API获取了相关天气数据。整个数据集生成流程包括数据收集、数据加工整合以及手动核查三个主要阶段。

使用方法

AVOID数据集的使用方法如下：首先，可以从数据集网站下载处理后的数据，这些数据以CSV文件格式存储，可以使用电子表格软件如Microsoft Excel打开，或使用编程语言如Python进行分析。其次，可以访问数据集网站上的原始数据，包括CA DMV事故报告、NHTSA数据表以及新闻报道等。最后，数据集网站上还提供了用于地理空间数据处理和天气数据处理的Python脚本，以及使用说明和示例代码，方便用户进行数据分析和研究。

背景与挑战

背景概述

自动驾驶车辆（AV）及其配备的高级驾驶辅助系统（ADAS）的碰撞数据对于理解碰撞本质和提升自动化系统至关重要。然而，现有的大多数碰撞数据来源要么受限于样本量，要么存在数据缺失或未经验证的问题。为了促进AV安全研究社区的发展，我们引入了AVOID：一个开放的AV碰撞数据集。该数据集考虑了三种类型的车辆：高级驾驶系统（ADS）车辆、高级驾驶辅助系统（ADAS）车辆和低速自动驾驶穿梭车。碰撞数据来自美国国家公路交通安全管理局（NHTSA）、加利福尼亚州机动车管理局（CA DMV）和全球事故新闻，数据经过手动验证并以可立即使用的格式进行总结。此外，还提供了土地利用、天气和几何信息。该数据集预计将通过提供丰富样本、多样化数据来源、清晰数据结构和高质量数据，加速AV碰撞分析和潜在风险识别的研究。

当前挑战

尽管AV技术的安全性在不断提升，但涉及自动驾驶车辆的碰撞仍然会发生，这表明我们仍需努力提升AV的安全性。本研究旨在介绍AVOID：一个开源数据集，提供有关AV碰撞的信息。与现有数据集相比，AVOID在样本量、车辆类别和数据来源方面包含更多信息。数据集融合了多个数据来源，包括超过1000份碰撞报告、交通数据、环境数据以及新闻报告。碰撞前的条件、事件性质以及道路和环境特征被收集并总结为数据集的主要组成部分。通过开放这个数据集，我们旨在加速研究AV碰撞本质的理解，并识别提高AV安全性的方法。

常用场景

经典使用场景

AVOID数据集，作为自动驾驶车辆碰撞事故的全球数据集，其最经典的使用场景在于自动驾驶车辆的安全性和可靠性研究。通过对该数据集的分析，研究人员可以深入了解自动驾驶车辆碰撞事故的本质，识别潜在的风险，并针对性地提出改进措施。此外，该数据集还可以用于自动驾驶车辆的碰撞预防算法开发和测试，以及自动驾驶车辆在不同条件下的行为建模。

解决学术问题

AVOID数据集解决了自动驾驶车辆碰撞事故数据稀缺、样本量小、数据来源单一等问题。该数据集包含了大量来自美国国家公路交通安全管理局（NHTSA）、加利福尼亚州车辆管理局（CA DMV）以及全球范围内的碰撞事故报告、交通数据、环境数据等，为自动驾驶车辆的安全研究提供了丰富的数据支持。此外，该数据集还提供了详细的碰撞事故特征，如车辆状况、碰撞前状况、道路和环境、碰撞结果等，为深入研究自动驾驶车辆碰撞事故提供了重要的数据基础。

实际应用

AVOID数据集的实际应用场景广泛，包括但不限于自动驾驶车辆的安全评估、碰撞预防算法开发、自动驾驶车辆在不同条件下的行为建模等。通过分析该数据集，研究人员可以了解自动驾驶车辆在不同环境、不同交通状况下的碰撞事故特征，从而提出针对性的改进措施，提高自动驾驶车辆的安全性和可靠性。此外，该数据集还可以用于自动驾驶车辆的碰撞预防算法开发和测试，以及自动驾驶车辆在不同条件下的行为建模，为自动驾驶技术的发展提供重要的数据支持。

数据集最近研究

最新研究方向

在自动驾驶汽车领域，AVOID数据集的最新研究方向主要集中在自动驾驶汽车碰撞事故的分析和潜在风险识别。通过提供丰富多样、高质量的数据样本，AVOID数据集为研究人员提供了深入了解自动驾驶汽车碰撞本质和潜在风险的机会。这一研究方向对于提高自动驾驶汽车的安全性具有重要意义，有助于推动自动驾驶汽车技术的发展和应用。

相关研究论文

• AVOID: Autonomous Vehicle Operation Incident Dataset Across the Globe

  中央佛罗里达大学土木、环境与建筑工程系 · 2023年