NGSIM US-101 Dataset

NGSIM US-101数据集自2005年发布以来，已成为轨迹预测研究领域的终极开源数据集。该数据集由安装在洛杉矶好莱坞高速公路（南向US-101）上建筑物上的8台摄像机自动从视频记录中提取。数据集存在噪声，主要由于自动提取过程，且未进行准确性评估，可能存在数据不完整的情况。

Since its release in 2005, the NGSIM US-101 dataset has become the ultimate open-source dataset in the field of trajectory prediction research. This dataset was automatically extracted from video recordings by eight cameras installed on buildings along the southbound US-101 Hollywood Freeway in Los Angeles. The dataset contains noise, primarily due to the automatic extraction process, and has not undergone accuracy assessment, potentially resulting in incomplete data.

原始信息汇总

数据集概述

数据集名称

NGSIM US-101 Dataset Smoothing

数据集描述

该数据集提供了一个经过平滑处理版本的NGSIM US-101轨迹数据集，使用Savitzky-Golay滤波器进行平滑处理。平滑过程分为两个步骤：首先平滑X和Y值，然后根据平滑后的X、Y值重新计算速度和加速度。

数据集内容

• 原始数据来源：NGSIM US-101数据集，自2005年发布以来，已成为轨迹预测研究的开放源数据集。
• 数据问题：数据集中存在噪声，主要由于自动从视频录像中提取，且未进行准确性评估，可能存在数据不完整。
• 平滑方法：采用Savitzky-Golay滤波器，通过Python的scipy.signal库实现。平滑处理仅针对Local_X和Local_Y值，不包括Global_X和Global_Y。

使用方法

• 直接使用：用户可直接从“平滑数据集”文件夹下载使用。
• 代码使用：对编程感兴趣的用户可以查看Python 3.6编写的代码，了解数据平滑的实现细节。

参考文献

1. Montanino, Marcello, and Vincenzo Punzo. "Making NGSIM data usable for studies on traffic flow theory: Multistep method for vehicle trajectory reconstruction." Transportation Research Record 2390.1 (2013): 99-111.
2. Thiemann, Christian, Martin Treiber, and Arne Kesting. "Estimating acceleration and lane-changing dynamics from next generation simulation trajectory data." Transportation Research Record 2088.1 (2008): 90-101.
3. Altché, Florent, and Arnaud de La Fortelle. "An LSTM network for highway trajectory prediction." 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2017.

搜集汇总

数据集介绍

构建方式

NGSIM US-101数据集的构建基于对洛杉矶好莱坞高速公路（南向US 101）的视频记录进行自动提取。该数据集通过安装在建筑物上的8台摄像机捕捉车辆轨迹，并使用NG-VIDEO软件进行数据提取。然而，由于视频记录和数据提取过程中的固有噪声，原始数据集存在显著的不准确性和不完整性。为解决这一问题，研究者采用Savitzky-Golay滤波器对X和Y坐标进行平滑处理，随后重新计算速度和加速度，从而生成一个噪声较小的平滑版本数据集。

特点

NGSIM US-101数据集的主要特点在于其广泛应用于轨迹预测研究，自2005年发布以来，已成为该领域的标准数据集。然而，原始数据集因视频记录和自动提取过程中的噪声问题，导致数据质量不佳。通过Savitzky-Golay滤波器的应用，新版本数据集显著减少了噪声，提高了数据的准确性和连续性，使其更适合于高精度轨迹预测和交通流理论研究。

使用方法

使用NGSIM US-101数据集时，用户可以选择直接下载并使用经过平滑处理的数据集，或深入研究数据平滑的代码实现。对于非技术用户，平滑后的数据集可直接从相应文件夹下载；而对于编程人员，可通过阅读相关README文件，了解并复现数据平滑的具体过程，包括Savitzky-Golay滤波器的应用和速度、加速度的重新计算。

背景与挑战

背景概述

NGSIM US-101数据集自2005年发布以来，已成为轨迹预测研究领域的权威开源数据集。该数据集由加利福尼亚州洛杉矶的Hollywood Freeway上的8台摄像机自动提取，使用NG-VIDEO软件进行数据提取。尽管其广泛应用于交通流理论研究，但数据集中存在的噪声问题引起了众多研究者的关注。例如，Montanino和Punzo（2013）指出，数据中的噪声主要源于视频记录的自动提取过程。此外，NGSIM文档明确指出，数据集未进行精度评估，且数据完整性无法保证。这些因素共同促使了对数据集进行平滑处理的必要性，以提高其在轨迹预测和交通流分析中的应用价值。

当前挑战

NGSIM US-101数据集的主要挑战在于其原始数据中存在显著的噪声，这源于视频记录的自动提取过程。具体表现为，部分车辆在短时间内出现不切实际的急加速和急减速，如车辆2在7:00至8:35之间的轨迹中，8.99%的数据点显示出超过3 m/s²的不合理加速度。此外，数据集的完整性和精度未经过系统评估，存在数据缺失的风险。为应对这些挑战，研究者采用了Savitzky-Golay滤波器对X和Y值进行平滑处理，并重新计算速度和加速度，以期在保留数据真实性的同时，减少噪声对分析结果的影响。

常用场景

经典使用场景

在交通流理论研究领域，NGSIM US-101数据集因其丰富的车辆轨迹信息而成为经典。该数据集通过视频记录提取，提供了洛杉矶好莱坞高速公路南向US 101的车辆轨迹数据。研究者们常利用此数据集进行车辆轨迹预测、交通流模型验证以及驾驶行为分析等研究。通过分析车辆在不同时间段的加速度变化，研究者能够深入理解交通流中的动态特性，从而为智能交通系统的设计与优化提供关键数据支持。

衍生相关工作

基于NGSIM US-101数据集，研究者们开展了多项相关工作。例如，Montanino和Punzo提出了多步方法用于车辆轨迹重建，以提高数据的可使用性。Thiemann等人则利用该数据集估计车辆的加速度和换道动态，为交通流理论研究提供了新的视角。此外，Altché和de La Fortelle开发了基于LSTM网络的高速公路轨迹预测模型，进一步推动了智能交通系统的发展。这些工作不仅丰富了交通科学的研究内容，也为实际应用提供了技术支持。

数据集最近研究

最新研究方向

在交通流理论与自动驾驶领域，NGSIM US-101数据集因其丰富的轨迹数据而备受关注。近年来，研究人员致力于通过数据平滑技术提升数据集的质量，以更准确地模拟和预测车辆行为。基于Savitzky-Golay滤波器的平滑方法成为主流，通过减少数据噪声，使得轨迹预测模型更加可靠。这一研究方向不仅提升了数据集的实用性，也为自动驾驶系统中的轨迹预测提供了更为精确的基础数据，推动了智能交通系统的发展。