Beacon

Beacon数据集是由田纳西大学诺克斯维尔分校的研究团队在孟菲斯市停电期间收集的自然驾驶数据集，涵盖了两个复杂交叉口在四个小时内的交通动态。该数据集提供了详细的车辆轨迹、车道信息和时间戳，用于研究无信号控制下的交通行为。数据集的创建过程包括视频数据的采集、人工标注和验证，确保了数据的高质量。该数据集主要用于交通重建和控制方法的基准测试，旨在解决停电期间城市交通管理的问题，提升交通系统的韧性。The Beacon dataset is a naturalistic driving dataset collected by a research team from the University of Tennessee, Knoxville, during a city-wide power outage in Memphis. It captures traffic dynamics over a four-hour period at two complex intersections. This dataset provides comprehensive vehicle trajectories, lane-level information, and precise timestamps, supporting research on traffic behavior under unsignalized conditions. The dataset’s development includes video data acquisition, manual annotation and validation procedures, which guarantee its high data quality. Primarily intended for benchmarking traffic reconstruction and traffic control methods, this dataset aims to resolve urban traffic management challenges during power outages and enhance the resilience of transportation systems.

搜集汇总

数据集介绍

构建方式

Beacon数据集的构建基于自然发生的停电事件，通过在美国田纳西州孟菲斯的两个复杂交叉路口收集交通数据。数据采集过程持续了四个小时，涵盖了中午和下午的高峰时段。研究人员使用单一摄像头记录交通视频，并通过人工标注的方式提取每辆车的进入和离开车道信息。数据标注由一名标注员完成，并由另外两名标注员进行验证，确保了数据的准确性和可靠性。这种基于自然事件的采集方式，避免了人为制造停电场景的安全隐患，同时提供了真实的交通行为数据。

使用方法

Beacon数据集的使用方法主要包括交通重建和模拟。研究人员可以利用该数据集重建无信号、有信号和混合交通控制场景，并通过仿真工具（如SUMO）验证交通模型的准确性。数据集中的车辆轨迹和车道信息可用于分析交通流量、密度和需求，帮助开发更高效的交通管理策略。此外，Beacon还可用于研究机器人车辆在停电期间的交通协调能力，评估其对交通效率和排放的影响。通过模拟不同交通控制策略，研究人员能够为城市交通系统的韧性设计提供数据支持。

背景与挑战

背景概述

Beacon数据集由田纳西大学诺克斯维尔分校电气工程与计算机科学系的Supriya Sarker、Iftekharul Islam、Bibek Poudel和Weizi Li等人于2024年提出，旨在解决极端天气事件导致的停电对城市交通系统的严重影响。该数据集记录了美国田纳西州孟菲斯市两个复杂交叉路口在停电期间的交通动态，涵盖了四小时的车辆轨迹、交通需求和密度等信息。作为首个公开的停电期间自然驾驶行为数据集，Beacon为交通重建与控制方法的基准测试提供了宝贵资源，推动了城市交通系统在电力中断情况下的韧性研究。

当前挑战

Beacon数据集在解决交通重建与控制问题时面临多重挑战。首先，停电期间的无信号控制交叉路口交通行为复杂且难以预测，车辆之间的交互模式与常规信号控制下的行为差异显著，增加了模型构建的难度。其次，数据采集过程中，停电事件的不可控性和罕见性使得数据获取极为困难，且需确保采集过程的安全性。此外，数据标注的准确性对后续分析至关重要，但人工标注可能引入主观误差，尤其是在复杂的交通场景下。最后，数据集的规模相对较小，限制了其在更广泛场景下的泛化能力，如何扩展数据集并提升其代表性是未来研究的关键挑战。

常用场景

经典使用场景

Beacon数据集在交通重建与控制领域的经典使用场景主要集中在对复杂交叉路口在停电期间的交通行为进行建模与分析。通过捕捉停电期间无信号灯交叉路口的自然驾驶行为，Beacon为研究人员提供了独特的实验平台，用于模拟和评估不同交通控制策略的有效性。该数据集特别适用于研究停电期间交通流的动态变化，帮助开发更鲁棒的交通管理系统。

解决学术问题

Beacon数据集解决了在极端天气事件或其他因素导致停电时，交通控制系统失效的学术研究问题。通过提供停电期间复杂交叉路口的详细交通数据，Beacon填补了现有数据集的空白，使得研究人员能够深入分析无信号灯条件下的交通行为。这不仅有助于理解停电期间的交通流特性，还为开发新的交通重建技术和控制方法提供了基准。

实际应用

在实际应用中，Beacon数据集为城市交通管理部门提供了宝贵的参考，帮助其在停电期间优化交通流管理。通过分析Beacon中的交通数据，城市管理者可以设计更有效的应急交通控制策略，减少停电期间的交通拥堵和事故风险。此外，该数据集还可用于智能交通系统的开发，提升城市交通系统的抗灾能力。

数据集最近研究

最新研究方向

随着极端天气事件的频发，城市交通系统在停电情况下的管理成为研究热点。Beacon数据集作为首个公开的停电期间复杂交叉路口自然驾驶行为数据集，为交通重建与控制提供了宝贵的基准数据。该数据集通过捕捉孟菲斯两个无信号交叉口在高峰时段的交通动态，详细记录了车辆的时间步长、起始和目的地车道信息。研究人员利用Beacon数据集重建了无信号、信号化及混合交通条件下的交通流，展示了其在交通重建技术和控制方法中的广泛应用潜力。特别是在混合交通控制领域，Beacon数据集为机器人车辆（RV）与人类驾驶车辆（HV）的协同管理提供了实验基础，揭示了RV在高流量条件下的显著优势。未来，Beacon数据集的应用将进一步推动智能交通系统的优化，提升城市交通在极端情况下的韧性。

相关研究论文

• Beacon: A Naturalistic Driving Dataset During Blackouts for Benchmarking Traffic Reconstruction and Control

  田纳西大学诺克斯维尔分校Min H. Kao电气工程与计算机科学系 · 2024年