Simulation Dataset for Risk-Aware Autonomous Driving with Quantile-Calibrated Safety Envelopes

This dataset contains CARLA-based simulation data used to evaluate a risk-aware supervisory control framework with quantile-calibrated safety envelopes. Contents: 1. Raw Simulation Logs: - stageA_normal.zip: Baseline (normal driving) runs used for risk calibration - stageB_eval.zip: Evaluation runs under different control modes (Normal, TTC-based, Proposed) 2. Processed Dataset: - eval_master.csv: Aggregated per-episode metrics including: • collision indicators • minimum time-to-collision (TTC) • risk values • violation rates 3. Statistical Outputs: - stats_effect_sizes.csv: Effect size comparisons between control strategies 4. Configuration: - calibration.json: Quantile-based calibration parameters used to define the safety boundary Reproducibility: All results reported in the paper can be reproduced using the dataset and the analysis scripts available at:https://github.com/autism-researcher/Risk-Envelope-Simulation (Release v1.0) Environment:- CARLA 0.9.13- Python 3.7- numpy==1.21.6- pandas==1.1.5本数据集包含基于CARLA的仿真数据，用于评估带有分位数校准安全包络的风险感知监控控制框架。 数据集内容： 1. 原始仿真日志： - stageA_normal.zip：用于风险校准的基线（常规驾驶）运行数据集 - stageB_eval.zip：不同控制模式下的评估运行数据，涵盖常规模式、基于碰撞时间（Time-To-Collision, TTC）模式以及所提方法模式 2. 处理后的数据集： - eval_master.csv：聚合的每回合评测指标，具体包括： • 碰撞指示项 • 最小碰撞时间（TTC） • 风险值 • 违规率 3. 统计输出结果： - stats_effect_sizes.csv：不同控制策略间的效应量对比文件 4. 配置文件： - calibration.json：用于定义安全边界的基于分位数的校准参数 复现说明： 本论文中报道的所有结果均可通过本数据集以及下述链接提供的分析脚本进行复现：https://github.com/autism-researcher/Risk-Envelope-Simulation（版本v1.0） 依赖环境： - CARLA 0.9.13 - Python 3.7 - numpy==1.21.6 - pandas==1.1.5