德清路口雷视多模态融合三维重建数据集本数据集面向路侧多模态感知与三维重建应用,主要用途与场景包括:
一是自动驾驶与车路协同算法研发,融合目标含全局ID、位置、速度、加速度、类别、颜色及车辆尺寸等完整属性,可用于目标检测跟踪、雷视融合、轨迹预测等算法的验证与优化。
二是交通数字孪生与三维重建,经时空对齐与目标级关联的多模态数据可支撑路口场景三维建模、动态目标还原与仿真测试。
三是智慧交通管理,融合目标的速度、加速度与轨迹信息可用于交通流量统计、冲突分析与路口安全评估。
该数据经置信度阈值过滤与时空对齐加工,目标属性完整、一致性较好,具备较高复用价值与场景适配能力。
绿波带协调优化数据面向城市干线信号协调控制场景,基于路侧感知与信号控制历史数据,按路段序列、时段与日期类型挖掘路口间的车队通行规律与绿波协调可行性,形成绿波带基础信息(起终点路口、路段序列、协调时段、相位差、公共周期、双向标志、可靠性代码)以及绿波带与路口、路段实体的关联关系,支撑交通管理部门快速识别可优化绿波带、生成信号协调方案、评估绿波效果,并为城市级信号控制优化平台、自动驾驶车队路径规划提供基础数据。
路口车流量统计数据统计某天某个路口往来车辆车流量,统计出前三拥堵车流量,用于交通综合管理从datahub解析到mec数据,通过脚本将格式化数据解析成各类字段(time_stamp,objecttype,fusdevid,lat,lon,speed,platenum等)。
fusdevid代表路口和mec共有标识,platenum 代表车牌号码(数据已脱敏), 对time_stamp进行数据加工格式处理成某天(比如2023-10-25 11:15:53去除小时分钟秒,保留日期为2023-10-25), 以某天的fusdevid,对platenum 数据进行去重分类加总求和,
将求和计算排序,获取前三,作为流量排名,并且对前一,前二流量数据进行加总平均
交通rsu设备离线管控数据对德清县rsu设备在线状态统计,用以车联网设备管理从datahub解析到rsu数据,通过脚本将格式化数据解析成各类字段(status, created_time ,ip,name ,rsu_id 等)。
对以上数据进行status 进行分类(status的数据有online,offline,initial),获取online,offline两类值的总和记为online_shu, offline_shu。并在此基础上进行online占比(online+offline)计算为online_zhanbi,用以对rsu 综合管理,交通事件分析,便利后续维修,派单等
路口脱敏视频数据、交通态势基础数据、交通事件数据德清城市智能化路侧基础设施相机拍摄的历史视频数据,已完成脱敏。可以作为交通管理部门的执法回溯工具,也可以为科研单位提供历史路况辅助查看的功能;基于路口的相机、雷达感知的数据经由MEC融合计算后的数据,包含车辆轨迹、和交通参数两类。车辆轨迹包括路口级的实时车辆位置、车型、车速等信息,交通参数包括车道级流量、排队长度。可用于交通监控、自动驾驶感知、交通事件检测,也可以为交通管理部门、高校研究院研究信控优化方案提供算法支持;德清路侧高清相机采集的全天候视频,基于事件感知算法检测包含非法停车、事故、行人进入非机动车道、逆行、低速超速、抛洒物、道路维修、路口溢出等交通事件。
路侧相机视角下车牌目标检测训练数据本数据集专为车路协同与智能交通场景下的路侧感知应用打造。数据精选自真实路侧杆件相机的抓拍视角,覆盖晴天、阴雨、逆光、夜间等多种光照条件及不同距离、角度、车速下的车辆图像,以车牌目标检测为核心标注,是训练、测试与验证车牌检测及隐私脱敏算法的稀缺高价值数据资产。
在交通管理与车路协同应用场景中,数据经目标检测算法加工后,可实现路侧视频流中车牌的实时精准识别与定位,支撑车流量统计、车辆轨迹追踪、交通事件取证、重点车辆管控等业务,识别结果与云控平台联动,推动交通监测由人工巡查向自动化、智能化升级;同时,经脱敏算法加工后,路侧采集图像中的车牌信息可自动模糊化处理,在保障个人隐私与数据合规的前提下实现图像的安全公开与共享。
经算法加工后,上述场景获得显著改善:车牌检测在复杂光照与遮挡条件下的漏检、误检率大幅下降,识别准确率与鲁棒性显著提升;车牌脱敏由人工逐帧处理转变为全自动批量处理,处理效率提升数倍,隐私泄露风险与合规成本有效降低,为车路协同规模化落地提供了可靠的数据支撑。
脱敏后路口红绿灯各相位有效时长模拟还原数据车联网所获取的数据来自交警交管相应系统,并非原始数据,所以通过阶段时间对数据进行模拟计算,模拟交通灯各相位红绿灯三种灯态的有效时长。适用于采集的数据不是原始数据,又需要推算交通灯相位的红绿灯时长,用以车辆网业务应用从kafka获取到数据在使用之前通过解析脚本将格式化数据解析成各字段(nodeID,TIMESTAMP,PHASE_ID,LIGHT_STATE,START_TIME,likely_end_time
等)。对以上结构化数据做小时,和node_id联合分组,通过对time_stamp 进行数据转换截取等操作,在固定时间内统计每一种phase_id对应的light_state的(likely_end_time-START_TIME )求最大值。以该值作为对应小时和node_id对应的有效灯态时长。因为有三种灯态,所以模拟了路口特定时间下相位交通信号灯的红绿灯时长
交通气象设备管控数据对布置气象设备所在区域进行气象数据收集,通过云控平台对收集到的天气道路数据进行集中管控,联合应用地图,应用平台进行综合可视化管控从对应天气server获取数据后,通过脚本将格式化数据解析成各类字段(stationno,recvtime,obsetime,temp,humi,pressure, windspd2min ,winddir10min, doorstatus ,dt等 )统计dt,按天计算doorstatus 的两种状态:打开,关闭。对两种状态按某天求和。作为车联网应用大屏管控数据
德清自动驾驶仿真场景库数据为自动驾驶企业提供仿真测试服务基于德清路侧采集真实道路交通数据,同时将政府开放数据与社会数据进行融合利用,通过对高精路网的解析完成到OpenDrive静态路网的转化,并将交通灯的位置挂载到OpenDrive路网中。然后对车路协同的数据进行交通流的还原(视数据质量决定直接用结构化数据还是用感知数据进行算法还原),按事件类型对事件中涉及的人、车、物、路、环境等要素进行提取还原,从而实现对场景动态交通流OpenScenario的转化。最后通过接入ROS、OSI等插件/接口实现对V2X消息的接入,完成对自动驾驶仿真场景的构建。
可以基于已有的数据,结合交通流仿真算法能力对场景做几方面的泛化:
道路结构泛化 – 更改道路结构(如增减车道)
道路施工泛化 – 封闭部分路段的车道或半幅道路
信号灯配时泛化 – 更改信号灯的配时方案(或接入动态配时数据)
V2X泛化 – 增减场景中的V2X预警信息
也支持通过ROS或OSI等接口接入激光雷达、摄像头、毫米波雷达等传感器数据,以实现对传感器的仿真。
交通流量优化分析数据通过路侧建设的摄像头、雷达等感知设备收集的车流数据生成能够辅助交通流量优化分析的数据。可帮助交通管理部门优化路口的红绿灯配时方案,制定科学的治堵方案,缓解交通拥堵。通过路侧建设的摄像头、雷达等感知设备收集到车辆的轨迹,经过加工处理,去除异常轨迹点位,生成交通流量数据。数据字段包括旅行时间(秒)、通行速度(千米/小时)、延误时间(秒)、通行效率(0-100区间, [0, 15) [15, 30) [30, 60) [60, 100],分别对应拥堵、较堵、一般、畅通)、拥堵时长(秒)、拥堵里程(米)以及各个指标的置信度(0-100区间,越大可信程度越高)。首先置信度表示的是该指标的可信和准确程度。当前时间片的平均等待红绿灯的旅行时间表示车辆在特定时间片(例如,每5分钟或每15分钟作为一个时间片)内通过某一路段时,因等待红绿灯而额外增加的平均时间。当前时间片的平均不包含等待红绿灯的旅行时间:这个指标排除了等待红绿灯的时间,仅计算车辆实际在道路上行驶所需的时间。它是在没有红绿灯的情况下,车辆穿越特定路段所需的平均时间。与上述相同,通行速度指的是等待或不等待红绿灯时的车辆通过路口的速度,延误时间指的是车辆实际通过路口的时间和自由流行程时间之间的差值,通行效率指的是车辆经过路口的通过效率,公式为100 *(实际速度/稳定态速度),拥堵时长指的是某段时间内车辆拥堵的时间,拥堵里程指的是某段时间内车辆拥堵了多少公里。通过上述指标数据可以对路口信号灯的配时做出评价,及时调整信号灯配时,以保障交通通行效率。