B站搜索“轨迹说”，有相应的汇入行为挖掘教程视频 个人网址：www.vehicletrajectorymining.com
1. 为何要研究汇入行为
大家都知道近几年自动驾驶技术比较火热。L2级车辆的商业化量产，以及L4/L5级高级技术的即将实施，自动驾驶技术在现实世界道路上的应用正面临着前所未有的挑战。这些挑战大多来自于与附近的车辆、脆弱的道路使用者、静态物理障碍物和动态物理障碍物进行的交互。
大家可以去DMA（Department of Motor Vehicles）官网上，去下载每年AV在加州路测报告的，2021年共有117起车祸，其中相当一部分是由于AV从当前车道向其他车道移动的交互行为造成的。
其中，最为关键的一个驾驶场景就是汇入场景，这是因为AV需要在汇入过程中需要与周边车辆进行不断的交互。因而，如何使得AV在汇入过程中，至少不发生碰撞，同时也要兼顾效率，舒适，能耗，安全等等，是目前比较热门的一个研究方向。以上说了这么多，我们可以举几点来说明挖掘汇入行为后的应用：
基于数据驱动的各种算法：做过这一数据驱动这一类研究的小伙伴应该清楚，在训练网络前，需要尽可能把数据集吃透吃细，才可能使得模型有更好的效果，涉及到的有针对汇入行为的轨迹预测模型，针对汇入轨迹的聚类算法，当然还有很对面向汇入的规控算法等等等等。自动驾驶仿真测试：通过对于实际的汇入轨迹集挖掘，可以指导仿真测试中用例集的构建，比如更合理地泛化各汇入场景的参数，使得我们可以加速仿真测试，提高仿真测试的效率；通过真实轨迹也可以帮助我们去识别一些corner case，更有助于提高AV覆盖corner case的能力；ADAS软件：分析研究car、truck、van间的汇入行为差异；不同驾驶员（男女，岁数，激进，保守等等）；不同天气；工作日非工作日；早高峰晚高峰平峰等等，分析出来的结果有助于指导ADAS软件，比如ACC，LKA中一些参数的设置等等。交通仿真软件：可以指导交通微观仿真软件，比如SUMO, VISSIM软件中，对于底层参数的调整，比如标定跟驰模型参数后，再修改原本的默认参数等等等。
以上只是罗列了几点，还有很多可以应用的地方。
2. 针对汇入行为的车辆轨迹集介绍
现有快速路公开的车辆轨迹主要有如下几个，最常被分析的是NGSIM和HighD轨迹集。当然也有学者自己去采集汇入区域的轨迹，但出于项目或是个人原因，这些私人的数据集并没有公开出来。exiD数据集采集于2021年，也是HighD和InD那个团队所贡献的，其提供了7个汇入区域的轨迹，该数据集还首次提供了Opendrive与lanelet2两种格式的高精度地图。 相比于现有的几个轨迹，exiD数据集主要的优点可以归纳为如下几点，因而其可能更适用于汇入行为挖掘（Merging behavior analysis）：
数据集更新，其采集2021年，文章于2022年发表在IEEE-IV会议上；专门针对汇入行为而采集的轨迹，其提供单次汇入、多次汇入（location0）、汇出、以及交织（location1）等行为；HighD, NGSIM数据集更多的是针对快速路主线的跟驰与换道行为；首次提供了汇入区域的Opendrive与lanelet2高精地图，这是现有所有轨迹集所未曾提供过的；这可能能帮助我们更深入地理解汇入行为；对于汇入区域的采集时长要远远高于NGSIM，HighD（更多是主线），INTERACTION数据集，共计有69172辆；Automatum虽然提供了30小时，但其采集的场景是主线和汇出；其采集的position error要小于10cm；其同时提供了car, truck, van三种不类型的车辆。
感兴趣的小伙伴，可以去阅读这篇文章“The exiD Dataset: A Real-World Trajectory Dataset of Highly Interactive Highway Scenarios in Germany”
3. exiD数据集介绍
以下为该数据集官网与数据集字段说明的链接： https://www.exid-dataset.com/ https://www.exid-dataset.com/format 下图为七个汇入地点的无人机俯拍图：
location 0: 辅道车辆会有连续两次的汇入行为；location 1: 同时存在汇入汇出（交织）的情形；location 2: 正常单次汇入；location 3: 正常单次汇入；location 4: 未拍摄到加速车道末尾；location 5: 正常单次汇入；location 6: 正常单次汇入；
4. 使用申请
和highD/ inD数据集一样，需要在exiD数据集官网填写如下信息，才能使用该数据集，需要注意如下几点：
需要挂梯子；yourself, position, research plan, what exactly you would like to use the exiD dataset for，这几点需要详细说明；审核需要一段时间；
5. 字段说明
每个recording下包含如下四个文件：
背景图片recordingMeta.csvtracksMeta.csvtracks.csv
七个地点对用的recording如下所示：
location 0: recording 0 ~ recording 18;location 1: recording 19 ~recording 38;location 2: recording 39 ~ recording 52;location 3: recording 53 ~ recording 60;location 4: recording 61 ~ recording72;location 5: recording 73 ~ recording 77;location 6: recording 78 ~ recording 92;
XX_background.png
在Maps文件夹下有: Lanelet2 maps (.osm) 和OpenDrive maps(.xodr)Lanelet2高精地图可以通过josm软件打开；OpenDrive 高精地图可以通过 "https://odrviewer.io/"打开
XX_recordingMeta.csv
recordingMeta.csv字段信息如下所示：
speedLimit：限速；duration：当前这个recording记录的时长；numTracks： 记录了多少个物体；numVehicles： 记录了多少车；xUtmOrigin, yUtmOrigin：加上xCenter ，yCenter 可以获得全局的位置；orthoPxToMeter: 可视化过程中的一个参数
XX_tracksMeta.csv
tracksMeta.csv字段信息如下所示：
recordingId：当前的record；trackId：车辆的idwidth, length：车辆的长度与宽度；class：车辆的类型；
XX_tracks.csv
traveledDistance ：行驶的距离；latLaneCenterOffset 、laneWidth 、laneletId 、laneChange 、lonLaneletPos 、laneletLength：lanelet2高精地图的字段；leadId 、rearId 、leftLeadId 、leftAlongsideId、leftRearId 、rightLeadId 、rightAlongsideId、rightRearId ：周围车辆的ID;odrRoadId、odrSectionNo 、odrLaneId ：opendrive高精地图的字段；xVelocity、yVelocity、lonVelocity、latVelocity：车辆的速度；
6. 周边车辆匹配
在tracks文件中，每一辆车的每一帧都会匹配周边车辆（前车、后车、并行车），每一帧最多存在八辆周边车辆。 B站搜索“轨迹说”，有系统的汇入行为挖掘教学视频 个人网址：www.vehicletrajectorymining.com
好文推荐
您阅读本篇文章共花了：
发表评论