要約
交差点は、自律走行タスクにとって最も困難なシナリオの1つである。その複雑さと確率性から、交差点における本質的なアプリケーション（行動モデリング、動作予測、安全性検証など）は、データ駆動型技術に大きく依存しています。そのため、交差点における交通参加者（TP）の軌跡データセットに対する需要は非常に高い。現在、都市部のほとんどの交差点には信号機が設置されています。しかし，信号機のある交差点における大規模かつ高品質で一般に利用可能な軌跡データセットはまだ存在しない．そこで、本論文では、中国天津市における典型的な二相信号交差点を選定した。また、信号交差点データセット（Signalized INtersection Dataset: SIND）を構築するためのパイプラインを設計し、7種類、13,000以上のTPを含む7時間の記録を作成した。そして、SINDにおける信号機違反の挙動を記録する。さらに、SINDは他の類似の研究とも比較される。SINDの特徴は、以下のようにまとめられる。1) SINDは，信号機の状態，動作パラメータ，高精細（HD）地図などを含む，より包括的な情報を提供する．2) 交通弱者の割合が62.6%に達するなど、交通弱者の分類が多様で特徴的である 3) 自動車以外の交通弱者の信号機違反が多数表示されるSINDは、既存のデータセットを補完する有効なデータセットであり、自律走行に関する関連研究を促進することができると考えています。このデータセットは、https://github.com/SOTIF-AVLab/SinD からオンラインで入手可能です。
要約(オリジナル)
Intersection is one of the most challenging scenarios for autonomous driving tasks. Due to the complexity and stochasticity, essential applications (e.g., behavior modeling, motion prediction, safety validation, etc.) at intersections rely heavily on data-driven techniques. Thus, there is an intense demand for trajectory datasets of traffic participants (TPs) in intersections. Currently, most intersections in urban areas are equipped with traffic lights. However, there is not yet a large-scale, high-quality, publicly available trajectory dataset for signalized intersections. Therefore, in this paper, a typical two-phase signalized intersection is selected in Tianjin, China. Besides, a pipeline is designed to construct a Signalized INtersection Dataset (SIND), which contains 7 hours of recording including over 13,000 TPs with 7 types. Then, the behaviors of traffic light violations in SIND are recorded. Furthermore, the SIND is also compared with other similar works. The features of the SIND can be summarized as follows: 1) SIND provides more comprehensive information, including traffic light states, motion parameters, High Definition (HD) map, etc. 2) The category of TPs is diverse and characteristic, where the proportion of vulnerable road users (VRUs) is up to 62.6% 3) Multiple traffic light violations of non-motor vehicles are shown. We believe that SIND would be an effective supplement to existing datasets and can promote related research on autonomous driving.The dataset is available online via: https://github.com/SOTIF-AVLab/SinD
arxiv情報
| 著者 | Yanchao Xu,Wenbo Shao,Jun Li,Kai Yang,Weida Wang,Hua Huang,Chen Lv,Hong Wang |
| 発行日 | 2022-09-06 08:49:44+00:00 |
| arxivサイト | arxiv_id(pdf) |