Advertisement

NGSIM I-80-Main-Data数据集。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该NGSIM轨迹数据，涵盖I-80路线的完整数据集，以纯文本格式（txt）存储，并经过了精细的格式化处理。 此外，该数据集中包含一份详尽的英文说明文档，为用户提供了全面的信息。 这些数据特别适用于进行数据挖掘分析以及自动驾驶轨迹预测等应用场景。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • NGSIM-I-80车辆轨迹数据集
    优质
    NGSIM-I-80车辆轨迹数据集是由美国交通部收集的关于I-80高速公路路段内车辆行为和运动的详细轨迹数据，适用于智能交通系统研究。 1. 压缩包内包含NGSIM US-101公开数据集中的车辆轨迹数据。 2. 数据集中包括下午4点到4点15分、5点到5点15分以及5点15分到5点30分三个时间段的数据。 3. 数据格式为.txt。
  • NGSIM数据集——I-80高速公路段数据
    优质
    NGSIM I-80高速公路段数据集提供了详尽的车辆运动信息，适用于交通流分析和驾驶行为研究。 包含I-80上的三个数据段，可用于路径预测研究。具体数据见i-80-vehicle-trajectory-data.zip文件（请注意，该文件为1.6G的CSV格式，包含了全量的NGSIM数据，但大多数的研究论文仅使用了I-80路段的数据片段进行分析）。
  • MATLAB车辆跟驰仿真代码-NGSIM轨迹：基于NGSIM I-80的数据集的领导-跟随车辆轨迹对
    优质
    本项目提供了一套基于NGSIM I-80数据集的MATLAB代码，用于模拟和分析道路上的车辆跟驰行为。通过精确再现领导与跟随车辆间的动态关系，研究者可以深入理解交通流特性及优化交通安全策略。 该存储库包含MATLAB代码，用于处理新一代模拟（NGSIM）州际80（I-80）车辆轨迹数据集，并提取领导者跟随者车辆轨迹对。这些对可用于分析驾驶行为并建立汽车跟随模型。车道变更情景已删除。 步骤如下： 1. 从NGSIM网站下载数据。 2. 转到创建账户，搜索数据I-80。 3. 下载车辆轨迹数据。此项目中使用了RETRACTERTEDtrajectories-400-0415_NOMOTORCYCLES.csv文件。 4. 获取csv文件后，将其添加到项目文件夹下并运行saveNGSIMdata.m脚本。 5. 运行main.m，其中包含一个示例，在通道2上绘制轨迹对。
  • NGSIM数据集.zip
    优质
    NGSIM数据集.zip包含美国交通部开发的车辆轨迹及道路环境数据，适用于交通流分析、自动驾驶算法测试等研究领域。 包括数据集和对应的路段图片。
  • NGSIM数据集.zip
    优质
    该文件包含美国交通部开发的NGSIM数据集，内含多个城市主要路段车辆和行人的行为轨迹数据，适用于交通流分析及自动驾驶研究。 论文《UB-LSTM:A trajectory prediction method combined with vehicle behavior recognition》使用了NGSIM轨迹预测的数据。
  • NGSIM轨迹数据集合
    优质
    NGSIM轨迹数据集是由美国交通部NEXT GENERATION SIMULATION计划收集的车辆行驶轨迹数据，用于智能交通系统研究与开发。 美国高速公路车辆驾驶行为轨迹数据集包含US101的txt和全部csv文件，可供自行下载使用。该数据集适用于标定车辆驾驶行为参数、进行驾驶模拟分析统计等用途。
  • 基于NGSIM (I-80, US101) 数据集的道路条件下的驾驶风格特征提取及高斯聚类分析
    优质
    本研究利用NGSIM I-80和US101数据集，通过提取不同道路条件下驾驶员行为特征，并运用高斯混合模型进行聚类分析，识别典型驾驶风格。 在基于NGSIM（i-80, US101）公开数据集的驾驶风格研究中，我们利用了高斯聚类方法进行特征提取与分析，并将其应用于本人发表于JCR Q2期刊上的论文《paper_sci》中的驾驶风格数据分析部分。具体内容如下： 首先，使用sEMA（对称指数移动平均滤波算法）对原始数据进行了清洗和预处理；其次，在满足单次车道条件的数据基础上进行车辆伪ID的分配、缺失值填补以及类型分类等精细化操作；接着制定了详尽的基于道路状况下的驾驶风格特征表。 随后，从i-80与US101两个路段中提取了符合特定要求的驾驶行为特征矩阵，并对其进行了相关性分析。最后采用高斯聚类算法对上述数据进行分组和深入研究（同时可以考虑引入其他类型的聚类方法如SVM、K-means等），结果显示该模型具有良好的分类效果，从而验证了所用数据的有效性和可靠性。 代码设计时充分考虑到未来可能的应用场景，具备较强的扩展能力。
  • NGSIM数据集——Lankershim城区路段数据
    优质
    NGSIM Lankershim城区路段数据集是一套详尽记录了城市交通状况的数据集合，专注于研究车辆行驶行为和交通模式。该数据通过高精度GPS追踪与视频捕捉技术采集于繁忙的城市道路环境，为智能交通系统的研究提供了宝贵的资源。 包含Lankershim上三个数据段，可用于路径预测研究。具体数据见i-80-vehicle-trajectory-data.zip文件（请注意该文件大小为1.6G的CSV格式）。大多数相关论文采用的是这些数据片段进行研究。
  • US101 NGSIM车辆划分数据集
    优质
    US101 NGSIM车辆划分数据集包含美国加州US101高速公路特定区域在高峰时段的详细交通流信息，记录了大量车辆的运动轨迹与行为模式。 依据车辆编号将US101中的数据进行整合，每个工作表包含一个车辆的信息，并且每辆车的数据都按照时间顺序排列。这样可以确保信息全面且成本低廉。