Advertisement

用于交通轨迹分析的NGSIM数据集

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

简介：
NGSIM数据集是一套包含详细车辆行驶信息的数据集合，专为研究和开发智能交通系统、车辆轨迹分析及交通安全评估等用途设计。 原始数据需要进行筛选以获得不同地点的数据集（包括US101、I80、Lankershim Boulevard 和Peachtree Streets，其中前两个为高速公路上收集的数据，后两个为城市道路收集的数据）。相较于HighD 数据，NGSIM 数据不易用于分析换道行为，因为NGSIM 没有记录换道前后车道的车辆ID 信息，需要自行筛选。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 用于交通轨迹分析的NGSIM数据集
    优质
    NGSIM数据集是一套包含详细车辆行驶信息的数据集合，专为研究和开发智能交通系统、车辆轨迹分析及交通安全评估等用途设计。 原始数据需要进行筛选以获得不同地点的数据集（包括US101、I80、Lankershim Boulevard 和Peachtree Streets，其中前两个为高速公路上收集的数据，后两个为城市道路收集的数据）。相较于HighD 数据，NGSIM 数据不易用于分析换道行为，因为NGSIM 没有记录换道前后车道的车辆ID 信息，需要自行筛选。
     
  • 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。
     
  • 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：车辆轨迹及支持数据
    优质
    NGSIM数据集提供了丰富的交通流信息，包括车辆在特定路段上的高精度轨迹数据及其他相关支持数据，是研究智能交通系统的重要资源。 国内下载存在问题，所以我直接从官网下载了文件。该文件大小为1.42G，更新时间为2020年6月23日。这是NGSIM数据集。
     
  • 基于轨迹数据的视觉交通堵塞分析
    优质
    本研究利用轨迹数据分析技术，结合视频监控资料，旨在深入解析城市道路交通拥堵状况，为优化交通管理与规划提供科学依据。 ### 基于轨迹数据的视觉交通拥堵分析 #### 研究背景与意义 随着城市化进程的加速推进，交通拥堵已经成为影响人们生活质量和社会经济发展的重要因素之一。如何有效地管理和缓解城市中的交通问题成为城市管理的一项重要任务。近年来，大数据技术的发展使得通过车辆轨迹数据分析来了解和解决交通拥堵状况的方法逐渐受到重视。本研究通过对北京市不同道路在各个时间段内的交通情况进行了可视化分析，旨在探索基于轨迹数据的交通拥堵分析方法，并为交通规划与管理提供科学依据。 #### 研究内容与方法 本段落收集并处理了北京市部分路段的车辆行驶轨迹数据，利用数据分析和可视化技术对交通状况进行了深入研究。具体而言： 1. **道路交通模式分析**：通过对不同类型道路（如主干道、学校周边道路、隧道等）的数据进行分析，总结出这些道路上在不同时间段内的拥堵特征。 2. **交通拥堵传播分析**：进一步探讨了特定区域（例如桥梁附近）的交通状况如何发展和扩散，并研究其变化规律。 3. **道路段级别探索性分析**：从更细致的角度出发，在具体路段上进行了速度分布等详细数据的研究，以揭示局部地区的交通情况。 #### 研究成果与发现 1. **道路交通模式** - 不同类型的道路上表现出不同的拥堵特点。例如，北三环主干道在工作日的早晚高峰时段会出现严重的交通堵塞；学校附近的道路则通常在学校开学和放学时最为拥挤；北京西站外隧道两侧在早、晚高峰期有不同的拥堵情况；顺义新国展周边的道路在有展览活动期间会变得非常繁忙；机场高速有时因突发事件而发生意外拥堵；工人体育场东侧的路段经常会在周五和周六晚上出现交通堵塞。 2. **交通拥堵传播** - 图9展示了北京市多个地点的交通状况扩散模式。例如，莲花桥西三环处可以看到随着时间和空间的变化如何导致周边道路产生拥堵，并观察到这种变化的速度规律；北五环八达岭高速交叉口通过连接点（红色线条表示）显示了从一个节点向其他路段传播的情况。 3. **道路段级别探索分析** - 图10提供了一个具体的案例研究——万泉河桥的交通状况图。在工作日早晨，可以看到该区域内的拥堵是如何逐渐形成的，并且展示了缺失数据的部分情况；同时提供了绿色路段的速度分布视图来更好地了解具体堵塞的情况。 #### 结论与展望 本研究通过分析北京市不同道路的数据，揭示了交通拥堵的时间和空间特性及其传播机制的初步特征。这些发现有助于深入了解城市交通系统的工作原理，并为制定有效的管理策略提供参考依据。未来的研究可以进一步扩展到多个城市的对比分析或结合其他类型数据（如气象条件、节假日等），以提高研究结果的实际应用价值和准确性。
     
  • 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。
     
  • US-101公路汽车轨迹的NGSIM公开数据集
    优质
    简介：该数据集包含了美国US-101公路特定路段的车辆行驶轨迹信息，由NGSIM项目采集并公开发布，适用于交通流分析与自动驾驶研究。 压缩包内包含NGSIM US-101公开数据集中的车辆轨迹数据集。该数据集中包括三个时间段的数据：0820-0835、0805-0820 和 0750-0805。文件格式为.txt。
     
  • NGSIM-US-101轨迹数据集平滑：应用Savitzky-Golay滤波器...
    优质
    本研究针对NGSIM-US-101交通流轨迹数据进行了平滑处理，采用Savitzky-Golay滤波技术有效改善了原始数据的噪声干扰问题，提升了数据分析精度。 NGSIM US-101数据集提供了平滑处理的功能，为著名的轨迹数据提供了一个低噪点和平滑的版本。这个过程分为两个步骤：首先对X和Y坐标值进行平滑处理；然后根据这些经过调整后的XY坐标重新计算速度和加速度。 自2005年发布以来，NGSIM US-101 数据集一直是研究人员在轨迹预测领域广泛使用的一个开源数据集。许多研究者指出该数据集中存在噪声问题，这主要是由于其是从位于洛杉矶的俯瞰好莱坞高速公路的一栋建筑上安装的8台摄像机所拍摄视频中自动提取的数据。这条公路也被称为美国南行101。 用于提取NGSIM US-101 数据集信息的是一个名为NG-VIDEO 的软件工具。此外，该数据集的相关文档明确指出：尚未对数据进行准确性评估，并且不对数据的完整性提出任何保证。因此，提供给使用者的数据可能存在一定的误差或缺失情况。
     
  • US-101.csv车辆公开轨迹数据集：从NGSIM提取的数据
    优质
    US-101.csv 是一个基于NGSIM项目的开源交通数据集，记录了美国加州US-101高速公路特定路段上车辆的行驶轨迹和行为。 车辆公开轨迹数据集NGSIM中的us-101数据集适合用于研究车辆轨迹、变道行为以及跟驰行为。
     
  • Geolife轨迹数据集1.3.z01部分(GPS轨迹大数据)
    优质
    简介：Geolife轨迹数据集1.3.z01部分包含来自全球各地用户的GPS轨迹数据，是研究位置感知应用和移动性模式的重要资源。 该GPS轨迹数据集由182位用户在微软亚洲研究院的Geolife项目中收集，历时超过五年（从2007年4月到2012年8月）。这个数据集中的GPS轨迹通过一系列带有时间戳的数据点表示，每个点包含纬度、经度和海拔高度信息。整个数据集中共有17,621条轨迹，总距离为1,292,951公里，总时长达到50,176小时。这些轨迹由不同的GPS记录设备（包括记录仪和手机）在多种采样率下收集而成。其中的91.5%以密集形式存储，例如每秒采集一次或每隔几米就采集一次数据。 该数据集涵盖了广泛的用户户外活动，不仅包含日常生活中的上下班出行等行为模式，还包括娱乐与体育活动如购物、观光、餐饮、远足和骑自行车等。这条轨迹数据集适用于多个研究领域，包括移动模式挖掘、用户活动识别、基于位置的社交网络分析、位置隐私保护及位置推荐服务。 尽管该数据集覆盖了中国30多个城市以及美国和欧洲的部分地区，但大部分的数据是在北京产生的。其中一张热图展示了这些GPS点在北京的具体分布情况：位于加热条右侧的数字表示某个地点生成的数据点数量。