交通领域开源数据集
1. NGSIM数据集
NGSIM 的全称为 Next Generation Simulation，是由美国联邦公路局发起的一项数据采集项目，被交通界学者广泛用于车辆跟驰换道等驾驶行为研究，交通流分析，微观交通模型构建，车辆运动轨迹预测，驾驶员意图识别，自动驾驶决策规划等。NGSIM是美国FHWA搜集的美国高速公路行车数据，它包括了US101、I-80等道路上的所有车辆在一个时间段的车辆行驶状况。数据是采用摄像头获取，然后加工成一条一条的轨迹点记录。
I-80
US-101
下载地址：https://data.transportation.gov/Automobiles/Next-Generation-Simulation-NGSIM-Vehicle-Trajector/8ect-6jqj
2. HighD数据集
由德国亚琛工业大学汽车工程研究所发布的HighD数据集，是德国高速公路的大型自然车辆轨迹数据，搜集自德国科隆附近的六个不同地点， 位置因车道数量和速度限制而异，记录的数据中包括轿车和卡车。数据集包括来自六个地点的11.5小时测量值和110 000车辆，所测量的车辆总行驶里程为45 000 km，还包括了5600条完整的变道记录。通过使用最先进的计算机视觉算法，定位误差通常小于十厘米。适用于驾驶员模型参数化、自动驾驶、交通模式分析等任务。
highD
下载地址：https://www.highd-dataset.com/#download
3. Mirror-Traffic数据集
由清华大学苏州汽车研究院和江苏智能网联汽车创新中心联合发布，从中国真实道路交通数据中，运用图像识别与追踪技术对真实道路图像中的交通参与物进行识别与跟踪，并对提取后的轨迹进行过滤与筛选，最终得到各类车辆、行人等轨迹数据。该数据集覆盖多种道路类型（匝道、直道、弯道、十字路口等）和多种交通流状态（车流量小、适中、拥堵等），数据中包含多种车辆类型和行人等，交通参与物轨迹精度可以达到厘米级，非常适合驾驶场景提取、驾驶场景生成、驾驶行为、意图预测类模型研发、自然驾驶行为的模仿学习、自动驾驶预测和规划算法的开发和验证、交通流（速度、密度）分析、微观交通模型仿真等研究。
Mirror-Traffic.png
