混杂车流的协同意图理解与预测数据集

混杂车流的协同意图理解与预测数据集主要面向开放混合车流环境下的车辆意图预测问题、智能汽车对开放环境下安全可信的人机共驾系统的需求。选定交叉路口和直道两种典型场景，在自建数据集或现有数据集上进行模型的训练和测试，筛选并截取数据集里的交叉路口和直道场景下的车辆数据，根据真实轨迹对车辆的真实意图进行标记。均衡各类意图的样本数量，划分测试集和训练集。使用训练集训练好模型后，在测试集上进行测试，将标记的真实意图并与算法输出的预测意图对比，最后得到意图预测的准确率，并形成数据集。对于人类驾驶车辆在路口和直道的意图预测，分别提出rulefit方法和BiLSTM-CRF方法，在现有的US-101和I-80等公开轨迹数据测试；对于人机共驾车辆，则采用自研的共驾算法（Hierarchical MPC-based Motion Planning）在仿真平台SCANeR采集并构建轨迹数据，并采用DS-SGAN方法挖成意图预测；对于无人驾驶汽车，在现有开源数据集完成直道场景的测试，在仿真平台carla生成交叉路口的轨迹数据，并采用DS-SGAN方法完成意图预测。数据量约为2GB。

搜集汇总

背景与挑战

背景概述

该数据集旨在解决开放混合车流环境中的车辆意图预测问题，支持智能汽车安全可信的人机共驾系统。它涵盖交叉路口和直道两种典型场景，基于真实轨迹数据对车辆意图进行标记，并采用多种方法针对人类驾驶、人机共驾和无人驾驶车辆进行预测，数据量约为2GB。