欧美综合久久一二三,日本猛片多人换着玩91视频,a级全黄试看30分钟国产

車路協(xié)同系統(tǒng)是基于無線通信，傳感器探測等技術(shù)獲取車輛和道路信息，通過車車通信（V2V），車路通信（V2I)實現(xiàn)信息交互和共享，從而實現(xiàn)車輛和路測設(shè)備之間的協(xié)調(diào)，實現(xiàn)優(yōu)化使用道路資源，提高交通安全，緩解擁堵等目標(biāo)。實現(xiàn)車路協(xié)同所需的硬件一般可分為車端設(shè)備和路端設(shè)備。車端設(shè)備OBU(OnBorad Unit)，主要負(fù)責(zé)與路端的通信，OBU還需要和車端的ADAS 域控制器進(jìn)行數(shù)據(jù)交互。路端設(shè)備RSU(RoadSide Unit)，主要負(fù)責(zé)與車端OBU通信，另外還包含攝像頭，毫米波雷達(dá)，激光雷達(dá)等感知設(shè)備，及數(shù)據(jù)處理所需的高性能計算單元。路端感知所使用的技術(shù)與自動駕駛車端所使用的技術(shù)類似，如使用深度學(xué)習(xí)，點云處理，多傳感器融合等技術(shù)。

NGSIM

做自動駕駛或者圖像處理的小伙伴一定很熟悉KITTI數(shù)據(jù)集。KITTI數(shù)據(jù)集的數(shù)據(jù)采集平臺裝配有2個灰度攝像機(jī)，2個彩色攝像機(jī)，一個Velodyne 64線3D激光雷達(dá)，4個光學(xué)鏡頭，以及1個GPS導(dǎo)航系統(tǒng)。所有傳感器的數(shù)據(jù)需要進(jìn)行坐標(biāo)變化，最后統(tǒng)一轉(zhuǎn)化到車載坐標(biāo)系，當(dāng)然“視角”都是基于車輛的。

如果做車路協(xié)同路端的研究，就必然需要路端“視角”的數(shù)據(jù)集，基于車端采集的數(shù)據(jù)集便不適用。目前來看，行業(yè)內(nèi)此類公開數(shù)據(jù)集較少。筆者最近發(fā)現(xiàn)一個很適合做車路協(xié)同方向研究的數(shù)據(jù)集——NGSIM。

NGSIM 數(shù)據(jù)集是由研究人員通過一個叫做"Next Generation Simulation"的項目收集來的。該數(shù)據(jù)集覆蓋了結(jié)構(gòu)化道路的路口，高速上下閘道等車路協(xié)同研究的熱點區(qū)域。該項目的研究人員對原始的視頻信息做了后處理，生成了交通流中每輛車的行駛軌跡數(shù)據(jù)。數(shù)據(jù)集采集于美國的四個不同地區(qū)，分別是加州南向的US 101號公路，加州洛杉磯的Lankershim Boulevard地圖, 加州埃默里維爾的東向的 I-80號公路，以及佐治亞州亞特拉大的Peachtree Street，下面介紹其中的兩個區(qū)域，這兩個區(qū)域也是車路協(xié)同中經(jīng)常研究的場景。

路口通行場景

圖1

圖2是Lankershim Boulevard地區(qū)的道路地圖。該區(qū)域道路長約1600英尺（約487.7米），包含4個帶有交通信號燈的路口，每個方向的道路包含3或者4條車道。攝像頭采集到的原始視頻數(shù)據(jù)時常約9個小時，分為早晚兩個高峰錄制。數(shù)據(jù)收集系統(tǒng)對視頻中的車輛進(jìn)行了感知和跟蹤，如果跟蹤精度和準(zhǔn)度符合預(yù)期，則直接生成車輛運動軌跡點，并保存到數(shù)據(jù)庫，否則需要進(jìn)行人工修正之后再次保存。區(qū)域內(nèi)車輛的軌跡點的保存周期為100ms(10Hz)。

為方便分類及過濾軌跡數(shù)據(jù)，需要對車輛的運動軌跡與道路的相對關(guān)系進(jìn)行描述。下面定義了這些描述的關(guān)鍵詞，使用這些關(guān)鍵詞可以很方便的對每個路口，車道，區(qū)域等進(jìn)行編號分類。

關(guān)鍵詞	含義
Origin	駛?cè)胙芯繀^(qū)域的路口，編號從101到111。即表明車輛是從哪個路口駛?cè)脒@片區(qū)域的
Destination	駛離研究區(qū)域的路口，編號從201到211。即表明車輛是從哪個路口駛離這片區(qū)域的
Intersection	十字路口。此片區(qū)域共包含4個路口，從南到北依次編號為1，2，3，4
Section	分割區(qū)域編號。此研究區(qū)域被4個路口分割成5個小區(qū)域。
Lane	道路中車道的編號。具體編號由上圖所示。

有了上述的這些定義，可以很方便的將任意一輛駛?cè)牖蛘唏傠x該區(qū)域的車輛軌跡描述出來。

匝道匯入?yún)R出場景

圖3所示的這條公路是加州洛杉磯南北走向的交通大動脈——U.S. Highway 101。緊鄰著U. S. Highway 101 和 Lankershim Boulevard交互處，有一幢36層高的建筑，Universal City Plaza, 采集數(shù)據(jù)的攝像頭就安裝在這幢建筑上。攝像頭采集數(shù)據(jù)區(qū)域長度約為2100英尺（約640米），包含五條車道（1~5號車道）。6號車道兩端連接7號和8號車道，分別為匝道匯入車道和匯出車道。同樣地，車輛軌跡點的保存周期為100ms (10Hz)。

NGSIM 車輛軌跡數(shù)據(jù)類型

NGSIM數(shù)據(jù)集可導(dǎo)出為csv格式表單。該表單第一行字段含義如下表所示。需要注意的是，筆者并沒有羅列全部的字段，只羅列了常用的，且不太好理解的加以解釋。

字段	說明	備注
Vehicle_ID	車輛編號	有可能會出現(xiàn)重復(fù)
Frame_ID	數(shù)據(jù)幀號	與該路徑點產(chǎn)生的時間相關(guān)
Total_Frame	數(shù)據(jù)總幀	某輛車被跟蹤的生命周期（存在長度）
Global_Time	UTC時間	13位的標(biāo)準(zhǔn)UTC時間，精確到ms
Local_X/ Local_Y	采集區(qū)域坐標(biāo)系的X/Y值	局部坐標(biāo)系下的位置值，常用
v_Vel / v_Acc	車輛的行進(jìn)方向的速度和加速度	即運動方向的速度及加速度
Lane_ID	車輛所在的車道編號	見圖2和圖3中的1，2，3等
O_Zone	駛?cè)胙芯繀^(qū)域的路口，編號從101到111。	表明車輛是從哪個路口駛?cè)脒@片區(qū)域的
D_Zone	駛離研究區(qū)域的路口，編號從201到211。	表明車輛是從哪個路口駛離這片區(qū)域的
Int_ID	路口編號	共四個，由南向北序號遞增

數(shù)據(jù)集使用示例

假設(shè)我們需要研究車輛通過路口可能的運動模式(motion pattern), 那么首先需要對原始的數(shù)據(jù)根據(jù)不同的運動模式進(jìn)行分類。未分類前，將所有通過該路口的車輛軌跡全部顯示出來，如圖4所示。

圖4

結(jié)合實際場景和生活常識，考慮車輛可能行進(jìn)的方向，可將上圖中的軌跡分類成8類運動模式。然后使用一些聚類算法，如K-MEANS等，可以對這些軌跡進(jìn)行分類，為后面的模型訓(xùn)練做數(shù)據(jù)準(zhǔn)備。圖5展示了使用K-MEANS對原始軌跡進(jìn)行分類后的結(jié)果，不同的顏色代表不同的運動模式。