[論文レビュー] CitySim: A Drone-Based Vehicle Trajectory Dataset for Safety Oriented Research and Digital Twins

Ou Zheng, Mohamed Abdel‐Aty+4 more|arXiv (Cornell University)|Aug 23, 2022

Autonomous Vehicle Technology and Safety被引用数 28

ひとこと要約

CitySim は、12 の場所での 1140 分のビデオからドローン由来の車両軌跡（回転境界ボックスを含む）を提供し、安全性研究とデジタルツイン用途を支援する、5 段階の処理パイプラインを介して。

ABSTRACT

The development of safety-oriented research and applications requires fine-grain vehicle trajectories that not only have high accuracy, but also capture substantial safety-critical events. However, it would be challenging to satisfy both these requirements using the available vehicle trajectory datasets do not have the capacity to satisfy both.This paper introduces the CitySim dataset that has the core objective of facilitating safety-oriented research and applications. CitySim has vehicle trajectories extracted from 1140 minutes of drone videos recorded at 12 locations. It covers a variety of road geometries including freeway basic segments, signalized intersections, stop-controlled intersections, and control-free intersections. CitySim was generated through a five-step procedure that ensured trajectory accuracy. The five-step procedure included video stabilization, object filtering, multi-video stitching, object detection and tracking, and enhanced error filtering. Furthermore, CitySim provides the rotated bounding box information of a vehicle, which was demonstrated to improve safety evaluations. Compared with other video-based critical events, including cut-in, merge, and diverge events, which were validated by distributions of both minimum time-to-collision and minimum post-encroachment time. In addition, CitySim had the capability to facilitate digital-twin-related research by providing relevant assets, such as the recording locations' three-dimensional base maps and signal timings.

研究の動機と目的

• 細かな粒度と高精度な車両軌跡を用いて、安全志向の研究と応用を促進する。
• 現実世界の安全性シナリオを反映するために、多様な道路形状を網羅する。
• デジタルツイン駆動の研究を支援するために、データ製品（回転境界ボックス、マップ、信号タイミング）を提供する。
• 割り込み（cut-ins）、合流（merges）、分岐（diverges）などの安全Critical events の分析を、堅牢な指標を用いて可能にする。

提案手法

• 様々な道路形状を持つ12地点から合計1140分のドローン映像を取得する。
• 軌跡を、ビデオ安定化、物体フィルタリング、複数動画の結合、物体検出と追跡、エラーフィルタリングの5段階パイプラインで処理する。
• 車両の回転境界ボックス情報を提供し、安全性評価を向上させる。
• 衝突回避時間の最小値（TTC）と占有後時間の最小値（PET）の分布を用いて安全イベントを検証する。
• 録画地点の3Dベースマップと信号タイミングを含む、デジタルツイン研究に関連する資産を提供する。

実験結果

リサーチクエスチョン

• RQ1 高精度で安全性に関連する車両軌跡を、ドローン映像からどのように抽出できるか。
• RQ2 標準の境界ボックスと比較して、回転境界ボックスの使用は安全評価にどのような影響を与えるか。
• RQ3 CitySim データセットにおける TTC および PET 分布を通じて、安全 Critical events（例：cut-ins、merges、diverges）はどのように現れるか。
• RQ4 CitySim は付随するベースマップと信号タイミングデータを通じて、デジタルツイン研究をどのように支援できるか。

主な発見

• CitySim は安全性評価を改善する回転境界ボックス情報を提供する。
• 他のビデオベースの重大イベントと比較して、CitySim は TTC および PET 分布を用いて cut-ins、merges、diverges のようなイベントを分析する。
• 12 の場所と多様な道路形状からの 1140 分のドローン映像から軌跡が作成された。
• 軌跡の正確さを確保するために、5段階の処理パイプライン（安定化、フィルタリング、結合、検出/追跡、エラーフィルタリング）を使用した。
• デジタルツイン研究を支援するため、録画地点の3Dベースマップと信号タイミングを含むデータセット。