[논문 리뷰] CitySim: A Drone-Based Vehicle Trajectory Dataset for Safety Oriented Research and Digital Twins

Ou Zheng, Mohamed Abdel‐Aty외 4명|arXiv (Cornell University)|2022. 08. 23.

Autonomous Vehicle Technology and Safety인용 수 28

한 줄 요약

CitySim은 1140분의 비디오에서 12개 장소에 걸친 드론으로 얻은 차량 궤적을 회전된 바운딩 박스를 포함하여 안전 연구 및 디지털 트윈 응용을 지원하는 다섯 단계 처리 파이프라인을 통해 제공합니다.

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.

연구 동기 및 목표

• 정밀하고 고해상도의 차량 궤적으로 안전 중심 연구 및 응용을 촉진합니다.
• 현실 세계의 안전 시나리오를 반영하기 위해 다양한 도로 기하학을 다룹니다.
• 회전된 바운딩 박스, 지도, 신호 시각과 같은 데이터 제품을 제공하여 디지털 트윈 주도 연구를 지원합니다.
• 강력한 지표를 사용하여 차선 침입(cut-ins), 합류(merges), 차선 이탈(diverges) 같은 안전에 중요한 이벤트를 분석할 수 있도록 합니다.

제안 방법

• 다양한 도로 기하학을 가진 12개 위치에서 총 1140분의 드론 비디오를 캡처합니다.
• 다섯 단계 파이프라인으로 궤적을 처리합니다: 비디오 안정화, 객체 필터링, 다중 비디오 스티칭, 객체 검출 및 추적, 향상된 오차 필터링.
• 차량에 대한 회전 바운딩 박스 정보를 제공하여 안전 평가를 향상시킵니다.
• 최소 충돌 시간(TTC) 및 최소 침투 후 시간(PET)의 분포를 사용하여 안전 이벤트를 검증합니다.
• 녹화 위치의 3D 기본지도와 신호 타이밍을 포함하여 디지털 트윈 연구에 관련된 자산을 제공합니다.

실험 결과

연구 질문

• RQ1 드론 영상에서 고정밀의 안전 관련 차량 궤적은 어떻게 추출할 수 있을까요?
• RQ2 표준 바운딩 박스와 비교하여 회전된 바운딩 박스를 사용하는 것이 안전 평가에 미치는 영향은 무엇인가요?
• RQ3 안전에 중요한 이벤트(예: 컷인, 합류, 이탈)가 CitySim 데이터셋에서 TTC 및 PET 분포를 통해 어떻게 나타나나요?
• RQ4 동반되는 기본 맵과 신호 타이밍 데이터를 통해 CitySim이 디지털 트윈 연구를 어떻게 지원할 수 있나요?

주요 결과

• CitySim은 안전 평가를 향상시키는 회전 바운딩 박스 정보를 제공합니다.
• 다른 비디오 기반의 중요 이벤트와 비교하여 CitySim은 컷인, 합류, 이탈 같은 이벤트를 TTC 및 PET 분포를 사용해 분석합니다.
• 궤적은 12개 위치와 다양한 도로 기하학에서 1140분의 드론 비디오로 생성되었습니다.
• 궤적 정확성을 보장하기 위해 다섯 단계 처리 파이프라인이 사용되었습니다(안정화, 필터링, 스티칭, 검출/추적, 오차 필터링).
• 데이터 세트는 녹화 위치의 3D 기본 지도 및 신호 시각 데이터를 포함하여 디지털 트윈 연구를 지원합니다.