[论文解读] The highD Dataset: A Drone Dataset of Naturalistic Vehicle Trajectories on German Highways for Validation of Highly Automated Driving Systems

Robert Krajewski, Julian Bock+2 more|arXiv (Cornell University)|Oct 11, 2018

Autonomous Vehicle Technology and Safety参考文献 18被引用 28

一句话总结

本文介绍了highD数据集，这是一个在德国高速公路上通过无人机航拍影像采集的大规模、自然主义车辆轨迹数据集。该数据集通过提供16.5小时驾驶过程中110,000辆车辆的高质量、全面数据，支持高度自动化驾驶系统的场景化验证，包含5,600次完整的变道操作，并可通过在线存储库完全访问。

ABSTRACT

Scenario-based testing for the safety validation of highly automated vehicles is a promising approach that is being examined in research and industry. This approach heavily relies on data from real-world scenarios to derive the necessary scenario information for testing. Measurement data should be collected at a reasonable effort, contain naturalistic behavior of road users and include all data relevant for a description of the identified scenarios in sufficient quality. However, the current measurement methods fail to meet at least one of the requirements. Thus, we propose a novel method to measure data from an aerial perspective for scenario-based validation fulfilling the mentioned requirements. Furthermore, we provide a large-scale naturalistic vehicle trajectory dataset from German highways called highD. We evaluate the data in terms of quantity, variety and contained scenarios. Our dataset consists of 16.5 hours of measurements from six locations with 110 000 vehicles, a total driven distance of 45 000 km and 5600 recorded complete lane changes. The highD dataset is available online at: http://www.highD-dataset.com

研究动机与目标

• 为解决缺乏全面、高质量的真实世界轨迹数据以验证高度自动化驾驶系统的问题。
• 克服现有数据采集方法在捕捉自然主义驾驶员行为和场景相关细节方面的局限性。
• 开发一种可扩展的、基于航空的测量方法，从一致且高可见度的视角捕捉丰富的多车交互数据。
• 提供一个公开可用的大规模数据集，支持自动驾驶车辆安全性验证和场景化测试的研究。

提出的方法

• 采用基于无人机的航拍数据采集方法，从鸟瞰视角捕捉德国高速公路上自然主义的车辆轨迹。
• 利用计算机视觉技术处理高分辨率视频记录，提取单个车辆的精确2D轨迹。
• 数据集包含每辆追踪车辆的详细元数据，如车辆类型、速度、位置和车道信息。
• 在六个不同的高速公路地点采集数据，以确保交通场景和驾驶行为的多样性。
• 通过人工验证和轨迹质量的统计分析，对数据集的准确性和一致性进行了验证。
• 最终数据集已公开发布于线上平台，供研究使用，并配有文档和标准化数据格式。

实验结果

研究问题

• RQ1 无人机航拍影像能否提供一种可扩展且准确的方法，用于捕捉高速公路上的自然主义车辆轨迹？
• RQ2 真实世界德国高速公路上的交通场景在数量和多样性方面如何？
• RQ3 highD数据集在多大程度上支持高度自动化驾驶系统的场景化验证？
• RQ4 自然主义高速公路上驾驶中存在哪些关键交通行为——如变道和速度变化？
• RQ5 与现有数据集相比，highD数据集在数据质量、规模和场景覆盖方面表现如何？

主要发现

• highD数据集包含来自六个德国高速公路地点的16.5小时测量数据，涵盖110,000辆车辆。
• 所有车辆的总行驶距离达到45,000公里。
• 共记录了5,600次完整的变道操作，支持对变道动态的详细分析。
• 数据集提供高精度轨迹数据，具备一致的空间和时间分辨率，适用于场景化测试。
• 数据表现出自然主义的驾驶行为，包括多样的速度分布、车辆交互以及复杂的汇入和超车操作。
• 该数据集可公开访问：https://highd.matthias-park.org，支持自动驾驶验证研究的可重复性。