国外数据集
-
NGSIM数据集
NGSIM数据集采集自美国，数据集中包含两条高速公路（US-101，I-80）及两条城市道路（lankershim，peachtree）的数据，每条道路的采集时间为45min。数据集中包含包含车辆ID、时间、速度、加速度、坐标、车道等信息，数据采样间隔为0.1s，速度单位为英尺/秒。数据集因其精度高、频率高、质量高、覆盖广的特点，被广泛用于模型标定、车辆行为决策等研究。数据集中部分参数说明如下：
| Vehicle_ID | 车辆ID |
| Frame_ID | 帧时间 |
| Global_Time | 全局时间 |
| Local_X | 相对X坐标 |
| Local_Y | 相对Y坐标 |
| Global_X | 绝对X坐标 |
| Global_Y | 绝对Y坐标 |
| v_length | 车长，单位：英尺 |
| v_Width | 车宽，单位：英尺 |
| v_Class | 车辆类型，1：摩托车；2：小型车；3：大型车 |
| v_Vel | 车辆速度，单位：英尺/秒 |
| v_Acc | 车辆加速度，单位：英尺/二次方秒 |
| Lane_ID | 车辆所在车道ID |
| Preceding | 前车ID，若没有前车，则该值为0 |
| Following | 后车ID，若没有后车，则该值为0 |
| Space_Headway | 车头间距，单位：英尺 |
| Time_Headway | 车头时距，单位：秒 |
-
highD数据集
highD数据集采集自德国科隆附近的六个不同地点，包含小型车和大型车两种类型车辆的数据，数据集踪迹采集时长为11.5小时，采集车辆数为110000辆，其中包含逾5000条完整的变道轨迹，需特别说明的是，highD数据集的坐标原点位于采集路段的左上方。数据集中车道类型包括2+2、3+3、3+3+1三种形式，其中2+2、3+3两种车道类型中车道ID编号见下图：
3+3+1的车道类型与六车道编号规则大体一致，车道8下方还存在车道ID为9的一条车道。
数据集总结包含60个子数据集，每个字数据集包含采集路段的航拍图、采集点数据、车辆轨迹数据。其中采集点数据给出了位置ID、时间、采集时长、车辆踪迹行驶距离、车辆数等信息，车辆轨迹数据中主要包括车辆ID、车辆坐标、速度、加速度等信息，车辆轨迹数据中部分参数说明吴如下：
| frame | 帧时间 |
| id | 车辆ID |
| x | 车辆X坐标 |
| y | 车辆Y坐标 |
| xVelocity | 车辆X方向速度 |
| yVelocity | 车辆Y方向速度 |
| xAcceleration | 车辆X方向加速度 |
| yAcceleration | 车辆Y方向加速度 |
| dhw | 车头间距 |
| thw | 车头时距 |
| ttc | 碰撞时间 |
| precedingId | 前车ID，若没有前车，则该值为0 |
| followingId | 后车ID，若没有后车，则该值为0 |
| laneId | 车辆所在车道 |
国内数据集
-
高速公路车辆汇入、汇出轨迹数据、城市快速路车辆汇入轨迹数据
高速公路汇入数据采集自某市高速公路汇入路口，采集时间为2020年，天气阴天，道路东西走向，左侧两条主干道，匝道位于右侧，路段限速80km/h，采集时长为30分钟，合流轨迹数量62条；高速公路汇出数据采集自某市高速路汇出路口，采集时间为2020年，天气多云，道路南北走向，右侧两条主干道，匝道位于左侧，采集时长为30分钟，分流轨迹数量290条；城市快速路车辆汇入数据采集自某市城市快速路汇入路口，采集时间为2019年，天气多云，道路南北走向，左侧三条主干道，两条汇入匝道位于左侧，采集时长为23.7分钟，含合流轨迹数量175条。
三个数据集中数据构成相同，均包含说明文档、道路及车道信息说明图、轨迹数据、每条轨迹数据的统计信息、采集设备和该时间内车流统计信息。
轨迹数据中部分参数说明如下：
| trackId | 交通参与物编号 |
| frameId | 帧时间 |
| classId | 交通参与物类型，1：行人；2：自行车；3：小型车；4：摩托车；6：公交车；7：货车 |
| localX | 交通参与物相对X坐标，单位：米 |
| localY | 交通参与物相对Y坐标，单位：米 |
| laneId | 所在车道ID |
| xVelocity | X方向速度，单位：米/秒 |
| yVelocity | Y方向速度，单位：米/秒 |
| xAcceleration | X方向加速度，单位：米/二次方秒 |
| yAcceleration | Y方向加速度，单位：米/二次方秒 |
轨迹统计信息中部分参数说明如下：
| trackId | 交通参与无编号 |
| InitialFrame | 出现帧数 |
| TotalFrame | 总出现帧数 |
| Distance | 行程距离，单位：米 |
| minVel | 最低速度，单位：米/秒 |
| maxVel | 最大速度，单位：米/秒 |
| meanVel | 平均速度，单位：米/秒 |
| VehicleClass | 交通参与物类型（person、bicycle、car、NonVehicle、bus、truck） |
| LaneChangeNum | 换道次数 |
| RampVehicle | 是否为匝道交通参与物 |
采集设备和该时间内车流统计信息部分参数说明如下：
| Date | 采集日期 |
| Time | 采集开始时间 |
| DurationTime | 采集时长，单位：分 |
| WeekDay | 是否为工作日 |
| TotalTrajectoryNumber | 追踪的轨迹数量 |
| TotalDistance | 总行程距离，单位：米 |
| TotalDriveTime | 总行程时间，单位：秒 |
| TotalCarNumber | 小型车数量 |
| TotalTruckNumber | 货车数量 |
| TotalPedestrianNumber | 行人数量 |
| TotalBusNumber | 公交车数量 |
| TotalNonVehicleNumber | 非机动车数量 |
| LaneChangeNumber | 交通参与物变道行为数量 |
| RampVehicleNumber | 交通参与物经过匝道数量 |
-
交通之眼数据集
交通之眼数据集由无人机航拍获得，车辆轨迹数据库包括车辆编号、位置坐标、车道编号、车辆长度、车辆宽度、行驶速度、车头时距、车头间距、加减速度等参数，时间精度为0.1秒，位置精度为0.01米，覆盖场景包括城市快速路航拍书局、城市交叉口航拍数据、城市快速路路侧检测数据、城市交叉口路侧检测数据等，包含六个子数据集（CKQ4/DATA SQM1/DATA SQM2/KZM5/KZM6/YTA3），交通状况包括自由流、自由流向拥堵演变、双向交织区。每个子数据集中均包括视频数据和车辆轨迹数据，部分子数据集中包含路段线形数据。车辆轨迹数据集中部分参数说明如下：
| Vehicle ID | 车辆ID |
| Lane ID | 车辆所在车道 |
| Time(s) | 时间，单位：秒 |
| LongtitudePosition(meter) | 横向坐标，单位：米 |
| LatitudePostion(meter) | 纵向位置，单位：米 |
| Speed(m/s) | 速度，单位：米/秒 |
| Acceleration(m/s^2) | 加速度，单位：米/二次方秒 |
| VehicleLength(pixel) | 车长，单位：像素 |
| VehicleWidth(pixel) | 车宽，单位：像素 |
车辆轨迹数据以CSV格式存储，截图如下：
数据集中视频数据运行截图如下：
-
城市地下快速路车辆轨迹数据
数据采集自上海北横通道，使用毫米波雷达和边缘计算单元获取车辆轨迹、交通事件、交通运行状态等信息。北横通道设备安装范围全长435米，单向三车道，设计速度为60公里/小时，路段包括3个车道，车道宽度为3.2米。数据集中包含数据说明、车辆轨迹数据、路段纵断面图、路段平面线形图。车辆轨迹数据中部分参数说明如下：
| GlobalID | 车辆编号 |
| ObjectClass | 车辆类型，0：大货车；1：小客车 |
| BornTime | 车辆进入观测区域时间，单位：毫秒 |
| GoneTime | 车辆离开观测区域时间，单位：毫秒 |
| Timestamp | 时间戳，单位：毫秒 |
| PositionX | 车辆纵向位置，即平行道路方向距离道路起点的长度 |
| PositionY | 车辆所在车道编号，-25：上行方向最外侧车道；-15：上行方向中间车道；-5：上行方向最内侧车道 |
| VelocityX | 纵向车速，单位：米/秒 |
| VelocityY | 横向车速，单位：米/秒 |
| AbnormalState | 车辆状态，0：正常；1：蛇形行驶；2：超速；4：低速；8：急加速急减速；16：跟车过近；32：路段冲突。其余数字表示叠状态（如：5表示状态1表示4的叠加）。 |
-
成都滴滴数据
数据集中包含2016年11月的成都滴滴平台的车辆轨迹数据和车辆订单数据，字段使用中文字段，因此不再对其中的参数进行赘述，需要特别说明的是，数据类型为string，其中时间戳单位为秒，经纬度使用GCJ-02坐标系。车辆轨迹数据包含：司机ID、订单ID、时间戳、精度、维度，订单数据包含：订单ID、开始计费时间、结束计费时间、上车位置经度、上车位置维度、下车位置经度、下车位置维度。数据以TXT格式保存，以订单数据为例，数据截图见下：
需要注意的是，在对数据进行处理时，一般需要先转化为CSV文件。
-
济南公交数据
数据集提供了2017年6月27日济南56路公交的轨迹数据，数据采样间隔为30秒，数据集中包含数据类型（3：GPS；4：到离站；55：违规；47：DSRC检到离场；71：GPS到离场；53：开关门）、车载机编号、时间、经度、纬度、海拔、GPS速度、方向角、GPS里程等数据。数据集截图见下：
-
上海公交GPS数据
数据集中记录了上海公交71路的GPS行车数据，数据中包含车牌号、公交线路代码、时间、车辆上下行、经度、纬度、速度、行车方向数据，数据集中各参数说明见下表：
| FSTR_BUSID | 车牌 |
| FSTR_LINEID | 公交线路代码 |
| FDT_TIME | 时间，格式：年月日 时：分：秒 |
| FINT_LINEDIR | 上下行 |
| FFLT_LONGITUDE | 经度 |
| FFLT_LATITUDE | 纬度 |
| FFLT_SPEED | 速度，单位：千米/小时 |
| FINT_BUSDIR | 行车方向，以正北为0度 |
数据集以CSV格式存储，截图如下：
-
上海高架交通事故、流量速度数据
交通事故数据集中保存了上海延安高架在2018年8月和9月的车辆事件数据，包含事件开始时间、事件结束时间、事故所在高架发布段代码、位置描述、高架道路名称、事故描述，数据集中各参数说明见下表：
| FSTR_FINDTIME | 事件开始时间，格式：年/月/日 时：分 |
| FSTR_ACTUAL_ENDTIME | 事件结束时间，格式：年/月/日 时：分 |
| FSTR_EVENT_ISSUESECTID | 事故所在高架发布段代码 |
| FSTR_ROADNUMBER | 位置描述 |
| FSTR_ROADNAME | 高架道路名称 |
| FSTR_ROADASSET_DESC | 事故描述 |
数据集以CSV格式存储，截图如下：
流量速度数据集以以2分钟为统计周期记录延安高架发布段行程车速、流量等基础交通流参数信息，包含时间、高架发布段代码、平均速度、平均车道流量、平均断面流量等数据，数据集中部分参数说明见下表：
| FDT_TIME | 时间 |
| FSTR_BMCODE | 高架发布段代码 |
| SPEED | 平均速度 |
| FINT_LANEVOLUME | 平均车道流量 |
| FINT_SECTVOLUME | 平均断面流量 |
数据集以CSV格式存储，截图如下：
-
上海共享单车数据
数据集中包含上海2018年8月26日至2018年9月8日的共享单车数据，包括单车编号、时间、锁状态、经度、纬度信息，数据集中参数说明见下表：
| BIKE_ID | 单车代码 |
| DATA_TIME | 时间，格式：年/月/日 时：分：秒 |
| LOCK_STATUS | 锁状态，0：开锁；1：关锁 |
| LONGITUDE | 经度 |
| LATITUDE | 纬度 |
数据集以CSV格式存储，截图如下：
-
上海交叉口线圈数据
记录了2018年8月26日至2018年9月8日，上海市地面道路SCATS交叉口各线圈周期时长、流量、饱和度、小时流量等相位历史数据信息，包括四个交叉口（470：延安西路-水城南路交叉口；471：延安西路-虹许路交叉口；472：延安西路-虹梅路交叉口；473：延安西路-剑河路-虹中路交叉口），每个交叉口含相位、相位开始时间、检测器ID、相位号、相位时长、流量、饱和度、折算流量、空闲时间、统计的检测器小时最大流量、当车流处于饱和流量时，每辆车通过检测器所需的平均时间、绿灯时长等信息。数据集中参数说明见下表：
| FDT_STARTTIME | 相位开始时间，格式：年/月/日 时：分：秒 |
| FSTR_DETECTORID | 检测器ID |
| FSTR_PHASIC | 相位号，采用一位英文字母表示 |
| FINT_PHASICLENGTH | 相位时长，单位：秒 |
| FINT_FLOW | 流量，单位：辆 |
| FFLT_SATURATION | 饱和度 |
| FINT_CONVERTFLOW | 折算流量，基于流量折算的标准车流量，单位：秒 |
| FINT_FREETIME | 空闲时间，单位：秒 |
| FINT_MAXFLOW | 统计的检测器小时最大流量，单位：辆/小时 |
| FINT_KP | 当车流处于饱和流量时，每辆车通过检测器所需的平均时间 |
| FINT_GREENTIME | 绿灯时长，单位：秒 |
数据集以CSV格式存储，截图如下：
以上是国内外部分交通数据集的基本介绍及参数说明，若有相关疑问及需求，欢迎留言、私信探讨。
