UCF-SST-CitySim1-Dataset

项目介绍：UCF-SST-CitySim1-Dataset

背景

UCF-SST-CitySim1-Dataset 项目以支持以安全为导向的研究和数字孪生应用为目标。随着现代城市交通的不断发展，研究人员和工程师需要精准且详细的车辆轨迹数据来提升道路安全性。这套数据集通过无人的航拍视频提取了车辆轨迹，并记录了多个重要的安全事件，为相关研究提供了丰富的基础数据。

数据集概述

CitySim 数据集最大的特色在于从无人机拍摄的1140分钟视频中提取车辆轨迹，并已覆盖多种道路几何结构，包括高速公路基础段、编织段、快速进出口段、信号控制路口、停止控制路口及无标志信号控制路口等多种场景。此外，CitySim 数据集为每辆车提供了旋转边界框信息，能够大幅度提高安全评估的准确性。

相比其他基于视频的轨迹数据集，CitySim 数据集记录了更多严重的安全隐患事件，如切入、合并和分流事件。此外，数据集还提供了录制地点的三维基地图和信号灯时序信息，这有助于实现超越传统的数据情境，用于支持自动驾驶安全和基于位置的安全分析等前沿研究。

使用场景

CitySim 数据集广泛支持以下应用：

虚拟现实驾驶模拟
自动驾驶模拟
传感器模拟
速度分析
替代安全测量
碰撞分析

这些应用有助于研究人员在不同模拟场景下评估和测试交通安全技术。

特点和工具

CitySim 提供多种特色功能，包括：

数字孪生基础地图
Sumo Carla 协同仿真
信号时序提取

此外，数据集还配备了自动化道路冲突识别系统（A.R.C.I.S），进一步增强数据分析的效率和准确性。

合作伙伴与贡献者

该数据集的开发得到了多所知名大学和研究机构的支持，包括西南交通大学数据科学与交通安全实验室、东南大学、香港理工大学等。主要贡献者包括 Mohamed Abdel-Aty、Ou Zheng、Zijin Wang 等研究人员。

获取方式

由于隐私问题，CitySim 数据集未公开提供。需要获取数据的研究人员可以通过填写申请表格与研究团队联系。

参考引用

使用 CitySim 数据集进行研究的人员可按照以下标准格式引用该数据集：

@article{zhang2023citysim,
    author = {Ou Zheng and Mohamed Abdel-Aty and Lishengsa Yue and Amr Abdelraouf and Zijin Wang and Nada Mahmoud},
    title ={CitySim: A Drone-Based Vehicle Trajectory Dataset for Safety-Oriented Research and Digital Twins},
    journal = {Transportation Research Record},
    year = {2023},
    doi = {10.1177/03611981231185768},
}