NGSIM数据集

数据一：

US 101 - http://gateway.path.berkeley.edu/ngsimdocs/US-101

早上45分钟的数据，每15分钟记录, vehicle trajectory data provide precise location of each vehicle 10HZ

数据二：

I-80 -http://gateway.path.berkeley.edu/ngsimdocs/I-80
下午45分钟的数据，每15分钟记录, vehicle trajectory data provide precise location of each vehicle 10HZ

数据特征:

下载数据

以上两个数据的网址都502了，我自己官网下载的是1.5G的csv文件

官网数据描述：

Researchers for the Next Generation Simulation (NGSIM) program collected detailed vehicle trajectory data on southbound US 101 and Lankershim Boulevard in Los Angeles, CA, eastbound I-80 in Emeryville, CA and Peachtree Street in Atlanta, Georgia. Data was collected through a network of synchronized digital video cameras.NGVIDEO, a customized software application developed for the NGSIM program, transcribed the vehicle trajectory data from the video. This vehicle trajectory data provided the precise location of each vehicle within the study area every one-tenth of a second, resulting in detailed lane positions and locations relative to other vehicles. Click the “Show More” button below to find additional contextual data and metadata for this dataset.

翻译：

（NGSIM）计划的研究人员收集了详细的车辆轨迹数据，这些数据分别位于加利福尼亚州洛杉矶的美国101南行和Lankershim大道，加利福尼亚州埃默里维尔的I-80东行以及佐治亚州亚特兰大的桃树街。数据是通过同步数码摄像机网络收集的。为NGSIM程序开发的定制软件应用程序NGVIDEO从视频中记录了车辆的轨迹数据。该车辆轨迹数据每十分之一秒便提供了每辆车在研究区域内的精确位置，从而得出详细的车道位置和相对于其他车辆的位置。单击下面的“Show more”按钮以查找此数据集的其他上下文数据和元数据：

NGSIM读取

ngsim读取与ros可视化

数据下载地址 ,如图,选择export,然后下载csv格式,大概1.5G左右

pandas读取与使用

import pandas as pd
#csv_fname = '../Next_Generation_Simulation__NGSIM__Vehicle_Trajectories_and_Supporting_Data.csv'
csv_fname = '../data.txt'
data = pd.read_csv(csv_fname)
#根据frame_id进行升序排序
data.sort_values("Frame_ID",inplace=True)
#筛选id=354的数据
obd_data = data[data["Vehicle_ID"]==354]
#获取行数,列数
rows = obd_data.shape[0]
cols = obd_data.shape[1]
#根据Frame_ID进行统计,各个Frame_ID的item数目
print(data['Frame_ID'].value_counts())
#遍历每一行数据
for row in data.iterrows():
        # feature extraction
        row = row[1]
        frame_id, obs_id, timestamp = row["Frame_ID"], row['Vehicle_ID'], row["Global_Time"]*1e-6

论文一

论文1：Lane-Change Social Behavior Generator for Autonomous Driving Car
by Non-parametric Regression in Reproducing Kernel Hilbert Space， by Chiyu Dong, Yihuan Zhangy and John M. Dolanz

换道场景：

输入：本车轨迹，周围车(本车道前后车，目标车道并行车及其前后车)的轨迹

输出：换道行为（换道起点和终点）连续的值。

起点和终点定义如下：

总结

本文和VIN都是利用监督训练的思路

VIN中是网格化全局输入，动作为离散的8个动作，监督信息为利用优化方法生成的最优轨迹，环境是静态环境，但是可以迁移至新环境中；
本文的输入是==多车的轨迹数据==，输出的是==本车换道起点和终点==，环境对于本车可看成动态场景，但其实是把所有vehicle的轨迹看作一个整体作为输入，这里选择输出为两个点的信息而非轨迹信息或者waypoint信息，可能是因为输出的维度直接影响到核函数矩阵的维度，维度太高或者连续信息的是不是有问题？
有没有什么可以结合的点呢？
完全抛开本文的方法，利用NGSIM的真实数据整合成VIN需要的数据，训练和测试一次利用全卷积网络尝试对于变输入维度下的VIN

LC_NGSIM

从NGSIM中提取的变道轨迹

数据集附在此文章下：

Lane-change social behavior generator for autonomous driving car by non-parametric regression in Reproducing Kernel Hilbert Space

另外附了一篇相关论文：Ramp Merging，不用看

源代码：

playaround.m

作用：加载变道数据和变道点并进行可视化

展示结果：

playaround.m源码：

clear all
close all
clc

load ../data/lc_data_20s_withpoints

lc_len = length(lc_data);

for i = 1: lc_len
    temp = lc_data{i};
    pp   = points(i,:);
    lat  = temp.veh_s.x;
    lon  = temp.veh_s.y;
    figure(1);hold off;plot(lon,lat,'b.');hold on;
    plot(lon(pp(1)),lat(pp(1)),'o','MarkerFaceColor','g');
    plot(lon(pp(2)),lat(pp(2)),'o','MarkerFaceColor','r');
end

TrajPreprocess.m

作用：处理丢失的数据，例如，其中一个周围车辆不存在

然后输出处理过的processed_relative.mat作为已处理数据集

TrajPreprocess.m源码：

clc;
clear all;

load('..\data\nlc_data_5zones.mat')
load('..\data\lc_data_20s_withpoints.mat')

% transfer to related coordinate, in terms of the host
%%% for the lc_data
r_lc_data = {};

Label = [points; 600*ones(length(nlc_data),2)];


for i = 1: length(lc_data)
    trajs = lc_data{i};
    origin_x = trajs.veh_s.x(1);
    origin_y = trajs.veh_s.y(1);
    
    
    R_trajs.veh_s_x = trajs.veh_s.x(1:100) - origin_x;
    R_trajs.veh_s_y = trajs.veh_s.y(1:100) - origin_y;
    Label(i,1) = trajs.veh_s.y(points(i,1)) - origin_y;
    Label(i,2) = trajs.veh_s.y(points(i,2)) - origin_y;
    
    
    da = [];


    if (trajs.veh_r.x(1) ~= 10000)
        R_trajs.veh_r_x = trajs.veh_r.x(1:100) - origin_x;
        R_trajs.veh_r_y = trajs.veh_r.y(1:100) - origin_y;
    else
        R_trajs.veh_r_x = 0*trajs.veh_r.x(1:100);
        R_trajs.veh_r_y = 0*trajs.veh_r.y(1:100);
    end
    if (trajs.veh_f.x(1) ~= 10000)
        R_trajs.veh_f_x = trajs.veh_f.x(1:100) - origin_x;
        R_trajs.veh_f_y = trajs.veh_f.y(1:100) - origin_y;
    else
        R_trajs.veh_f_x = 0*trajs.veh_f.x(1:100);
        R_trajs.veh_f_y = 0*trajs.veh_f.y(1:100);
    end

    
    if (trajs.veh_rt.x(1) ~= 10000)
        R_trajs.veh_rt_x = trajs.veh_rt.x(1:100) - origin_x;
        R_trajs.veh_rt_y = trajs.veh_rt.y(1:100) - origin_y;
    else
        R_trajs.veh_rt_x = 0*trajs.veh_rt.x(1:100);
        R_trajs.veh_rt_y = 0*trajs.veh_rt.y(1:100);
    end

    
    if (trajs.veh_ft.x(1) ~= 10000)
        R_trajs.veh_ft_x = trajs.veh_ft.x(1:100) - origin_x;
        R_trajs.veh_ft_y = trajs.veh_ft.y(1:100) - origin_y;
    else
        R_trajs.veh_ft_x = 0*trajs.veh_ft.x(1:100);
        R_trajs.veh_ft_y = 0*trajs.veh_ft.y(1:100);
    end
    
    if isfield(trajs, 'veh_st') && (trajs.veh_st.x(1) ~= 10000)
        R_trajs.veh_st_x = trajs.veh_st.x(1:100) - origin_x;
        R_trajs.veh_st_y = trajs.veh_st.y(1:100) - origin_y;
    else
        R_trajs.veh_st_x = 0*trajs.veh_ft.x(1:100);
        R_trajs.veh_st_y = 0*trajs.veh_ft.y(1:100);
    end
    
    da = [da;R_trajs.veh_s_x(end-19:end-10) ];
    da = [da;R_trajs.veh_f_x(end-19:end-10) ];    
    da = [da;R_trajs.veh_rt_x(end-19:end-10) ];    
    da = [da;R_trajs.veh_ft_x(end-19:end-10) ];
    da = [da;R_trajs.veh_st_x(end-19:end-10) ];
   
    
    r_lc_data{i}=R_trajs;
end

r_nlc_data = {};
for i = 1: length(nlc_data)
    da = [];
    trajs = nlc_data{i};
    origin_x = trajs.veh_s.x(1);
    origin_y = trajs.veh_s.y(1);
    
    R_trajs.veh_s_x = trajs.veh_s.x - origin_x;
    R_trajs.veh_s_y = trajs.veh_s.y - origin_y;
    
    if (trajs.veh_r.x(1) ~= 10000)
        R_trajs.veh_r_x = trajs.veh_r.x - origin_x;
        R_trajs.veh_r_y = trajs.veh_r.y - origin_y;
    else
        R_trajs.veh_r_x = 0*trajs.veh_r.x;
        R_trajs.veh_r_y = 0*trajs.veh_r.y;
    end
    
    if (trajs.veh_f.x(1) ~= 10000)
        R_trajs.veh_f_x = trajs.veh_f.x - origin_x;
        R_trajs.veh_f_y = trajs.veh_f.y - origin_y;
    else
        R_trajs.veh_f_x = 0*trajs.veh_f.x;
        R_trajs.veh_f_y = 0*trajs.veh_f.y;
    end
    
    if (trajs.veh_rt.x(1) ~= 10000)
        R_trajs.veh_rt_x = trajs.veh_rt.x - origin_x;
        R_trajs.veh_rt_y = trajs.veh_rt.y - origin_y;
    else
        R_trajs.veh_rt_x = 0*trajs.veh_rt.x;
        R_trajs.veh_rt_y = 0*trajs.veh_rt.y;
    end
    
    if (trajs.veh_ft.x(1) ~= 10000)
        R_trajs.veh_ft_x = trajs.veh_ft.x - origin_x;
        R_trajs.veh_ft_y = trajs.veh_ft.y - origin_y;
    else
        R_trajs.veh_ft_x = 0*trajs.veh_ft.x;
        R_trajs.veh_ft_y = 0*trajs.veh_ft.y;
    end
    
    if isfield(trajs, 'veh_st') && (trajs.veh_st.x(1) ~= 10000)
        R_trajs.veh_st_x = trajs.veh_st.x - origin_x;
        R_trajs.veh_st_y = trajs.veh_st.y - origin_y;
    else
        R_trajs.veh_st_x = 0*trajs.veh_ft.x;
        R_trajs.veh_st_y = 0*trajs.veh_ft.y;
    end
    da = [da;R_trajs.veh_s_x(end-19:end-10) ];
    da = [da;R_trajs.veh_f_x(end-19:end-10) ];    
    da = [da;R_trajs.veh_rt_x(end-19:end-10) ];    
    da = [da;R_trajs.veh_ft_x(end-19:end-10) ];
    da = [da;R_trajs.veh_st_x(end-19:end-10) ];
    
   
    r_nlc_data{i}=R_trajs;
end

save('../data/processed_relative.mat','Label','r_lc_data','r_nlc_data')

数据描述

mat文件

注：mat文件是matlab的数据存储的标准格式。mat文件是标准的二进制文件,还可以ASCII码形式保存和加载，在MATLAB中打开显示类似于单行EXCEL表格。

调用

用户可以调用matlab的子程序库，用c或fortran调用mat格式的数据。

几个相关函数名：

load 打开mat文件

save 关闭\保存mat文件

load(‘filename’,’X’,’Y’,’Z’) 加载filename文件中的X Y Z变量到工作区间中

save(‘filename’,’-struct’,’s’) 保存结构体s到filename中

nlc_data_5zones.mat

nlc_data: cell, 包含870个无变道场景的sequences

veh_s：主车
- x: 横向位置 (m)
- y: 纵向位置(m)
- len:车辆长度(m)
- wid: 车辆宽度(m)*
- v: 车辆速度*Vehicle speed (m/s)
- a: 车辆加速度 (m/s^2)
veh_f: 当前车道中的前车
veh_r: 当前车道中的后车
veh_ft:目标车道中的前车
veh_rt: 目标车道中的后车
veh_st:目标车道上的车辆重叠overlap vehicle in target lane？？？