B站搜索“軌跡說”，有相應(yīng)的匯入行為挖掘教程視頻
個(gè)人網(wǎng)址：www.vehicletrajectorymining.com

1. 為何要研究匯入行為

大家都知道近幾年自動(dòng)駕駛技術(shù)比較火熱。L2級(jí)車輛的商業(yè)化量產(chǎn)，以及L4/L5級(jí)高級(jí)技術(shù)的即將實(shí)施，自動(dòng)駕駛技術(shù)在現(xiàn)實(shí)世界道路上的應(yīng)用正面臨著前所未有的挑戰(zhàn)。這些挑戰(zhàn)大多來自于與附近的車輛、脆弱的道路使用者、靜態(tài)物理障礙物和動(dòng)態(tài)物理障礙物進(jìn)行的交互。

大家可以去DMA（Department of Motor Vehicles）官網(wǎng)上，去下載每年AV在加州路測(cè)報(bào)告的，2021年共有117起車禍，其中相當(dāng)一部分是由于AV從當(dāng)前車道向其他車道移動(dòng)的交互行為造成的。

其中，最為關(guān)鍵的一個(gè)駕駛場(chǎng)景就是匯入場(chǎng)景，這是因?yàn)锳V需要在匯入過程中需要與周邊車輛進(jìn)行不斷的交互。因而，如何使得AV在匯入過程中，至少不發(fā)生碰撞，同時(shí)也要兼顧效率，舒適，能耗，安全等等，是目前比較熱門的一個(gè)研究方向。以上說了這么多，我們可以舉幾點(diǎn)來說明挖掘匯入行為后的應(yīng)用：

1. 基于數(shù)據(jù)驅(qū)動(dòng)的各種算法：做過這一數(shù)據(jù)驅(qū)動(dòng)這一類研究的小伙伴應(yīng)該清楚，在訓(xùn)練網(wǎng)絡(luò)前，需要盡可能把數(shù)據(jù)集吃透吃細(xì)，才可能使得模型有更好的效果，涉及到的有針對(duì)匯入行為的軌跡預(yù)測(cè)模型，針對(duì)匯入軌跡的聚類算法，當(dāng)然還有很對(duì)面向匯入的規(guī)控算法等等等等。

2. 自動(dòng)駕駛仿真測(cè)試：通過對(duì)于實(shí)際的匯入軌跡集挖掘，可以指導(dǎo)仿真測(cè)試中用例集的構(gòu)建，比如更合理地泛化各匯入場(chǎng)景的參數(shù)，使得我們可以加速仿真測(cè)試，提高仿真測(cè)試的效率；通過真實(shí)軌跡也可以幫助我們?nèi)プR(shí)別一些corner case，更有助于提高AV覆蓋corner case的能力；

3. ADAS軟件：分析研究car、truck、van間的匯入行為差異；不同駕駛員（男女，歲數(shù)，激進(jìn)，保守等等）；不同天氣；工作日非工作日；早高峰晚高峰平峰等等，分析出來的結(jié)果有助于指導(dǎo)ADAS軟件，比如ACC，LKA中一些參數(shù)的設(shè)置等等。

4. 交通仿真軟件：可以指導(dǎo)交通微觀仿真軟件，比如SUMO, VISSIM軟件中，對(duì)于底層參數(shù)的調(diào)整，比如標(biāo)定跟馳模型參數(shù)后，再修改原本的默認(rèn)參數(shù)等等等。

以上只是羅列了幾點(diǎn)，還有很多可以應(yīng)用的地方。

2. 針對(duì)匯入行為的車輛軌跡集介紹

現(xiàn)有快速路公開的車輛軌跡主要有如下幾個(gè)，最常被分析的是NGSIM和HighD軌跡集。當(dāng)然也有學(xué)者自己去采集匯入?yún)^(qū)域的軌跡，但出于項(xiàng)目或是個(gè)人原因，這些私人的數(shù)據(jù)集并沒有公開出來。exiD數(shù)據(jù)集采集于2021年，也是HighD和InD那個(gè)團(tuán)隊(duì)所貢獻(xiàn)的，其提供了7個(gè)匯入?yún)^(qū)域的軌跡，該數(shù)據(jù)集還首次提供了Opendrive與lanelet2兩種格式的高精度地圖。

相比于現(xiàn)有的幾個(gè)軌跡，exiD數(shù)據(jù)集主要的優(yōu)點(diǎn)可以歸納為如下幾點(diǎn)，因而其可能更適用于匯入行為挖掘（Merging behavior analysis）：

1. 數(shù)據(jù)集更新，其采集2021年，文章于2022年發(fā)表在IEEE-IV會(huì)議上；

2. 專門針對(duì)匯入行為而采集的軌跡，其提供單次匯入、多次匯入（location0）、匯出、以及交織（location1）等行為；HighD, NGSIM數(shù)據(jù)集更多的是針對(duì)快速路主線的跟馳與換道行為；

3. 首次提供了匯入?yún)^(qū)域的Opendrive與lanelet2高精地圖，這是現(xiàn)有所有軌跡集所未曾提供過的；這可能能幫助我們更深入地理解匯入行為；

4. 對(duì)于匯入?yún)^(qū)域的采集時(shí)長(zhǎng)要遠(yuǎn)遠(yuǎn)高于NGSIM，HighD（更多是主線），INTERACTION數(shù)據(jù)集，共計(jì)有69172輛；Automatum雖然提供了30小時(shí)，但其采集的場(chǎng)景是主線和匯出；

5. 其采集的position error要小于10cm；

6. 其同時(shí)提供了car, truck, van三種不類型的車輛。

感興趣的小伙伴，可以去閱讀這篇文章“The exiD Dataset: A Real-World Trajectory Dataset of Highly Interactive Highway Scenarios in Germany”

3. exiD數(shù)據(jù)集介紹

以下為該數(shù)據(jù)集官網(wǎng)與數(shù)據(jù)集字段說明的鏈接：
https://www.exid-dataset.com/
https://www.exid-dataset.com/format

下圖為七個(gè)匯入地點(diǎn)的無人機(jī)俯拍圖：

1. location 0: 輔道車輛會(huì)有連續(xù)兩次的匯入行為；

2. location 1: 同時(shí)存在匯入?yún)R出（交織）的情形；

3. location 2: 正常單次匯入；

4. location 3: 正常單次匯入；

5. location 4: 未拍攝到加速車道末尾；

6. location 5: 正常單次匯入；

7. location 6: 正常單次匯入；

4. 使用申請(qǐng)

和highD/ inD數(shù)據(jù)集一樣，需要在exiD數(shù)據(jù)集官網(wǎng)填寫如下信息，才能使用該數(shù)據(jù)集，需要注意如下幾點(diǎn)：

1. 需要掛梯子；

2. yourself, position, research plan, what exactly you would
   like to use the exiD dataset for，這幾點(diǎn)需要詳細(xì)說明；

3. 審核需要一段時(shí)間；
   

5. 字段說明

每個(gè)recording下包含如下四個(gè)文件：

1. 背景圖片

2. recordingMeta.csv

3. tracksMeta.csv

4. tracks.csv

七個(gè)地點(diǎn)對(duì)用的recording如下所示：

1. location 0: recording 0 ~ recording 18;

2. location 1: recording 19 ~recording 38;

3. location 2: recording 39 ~ recording 52;

4. location 3: recording 53 ~ recording 60;

5. location 4: recording 61 ~ recording72;

6. location 5: recording 73 ~ recording 77;

7. location 6: recording 78 ~ recording 92;

XX_background.png

1. 在Maps文件夾下有: Lanelet2 maps (.osm) 和OpenDrive maps(.xodr)

2. Lanelet2高精地圖可以通過josm軟件打開；

3. OpenDrive 高精地圖可以通過 "https://odrviewer.io/"打開

XX_recordingMeta.csv

recordingMeta.csv字段信息如下所示：

1. speedLimit：限速；

2. duration：當(dāng)前這個(gè)recording記錄的時(shí)長(zhǎng)；

3. numTracks： 記錄了多少個(gè)物體；

4. numVehicles： 記錄了多少車；

5. xUtmOrigin, yUtmOrigin：加上xCenter ，yCenter 可以獲得全局的位置；

6. orthoPxToMeter: 可視化過程中的一個(gè)參數(shù)

XX_tracksMeta.csv

tracksMeta.csv字段信息如下所示：

1. recordingId：當(dāng)前的record；

2. trackId：車輛的id

3. width, length：車輛的長(zhǎng)度與寬度；

4. class：車輛的類型；

XX_tracks.csv

1. traveledDistance ：行駛的距離；

2. latLaneCenterOffset 、laneWidth 、laneletId 、laneChange 、lonLaneletPos 、laneletLength：lanelet2高精地圖的字段；

3. leadId 、rearId 、leftLeadId 、leftAlongsideId、leftRearId 、rightLeadId 、rightAlongsideId、rightRearId ：周圍車輛的ID;

4. odrRoadId、odrSectionNo 、odrLaneId ：opendrive高精地圖的字段；

5. xVelocity、yVelocity、lonVelocity、latVelocity：車輛的速度；

6. 周邊車輛匹配

在tracks文件中，每一輛車的每一幀都會(huì)匹配周邊車輛（前車、后車、并行車），每一幀最多存在八輛周邊車輛。