A simple usage of highD dataset for vehicle lane change behavior prediction

原创 已于 2023-10-22 19:57:15 修改 · 548 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#python #自动驾驶 #lstm #pytorch
于 2023-10-22 19:41:05 首次发布
博客介绍了使用HighD数据集进行车辆变道行为预测的简单方法。包含HighD数据集的介绍、可视化，还提及变道行为预测及相关代码链接，此外有数据预处理，如变道特征提取与保存。
Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

A simple usage of highD dataset for vehicle lane change behavior prediction

1. highD dataset introduction

https://levelxdata.com/highd-dataset/

2. highD dataset visualization

https://github.com/RobertKrajewski/highD-dataset

scene visualization

3. LC behavior prediction

https://github.com/chitianhao/lane-change-prediction-lstm

Result
prediction result

4. Others

Data preprocessing: lane change feature extraction and save.

您可能感兴趣的与本文相关的镜像

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen3-32B-Chat 私有部署镜像 | RTX4090D 24G 显存 CUDA12.4 优化版

Qwen
文本生成
Qwen3

本镜像基于 RTX 4090D 24GB 显存 + CUDA 12.4 + 驱动 550.90.07 深度优化，内置完整运行环境与 Qwen3-32B 模型依赖，开箱即用。

Miss_leaf
关注
德国亚琛highD数据集
04-22
车辆原始轨迹数据
matlab的egde源代码-highD-dataset:高D数据集
05-21
matlab的egde源代码高级工具 该存储库包含处理在Matlab和Python中实现的highD数据文件的功能的集合。 功能范围从数据处理到可视化数据。
（9-9）基于感知轨迹预测模型（BAT）的目标行为预测系统：处理HighD数据集(1)
码农三叔
04-16 1565
根据给定的车辆ID（vehId）、时间戳（t）、参考车辆ID（refVehId）、数据集ID（dsId），首先检查车辆ID是否为零，如果是则返回一个空数组。根据给定的车辆ID（vehId）、时间戳（t）、数据集ID（dsId）、车辆网格（grid）、半径（radius），返回邻接矩阵字典，包括帧ID和邻接矩阵。根据给定的车辆ID（vehId）、时间戳（t）、参考车辆ID（refVehId）、数据集ID（dsId）以及是否为邻近车辆（nbr_flag），返回车辆历史位置信息。
国内外交通数据集介绍（附参数说明）
热门推荐
Mr.J的博客
03-22 3万+
本文对国内外部分交通数据集进行了介绍、对相关参数的进行了说明。
The highD Dataset: A Drone Dataset of Naturalistic Vehicle Trajectories on German Highways for Valid
qq_41545537的博客
05-29 7243
摘要-基于场景的高度自动化车辆的安全验证测试是一种很有前途的方法，目前正在研究和工业中进行研究。这种方法在很大程度上依赖于来自真实场景的数据来获得进行测试所需的场景信息。测量数据应以合理的努力收集，包含道路使用者的自然行为，并包括所有与描述已确定的场景相关的数据。然而，目前的测量方法至少不能满足其中一项要求。因此，我们提出了一种新的方法，从空中的角度测量数据，以实现基于场景的验证，满足上述要求。此外，我们还提供了一个来自德国高速公路的大规模自然车辆轨道数据集，称为highD。
车辆自然驾驶轨迹数据集/交通流数据介绍
spatial_coder的博客
03-17 2万+
文章目录NGSIMNGSIM 概览快速路车道选择算法Interstate 80 Freeway 数据集Lankershim Boulevard 数据集US highway101数据集动态交通分配DTACORSIMAIMSUN NGSIM NGSIM 概览 NGSIM项目包含三个部分，摄像头采集的真实数据集、核心仿真算法和文档。 next generation simulation 快速路车道选择...
highd数据集提取换道轨迹
Nubia00的博客
04-06 1193
使用峰值外推法提取，即从加速度最大值和最小值分别向外推，通过这个方法可以在提取完整轨迹和不完整轨迹之间随意切换。t1和t2之间的轨迹即为换道轨迹，
matlab的egde源代码-highD-dataset: 高D数据集
gitblog_06748的博客
04-20 560
matlab的egde源代码-highD-dataset: 高D数据集 去发现同类优质开源项目:https://gitcode.com/ 此存储库为您提供了一组用于处理highD数据集的Matlab高级工具源代码。highD数据集是一种高维数据集，适用于深度学习和数据分析等领域的深入研究。 功能简介 存储库中包含以下功能： 数据处理：包括数据清洗、格式转换、特征提取等，确保数据质量并便于后续分析...
最新轨迹预测综述：从基础定义到各类方法、评测汇总
CV_Autobot的博客
11-06 1万+
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取>>点击进入→自动驾驶之心【轨迹预测】技术交流群论文作者|claire编辑 | 自动驾驶之心0 写在前面最近很多小伙伴来向我们咨询轨迹预测相关的入门学习基础，今天我们也为大家分享下轨迹预测的定义、输出格式、常用的相关术语，常用的轨迹预测方法论，以及评测方式。所有的内容都为日常笔记输出，建议收藏，有时间随时可以学习...
轨迹预测の综述
whaosoft143ai的博客
11-07 1837
在数据集多样性上，Waymo Open Dataset 也有很大的提升，该数据集涵盖不同的天气条件，白天、夜晚不同的时间段，市中心、郊区不同地点，行人、自行车等不同道路对象，等等。由德国亚琛工业大学汽车工程研究所发布的HighD数据集，是德国高速公路的大型自然车辆轨迹数据，搜集自德国科隆附近的六个不同地点， 位置因车道数量和速度限制而异，记录的数据中包括轿车和卡车。9)具有挑战性的天气条件:恶劣的天气条件，如大雨、雪、雾或能见度低，会影响传感器的性能，限制用于轨迹预测的关键数据的可用性。whaosoft a
HighD数据集-自动驾驶数据集
06-09
HighD数据集-自动驾驶数据集
交通数据集整理
SmartLab307的博客
05-13 3468
数据是从2016年2月到2019年3月使用几个数据提供程序收集的，包括两个提供流交通事件数据的API，由各种实体捕获的交通事件，例如美国和州交通运输部门，执法机构，交通摄像头和道路网络中的交通传感器。由德国亚琛工业大学汽车工程研究所发布的HighD数据集，是德国高速公路的大型自然车辆轨迹数据，搜集自德国科隆附近的六个不同地点， 位置因车道数量和速度限制而异，记录的数据中包括轿车和卡车。芝加哥市Divvy共享自行车2013至今的骑行使用数据，包括使用者性别、年龄、每次旅行的起点，目的地和时间戳。
基于python的车辆轨迹研究_德国发布高速公路自然车辆轨迹的新数据集，提出从空中角度测量车辆数据的新方法...
weixin_39607837的博客
11-23 1181
对于高度自动化的交通工具来说，基于场景的安全验证在学界和业界都受到广泛的重视。但这一任务却极为依赖于真实场景的数据来获取用于测试的必要场景信息。质量足够好的数据集中应该包含道路使用者的自然行为以及与所识别的场景的描述相关的所有数据。然而，目前的测量方法并不能满足要求。德国亚琛工业大学汽车工程研究所新近发布的HighD数据集，提出了一种从空中角度测量车辆数据的新方法，用于满足上述要求的基于场景的验证...
（9-3）基于感知轨迹预测模型（BAT）的目标行为预测系统：数据集
码农三叔
04-09 1014
本项目使用了3个数据集，具体说明如下所示。
【亲测免费】 推荐开源项目：highD Tools - 处理高维数据的利器
gitblog_00040的博客
06-02 545
推荐开源项目：highD Tools - 处理高维数据的利器 1、项目介绍 在大数据时代，高维度数据处理已成为科研和工程领域中的重要挑战。highD Tools 是一个精心设计的开源工具包，旨在提供便捷的解决方案，无论是在Matlab还是Python环境下。这个项目包含了全面的数据处理和可视化功能，专为那些需要理解、操作并展示复杂高维数据的用户而创建。 2、项目技术分析 highD Tools 提...
HighD数据集Python处理（超车变道邻近车辆数据筛选）
Mr.J的博客
04-29 1万+
由德国亚琛工业大学汽车工程研究所发布的HighD数据集，是德国高速公路的大型自然车辆轨迹数据，搜集自德国科隆附近的六个不同地点， 位置因车道数量和速度限制而异，记录的数据中包括轿车和卡车。数据集包括来自六个地点的11.5小时测量值和110 000车辆，所测量的车辆总行驶里程为45 000 km，还包括了5600条完整的变道记录。通过使用最先进的计算机视觉算法，定位误差通常小于十厘米。适用于驾驶员模型参数化、自动驾驶、交通模式分析等任务。HighD的数据格式和后续推出的InD，RounD有细微...
遥感影像中常用的目标检测数据集
lzq-rser
01-24 2万+
遥感影像中常用的目标检测数据集1.DOTA2.UCAS-AOD3. NWPU VHR-104. RSOD-Dataset5. TGRS-HRRSD-Dataset6. TAS7. DIOR8. xView9. HRSC201610.VEDAI11.Cars Overhead With Context(COWC)12.ITCVD13.OpenSARShip14.DLR 3K Vehicle15.SZTAKI‐INRIA16.LEVIR17.SSDD18.SSDD+19.AIR-SARShip-1.020.SA
机器学习/深度学习常用数据集归纳（附百度网盘链接）
ftiasch_的博客
10-16 4582
包含机器学习/深度学习中的分类、回归、分割等数据集，例如：iris数据集、Boston数据集、海伦约会数据集、DRIVE血管视网膜数据集等
highD变道起止点前后车辆数据获取
Mr.J的博客
02-18 2071
通过Python代码的编写，实现车辆变道起止点的前后车车辆信息提取，使用数据集为highD数据集。
Python图片压缩方法全解：从入门到进阶
最新发布
得塔云的博客
06-19 708
本文总结了Python中六种主流的图片压缩方法：1）Pillow作为通用首选，支持质量调整、尺寸缩放和格式转换；2）TinyPNG API提供最高压缩率但有限额；3）WebP格式在保持画质下体积最小；4）PyVips适合大图处理，内存占用低；5）OpenCV针对视频帧和实时流优化；6）K-means聚类实现算法级色彩压缩。文章通过对比表格和决策树，建议根据场景需求选择工具，日常使用Pillow即可满足大多数需求，并附赠了一个可直接使用的批量压缩脚本。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值