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

Miss_leaf

已于 2023-10-22 19:57:15 修改

阅读量297

点赞数

文章标签： python 自动驾驶 lstm pytorch

于 2023-10-22 19:41:05 首次发布

本文链接：https://blog.csdn.net/Miss_leaf/article/details/133976773

版权

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。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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.

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Miss_leaf

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

（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

1271

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。

LC-LLM: Explainable Lane-Change Intention and Trajectory Predictions with Large Language Models

c_cpp_csharp的专栏

06-29

268

为了确保在动态环境中安全驾驶，自动驾驶汽车应具备提前准确预测周围车辆变道意图并预测其未来轨迹的能力。现有的运动预测方法有足够的改进空间，特别是在长期预测精度和可解释性方面。在本文中，我们通过提出LC-LLM来应对这些挑战，这是一种可解释的车道变化预测模型，利用了大型语言模型（LLM）强大的推理能力和自我解释能力。从本质上讲，我们将变道预测任务重新表述为一个语言建模问题，以自然语言处理异构驾驶场景信息作为LLM的输入提示，并使用监督微调技术专门为我们的变道预测工作定制LLM。

2 条评论您还未登录，请先登录后发表或查看评论

HighD数据集Python处理（车辆变道时本车及当前车道和目标车道前后车数据获取）

Mr.J的博客

07-25

5553

本文通过对Python代码的编写，实现对HighD数据集中车辆变道时本车及当前车道和目标车道的前后车数据获取，使用获取的数据可进行换道决策，模型验证等研究。

车辆轨迹预测系列 (二)：常见数据集介绍

a_student_2020的博客

06-21

4006

车辆轨迹预测系列 (二)：常见数据集介绍-介绍九种数据集，并给出下载方式和下载地址，以及相应的论文资源

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。

The highD Dataset: A Drone Dataset of Naturalistic Vehicle Trajectories on German Highways for Valid

qq_41545537的博客

05-29

5478

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。

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

1064

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...

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...

E:/Pycharm/Projects/HighD-NGSIM-lane-change-feature-extraction-main/highD_feature_extration/highd_dataset/tracks.csv这个文件夹底下有啊有01_recordingMeta、01_tracks、01_tracksMeta以及03...一直到57该如何修改代码啊，还有这个直方图我想保存到一个文件夹下v_tezheng

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。

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

8261

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

1254

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

推荐开源项目：highD Tools - 处理高维数据的利器

gitblog_00040的博客

06-02

416

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

（9-10）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(2)

码农三叔

04-16

1464

给定车辆ID（vehId）、时间戳（t）、数据集ID（dsId）、车辆网格（grid）和半径（radius），返回包含所有时间步信息的邻接矩阵列表和中心性特征列表。给定模型的预测值、真实值和掩码，它计算每个时间步上的MSE，并返回每个时间步的损失值和相应的样本数。给定模型的预测值、真实值和掩码，它计算每个时间步上的MSE，并考虑了输入的维度（可能包括坐标和速度）。函数返回带有掩码的MSE损失的平均值。（15）定义函数maskedNLL，功能是根据模型的预测值、真实值和掩码计算带有掩码的负对数似然损失。

探索自动驾驶新篇章：HighD数据集详解与应用

gitblog_06659的博客

10-31

1571

探索自动驾驶新篇章：HighD数据集详解与应用【下载地址】自动驾驶HighD数据集领域资源分享 HighD数据集以其高度详细和真实世界代表性而著称，涵盖了广泛的交通场景，包括多种天气条件、不同时间段的车流情况以及多样的驾驶者行为。通过无人机在德国高速公路上采集，数据以高清视频形式捕获，并经过精细标注，支持车辆跟踪、变道...