1. NGSIM數(shù)據(jù)集

NGSIM 的全稱為 Next Generation Simulation，是由美國聯(lián)邦公路局發(fā)起的一項數(shù)據(jù)采集項目，被交通界學(xué)者廣泛用于車輛跟馳換道等駕駛行為研究，交通流分析，微觀交通模型構(gòu)建，車輛運動軌跡預(yù)測，駕駛員意圖識別，自動駕駛決策規(guī)劃等。所有數(shù)據(jù)均為在美國高速公路國道101上采集的實際運行軌跡數(shù)據(jù)。數(shù)據(jù)文件包含3個txt文檔，三個文檔對應(yīng)三個不同的時段，每個時段為15分鐘。

官方下載：https://data.transportation.gov/Automobiles/Next-Generation-Simulation-NGSIM-Vehicle-Trajector/8ect-6jqj

2. HighD數(shù)據(jù)集

由德國亞琛工業(yè)大學(xué)汽車工程研究所發(fā)布的HighD數(shù)據(jù)集，是德國高速公路的大型自然車輛軌跡數(shù)據(jù)，搜集自德國科隆附近的六個不同地點， 位置因車道數(shù)量和速度限制而異，記錄的數(shù)據(jù)中包括轎車和卡車。數(shù)據(jù)集包括來自六個地點的11.5小時測量值和110 000車輛，所測量的車輛總行駛里程為45 000 km，還包括了5600條完整的變道記錄。通過使用最先進的計算機視覺算法，定位誤差通常小于十厘米。適用于駕駛員模型參數(shù)化、自動駕駛、交通模式分析等任務(wù)。

HighD的數(shù)據(jù)格式和后續(xù)推出的InD，RounD有細微的不同，它的坐標系原點起始于左上方，標注車輛位置用的也是包圍盒左上方端點而非中心點

官方下載：

https://www.highd-dataset.com/ ，需要提交申請方可下載，申請周期大概一周左右。

2. INTERACTION 數(shù)據(jù)集

美國加州伯克利大學(xué)提供的數(shù)據(jù)集。數(shù)據(jù)非常多樣化，體量也很大，包括了中國，美國，德國，保加利亞的并道、十字路口、環(huán)島場景。總計12張地圖，官方提供了Lanelet2格式的，已標注交通規(guī)則已對齊。其他細節(jié)見文章開頭表格。10Hz的采樣頻率。

DR開頭的數(shù)據(jù)為無人機采集，TC則是路邊攝像頭，TC開頭的那個場景也是唯一的有信號燈十字路口場景。如果做決策任務(wù)的話，幾乎不需要任何額外的數(shù)據(jù)預(yù)處理。

官方下載：

https://interaction-dataset.com/

一般要一周左右的回復(fù)時間。

3. InD 數(shù)據(jù)集

德國亞琛大學(xué)的LevelX數(shù)據(jù)集的無信號燈十字路口部分。總計采樣4個地點，都在亞琛附近，無人機采集?？傆?0小時，13500+條軌跡，25Hz的采樣頻率。提供了lanelet2格式的地圖，對齊過，但是標的不是很詳細。

官方下載：

https://www.ind-dataset.com/  

一般要一周左右的回復(fù)時間。

4. RounD 數(shù)據(jù)集

德國亞琛大學(xué)的LevelX數(shù)據(jù)集的環(huán)島部分。總計采樣3個地點，都在亞琛附近，無人機采集。總計6小時，13700+條軌跡，25Hz的采樣頻率。提供了lanelet2格式的一張地圖。

官方下載：

https://www.round-dataset.com/

一般要一周左右的回復(fù)時間。

5. Argoverse 

Argoverse數(shù)據(jù)集是由Argo AI、卡內(nèi)基梅隆大學(xué)、佐治亞理工學(xué)院發(fā)布的用于支持自動駕駛汽車3D Tracking和Motion Forecasting研究的數(shù)據(jù)集。數(shù)據(jù)集包括兩個部分：Argoverse 3D Tracking與Argoverse Motion Forecasting。

Argoverse 1包括了320小時的數(shù)據(jù)，人為劃分成了323 557個5秒的場景，對交通參與物的品種劃分比較迷惑。10Hz的采樣頻率；Argoverse 2包括了763小時的數(shù)據(jù)，人為劃分成了250 000個11秒的場景。交通參與物共10種。10Hz的采樣頻率。

下載地址：

https://www.argoverse.org/data.html#download-link

6. Mirror-Traffic

由清華大學(xué)蘇州汽車研究院和江蘇智能網(wǎng)聯(lián)汽車創(chuàng)新中心聯(lián)合發(fā)布，從中國真實道路交通數(shù)據(jù)中，運用圖像識別與追蹤技術(shù)對真實道路圖像中的交通參與物進行識別與跟蹤，并對提取后的軌跡進行過濾與篩選，最終得到各類車輛、行人等軌跡數(shù)據(jù)。該數(shù)據(jù)集覆蓋多種道路類型（匝道、直道、彎道、十字路口等）和多種交通流狀態(tài)（車流量小、適中、擁堵等），數(shù)據(jù)中包含多種車輛類型和行人等，交通參與物軌跡精度可以達到厘米級，非常適合駕駛場景提取、駕駛場景生成、駕駛行為、意圖預(yù)測類模型研發(fā)、自然駕駛行為的模仿學(xué)習(xí)、自動駕駛預(yù)測和規(guī)劃算法的開發(fā)和驗證、交通流（速度、密度）分析、微觀交通模型仿真等研究。

官方下載：

http://www.scenarios.cn/html/dataset.html 

7. Lyft數(shù)據(jù)集

Lyft數(shù)據(jù)集是目前最大的交通agent數(shù)據(jù)集合。該數(shù)據(jù)集包括自主車隊遇到的汽車、自行車者、行人和其他交通agent的運動日志，非常適合訓(xùn)練運動預(yù)測模型。 具體包括：小時的交通代理運動。（1000+）；來自 23 輛車的數(shù)據(jù)（16K）；語義圖注解（15K）。

獲取地址：

https://level-5.global/data/

8. Ubiquitous Traffic Eyes

由東南大學(xué)交通學(xué)院李志斌教授團隊開源的車輛軌跡數(shù)據(jù)集，采用無人機航拍+CV算法提取車輛軌跡。目前包括四個快速路匝道的軌跡數(shù)據(jù)，它可以支持交通流特征分析、交通運行建模、駕駛行為分析、交通安全判別等研究。

下載地址：

http://seutraffic.com/

9. TJRD TS

由同濟大學(xué)交通運輸工程學(xué)院王俊驊教授團隊開源的全域軌跡數(shù)據(jù)，軌跡數(shù)據(jù)收集自邊緣盒和傳感器，包括沿路段安裝的毫米波雷達和激光雷達，實現(xiàn)了多目標檢測與跟蹤、軌跡拼接和邊緣計算等技術(shù)。數(shù)據(jù)在軌跡精度、路段長度和數(shù)量、采集時間、數(shù)據(jù)內(nèi)容（包括氣象、路面水膜、道路線形等數(shù)據(jù)）方面，遠優(yōu)于美國的NGSIM數(shù)據(jù)，共享每0.1秒道路全域所有在途車輛軌跡。

下載地址：

http://tjrdts.linknova.cn