导读
题目：自动驾驶汽车决策数据集综述
发表时间：2023年6月
关键词：自动驾驶，决策，数据集
1 摘要
自动驾驶汽车（AV）有望重塑未来的交通系统，而决策是实现高级自动驾驶的关键模块之一。为了克服基于规则的方法无法很好地处理的复杂场景的问题，数据驱动的决策方法引起了越来越多的关注。用于开发数据驱动方法的数据集会极大地影响决策性能，因此有必要全面了解现有自动驾驶数据集。从采集来源来看，驾驶数据可分为车辆、环境和驾驶员相关数据。本研究比较了这三类最先进的数据集，并总结了它们的特征，包括使用的传感器、注释和驾驶场景。根据数据集的特点，本次调查还总结了数据集在AV决策各个方面的潜在应用，帮助研究人员找到合适的数据集来支持自己的研究。最后，本文总结了AV数据集的未来发展趋势。
2 车辆数据集
图1. 自动驾驶决策数据集发展历史
3 驾驶环境数据集
图2. 驾驶环境采集平台上的传感器数据
图3. 驾驶环境数据集注释
图4. 包含复杂行为交互的数据集
4 驾驶人数据集
图5. 驾驶人数据集概述
图6. 驾驶姿势数据集的数据类型
5 数据应用
图7. 技术决策路线
图8. 决策层细分
6 总结
在本文中，我们从四个方面调查了最先进的自动驾驶汽车决策数据集：车辆相关数据、环境相关数据、驾驶员相关数据及其具体应用。在简要回顾了决策数据集的发展历史后，我们给出了一个详细的总结，包括许多以前的调查中没有涵盖的最新数据集。我们将数据类型、注释和特征分为特定类别。在比较和特征分析的基础上，总结了自动驾驶汽车在各种决策中的局限性和潜在应用。通过组织对驾驶员、车辆和环境数据集类别的审查，本调查致力于在算法开发需要数据时，为AV决策的研究人员和开发人员提供清晰直观的选择参考。还总结了未来的趋势，为未来的数据集收集形式提供了建议。
欢迎投稿 Welcome
欢迎各位学生、老师、专家将自己或团队的学术成果推荐给交通邦，让更多读者看到最前沿的学术成果，促进学术交流！
投稿方式：添加交通邦小助手微信（jiaotongbang），备注“姓名-学校-投稿”。
TRAFFIC ZONE
往期作品集
点击“阅读原文”直达文章