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(3)

High D数据集记录在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。研究者们使用了最先进的计算机视觉算法从记录中提取轨迹，并且使用神经网络方法检测车辆，将其定位在每一帧中。 为了从这些检测获得平滑的轨迹，使用贝叶斯方法来平滑运动轨迹。 [原创文章：www.11jj.com]

规模与表现

Next Generation SIMulation （NGSIM）是当今最大的自然车辆数据集轨迹，广泛用于交通流量和研究驾驶员模型。NGSIM从高层建筑捕获中，以鸟瞰的视角捕获了高速公路和城市交通道路上的车辆轨迹。 是与本研究重点的HighD数据集最相似的数据集。 因此，我们着重将NGSIM数据集与highD数据集进行比较。

在数据质量方面，NGSIM现有数据集的质量不足，通常包括非精确和误报检测两类误差。 相比之下，在HighD数据集中，超过99％的车辆被检测到并精确定位。 对于卡车车辆中心的典型误差在x和y方向上均为约10厘米，这是像素级精度。 由于在本研究中我们选用一台4K摄像机记录流量而不是几台低分辨率摄像机，因此与常规数据采集方法相比，本研究在记录区域之间的过渡处没有错误。

highD数据集相较于NGSIM数据集的数据种类也更多。 这主要是由于：数据集中记录数量较多，并且包含了一天中不同的时间段和更多的地理位置。