Beacon：用于基准测试交通重建与控制的停电期间自然驾驶数据集
机器人学
2025-07-23 v2
摘要
极端天气与基础设施脆弱性对城市交通构成了重大挑战，尤其是在信号灯失效的交叉路口。为应对这一日益突出的问题，我们引入了 Beacon，一个在美国田纳西州孟菲斯市两个主要交叉路口捕捉停电期间交通动态的自然驾驶数据集。该数据集提供了详细的交通运动信息，包括四个高峰时段内每辆车的离散时间步、起点和终点车道。我们分析了不同场景下的交通需求、车辆轨迹和密度，展示了在无信号、有信号和混合交通条件下的高保真重建。我们发现，将机器人车辆（RVs）整合到交通流中可以大幅减少交叉路口延误，等待时间最多可改善 82.6%。然而，这种提升的交通效率伴随着不同的环境影响，因为车辆怠速的减少可能导致更高的总体 CO2 排放。据我们所知，Beacon 是首个公开可用的、记录交叉路口停电期间自然驾驶行为的交通数据集。
引用
@article{arxiv.2412.14208,
title = {Beacon: A Naturalistic Driving Dataset During Blackouts for Benchmarking Traffic Reconstruction and Control},
author = {Supriya Sarker and Iftekharul Islam and Bibek Poudel and Weizi Li},
journal= {arXiv preprint arXiv:2412.14208},
year = {2025}
}
备注
IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), 2025