Benchmarking Tesla's Traffic Light and Stop Sign Control: Field Dataset and Behavior Insights
机器人学
2025-12-16 v1 计算机视觉与模式识别
人机交互
摘要
理解高级驾驶辅助系统（ADAS）如何与交通控制装置（TCD）交互，对于评估其对交通运行的影响至关重要，但这一交互尚未受到充分的实证研究。本论文呈现了特斯拉交通灯与停车标志控制（TLSSC）的实地数据集和行为分析，TLSSC 是一个成熟的 ADAS，能够感知交通灯和停车标志。我们在不同的速度限制和 TCD 类型下设计并执行实验，收集了同步的高分辨率车辆轨迹数据和驾驶员视角视频。从这些数据中，我们开发了 TLSSC-TCD 交互行为的分类体系（即停车、加速和跟车），并校准了全速度差模型（FVDM）以定量表征每种行为模式。一个新颖的实证发现是识别出跟车阈值（约 90 米）。校准结果表明，停车行为由对期望速度偏差和相对速度的强响应驱动，而加速行为更为保守。交叉路口跟车行为表现出比标准跟车行为更平滑的动态和更小的车头时距。所建立的实地数据集、行为定义和模型表征共同为未来的仿真、安全评估和 ADAS-TCD 交互逻辑设计提供了基础。我们的数据集可在 GitHub 上获取。
引用
@article{arxiv.2512.11802,
title = {Benchmarking Tesla's Traffic Light and Stop Sign Control: Field Dataset and Behavior Insights},
author = {Zheng Li and Peng Zhang and Shixiao Liang and Hang Zhou and Chengyuan Ma and Handong Yao and Qianwen Li and Xiaopeng Li},
journal= {arXiv preprint arXiv:2512.11802},
year = {2025}
}