Waymo 开放运动数据集能否支持真实行为建模？——基于自然轨迹的验证研究
机器人学
2026-01-21 v2 人工智能
机器学习
系统与控制
系统与控制
应用统计
摘要
Waymo 开放运动数据集（WOMD）已成为数据驱动的自动驾驶车辆（AV）行为建模的流行资源，但其在行为分析中的有效性因专有的后处理、缺乏误差量化以及将轨迹分割为 20 秒片段等因素而不确定。本研究检验 WOMD 是否准确地捕捉到真实世界 AV 操作中观察到的动力学和相互作用。我们利用来自亚利桑那州 phoenix 地区 4 级 AV 操作的独立收集的自然数据集，进行跨三个具有代表性的城市驾驶情景进行比较分析：信号灯处下车、跟车和变道行为。对于下车分析，手动提取头时距，以确保测量误差可忽略不计。对于跟车和变道情形，我们应用 Simulation-Extrapolation（SIMEX）方法来考虑 phx 数据中实证估计的误差，并使用动态时间变形（DTW）距离来量化行为差异。所有情景的结果一致显示，phx 中的行为超出了 WOMD 行为包络。值得注意的是，WOMD 在短头时距和突然减速方面的表现不足。这表明仅凭 WOMD 校准的行为模型可能在自然驾驶的可变性、风险和复杂性方面系统性地低估。因此，在使用 WOMD 进行行为建模而无需针对独立收集的数据进行适当验证时应提出警惕。
关键词
引用
@article{arxiv.2509.03515,
title = {Can the Waymo Open Motion Dataset Support Realistic Behavioral Modeling? A Validation Study with Naturalistic Trajectories},
author = {Yanlin Zhang and Sungyong Chung and Nachuan Li and Dana Monzer and Hani S. Mahmassani and Samer H. Hamdar and Alireza Talebpour},
journal= {arXiv preprint arXiv:2509.03515},
year = {2026}
}