CARLA-Round：面向环岛轨迹预测的多因素仿真数据集
计算机视觉与模式识别
2026-01-21 v1
摘要
环岛处车辆轨迹的精确预测对于减少交通事故至关重要，然而，由于其环形道路几何结构、持续的合流与让行交互以及缺乏交通信号灯，该任务仍极具挑战性。开发精确的预测算法依赖于可靠、多模态且真实的数据集；然而，此类面向环岛场景的数据集十分稀缺，因为真实世界的数据采集常受限于不完整的观测以及难以分离的混杂因素。我们提出了 CARLA-Round，一个系统设计的、用于环岛轨迹预测的仿真数据集。该数据集以结构化的方式改变天气条件（五种类型）和交通密度水平（涵盖 A 至 E 级服务水平），形成了 25 个受控场景。每个场景都融入了真实的驾驶行为混合，并提供了现有数据集大多缺乏的显式标注。与随机采样的仿真数据不同，这种结构化设计能够精确分析不同条件如何影响轨迹预测性能。使用标准基线模型（LSTM、GCN、GRU+GCN）进行的验证实验表明，交通密度对预测难度起主导作用，并具有强烈的单调效应，而天气则表现出非线性影响。最佳模型在真实世界的 rounD 数据集上达到了 0.312m 的平均位移误差（ADE），证明了有效的仿真到真实迁移。这种系统性的方法量化了在混杂的真实世界数据集中无法分离的因素影响。我们的 CARLA-Round 数据集已在 https://github.com/Rebecca689/CARLA-Round 上发布。
引用
@article{arxiv.2601.12119,
title = {CARLA-Round: A Multi-Factor Simulation Dataset for Roundabout Trajectory Prediction},
author = {Xiaotong Zhou and Zhenhui Yuan and Yi Han and Tianhua Xu and Laurence T. Yang},
journal= {arXiv preprint arXiv:2601.12119},
year = {2026}
}