D2E：涉及驾驶员状态和人类评估的自主决策数据集

随着深度学习技术的发展，数据驱动的方法在自动驾驶决策中日益受到重视，数据集的质量显著影响模型性能。虽然当前数据集在收集车辆和环境数据方面取得了显著进展，但对人类端数据（包括驾驶员状态和人类评估）的关注不足。此外，现有数据集大多由简单场景（如车跟车）组成，导致互动水平较低。本文介绍了驾驶员到评估数据集(D2E)，一个包含驾驶员状态、车辆状态、环境情况以及来自人类评审员的评估评分的自主决策数据集，涵盖了车辆决策的完整过程。除了常规代理人和周围环境信息外，我们不仅收集驾驶员因素数据，包括一线视图视频、生理信号和眼动注意力数据，还提供来自40名人类志愿者的主观评分。该数据集混合了驾驶模拟场景和真实道路场景。设计并筛选出高互动场景，以确保行为多样性。通过数据组织、分析和预处理，D2E包含超过1100个交互式驾驶案例数据，涵盖从人类驾驶员因素到评估结果，支持与数据驱动决策相关算法的开发。