提高 Waymo 开放运动数据集中交通信号数据质量
机器人学
2025-06-10 v1
摘要
涉及自动驾驶车辆（AVs）的数据集在人工智能、自动驾驶和交通工程等多个研究领域具有巨大的潜力。然而，这些数据集常常面临交通信号状态缺失或不准确等挑战。此类问题可能削弱数据集的可靠性，并对使用它们开发的模型造成不利影响。本研究引入一种全自动方法，旨在解决这些问题，利用可用车辆轨迹数据及交通领域知识，有效地对 Waymo 开放运动数据集（WOMD）中的交通信号信息进行插值和修正。该方法具有鲁棒性和灵活性，能够处理现实场景中多样化的交叉口几何形状和交通信号配置。我们在整个 WOMD 上进行了全面验证，聚焦于超过 36 万个涉及交通信号的情景（总计 53 万个真实驾驶情景）。在原始数据集中，71.7% 的交通信号状态缺失或未知，均已成功通过我们的方法进行插值。此外，在缺乏 ground-truth 信号状态的情况下，我们基于车辆轨迹的红线违规率评估了该方法的准确性。结果表明，我们的方法将估计的红线违规率从原始数据的 15.7% 降至 2.9%，从而证明了其在纠正数据不准确性方面的有效性。本文显著提升了 AV 数据集的质量，为更广泛的 AI 和 AV 研究社区以及各类下游应用提供了贡献。代码和改进后的交通信号数据已开源于 https://github.com/michigan-traffic-lab/WOMD-Traffic-Signal-Data-Improvement。
引用
@article{arxiv.2506.07150,
title = {Improving Traffic Signal Data Quality for the Waymo Open Motion Dataset},
author = {Xintao Yan and Erdao Liang and Jiawei Wang and Haojie Zhu and Henry X. Liu},
journal= {arXiv preprint arXiv:2506.07150},
year = {2025}
}