RISEE：包含人类主观风险感知与眼动信息的高交互自然驾驶轨迹数据集
人机交互
2026-03-18 v2 计算机视觉与模式识别
摘要
在自动驾驶决策与规划系统的研究与开发（R&D）和验证与确认（V&V）阶段，有必要整合人类因素，以实现符合人类认知的决策与评估。然而，现有的大多数数据集主要关注车辆运动状态和轨迹，忽略了与人类相关的信息。此外，当前的自然驾驶数据集缺乏足够的安全关键场景，而模拟数据集则存在真实性较低的问题。为了解决这些问题，本文构建了风险知情主观评估与眼动（RISEE）数据集，该数据集除了常规的自然驾驶轨迹外，还专门包含了人类主观评估和眼动数据。通过利用基于无人机（高真实性和广泛的场景覆盖）和基于仿真（高安全性和可重复性）的数据采集方法的互补优势，我们首先在高速公路匝道合流区进行基于无人机的交通视频录制。之后，在仿真软件中重建手动挑选的高交互场景，并生成驾驶员第一人称视角（FPV）视频，然后由招募的参与者观看和评估。在视频观看过程中，收集参与者的眼动数据。经过数据处理和过滤，保留了来自 101 名参与者在 179 个场景中的 3567 份有效主观风险评分，以及 2045 段合格的眼动数据片段。收集的数据和生成的 FPV 视频示例可在我们的网站上获取。
引用
@article{arxiv.2507.19490,
title = {RISEE: A Highly Interactive Naturalistic Driving Trajectories Dataset with Human Subjective Risk Perception and Eye-tracking Information},
author = {Xinzheng Wu and Junyi Chen and Peiyi Wang and Shunxiang Chen and Haolan Meng and Yong Shen},
journal= {arXiv preprint arXiv:2507.19490},
year = {2026}
}
备注
Preprint accepted by ITSC 2025