ULTra-AV: A Unified Longitudinal Trajectory Dataset for Automated Vehicle

自动驾驶汽车（AV）承诺在交通方面带来重大进展。这些改进的关键在于理解AV的纵向行为，这在很大程度上依赖于真实世界的轨迹数据。然而，现有的AV开源轨迹数据集在精细度、可靠性和完整性方面经常存在不足，这阻碍了有效的性能指标分析和模型开发。本研究通过创建面向AV的统一纵向轨迹数据集（Ultra-AV）来解决这些挑战，以分析它们的微观纵向驾驶行为。该数据集汇编了来自13个不同来源的数据，涵盖了各种AV类型、测试场地和实验情景。我们建立了一个三步数据处理流程：1. 提取纵向轨迹数据，2. 进行一般数据清理，3. 进行数据特定清理以获取纵向轨迹数据和跟车轨迹数据。通过在安全性、流动性、稳定性和可持续性方面进行性能评估，以及分析跟车模型中变量之间的关系，我们确认了处理后数据的有效性。我们的工作不仅为纵向AV行为研究提供了标准化的数据和指标，还为数据收集和模型开发制定了指导方针。

本文旨在创建一个统一的AV纵向轨迹数据集（Ultra-AV），以分析其微观纵向驾驶行为。现有的开源轨迹数据集往往在精细度、可靠性和完整性方面存在缺陷，妨碍了有效的性能指标分析和模型开发。

本文通过从13个不同的来源编译数据，建立了一个三步数据处理过程，以获得纵向轨迹数据和跟车轨迹数据。通过安全性、流动性、稳定性和可持续性的绩效评估以及跟车模型中变量之间的关系分析，验证了处理数据的有效性。

本文提供了标准化数据和指标，供研究人员进行纵向AV行为研究，并为数据收集和模型开发制定了指南。实验使用了13个来源的数据集，并进行了绩效评估和关系分析。

在最近的相关研究中，也有一些关于AV轨迹数据集的研究，如：《A Systematic Review of Autonomous Vehicle Datasets》、《A Comprehensive Survey of Autonomous Vehicle Datasets》等。