开源车辆轨迹数据集详细汇总！

1. NGSIM数据集

NGSIM 的全称为 Next Generation Simulation，是由美国联邦公路局发起的一项数据采集项目，被交通界学者广泛用于车辆跟驰换道等驾驶行为研究，交通流分析，微观交通模型构建，车辆运动轨迹预测，驾驶员意图识别，自动驾驶决策规划等。所有数据均为在美国高速公路国道101上采集的实际运行轨迹数据。数据文件包含3个txt文档，三个文档对应三个不同的时段，每个时段为15分钟。

官方下载：https://data.transportation.gov/Automobiles/Next-Generation-Simulation-NGSIM-Vehicle-Trajector/8ect-6jqj

2. HighD数据集

由德国亚琛工业大学汽车工程研究所发布的HighD数据集，是德国高速公路的大型自然车辆轨迹数据，搜集自德国科隆附近的六个不同地点， 位置因车道数量和速度限制而异，记录的数据中包括轿车和卡车。数据集包括来自六个地点的11.5小时测量值和110 000车辆，所测量的车辆总行驶里程为45 000 km，还包括了5600条完整的变道记录。通过使用最先进的计算机视觉算法，定位误差通常小于十厘米。适用于驾驶员模型参数化、自动驾驶、交通模式分析等任务。

HighD的数据格式和后续推出的InD，RounD有细微的不同，它的坐标系原点起始于左上方，标注车辆位置用的也是包围盒左上方端点而非中心点

官方下载：

https://www.highd-dataset.com/ ，需要提交申请方可下载，申请周期大概一周左右。

2. INTERACTION 数据集

美国加州伯克利大学提供的数据集。数据非常多样化，体量也很大，包括了中国，美国，德国，保加利亚的并道、十字路口、环岛场景。总计12张地图，官方提供了Lanelet2格式的，已标注交通规则已对齐。其他细节见文章开头表格。10Hz的采样频率。

DR开头的数据为无人机采集，TC则是路边摄像头，TC开头的那个场景也是唯一的有信号灯十字路口场景。如果做决策任务的话，几乎不需要任何额外的数据预处理。

官方下载：

https://interaction-dataset.com/

一般要一周左右的回复时间。

3. InD 数据集

德国亚琛大学的LevelX数据集的无信号灯十字路口部分。总计采样4个地点，都在亚琛附近，无人机采集。总计10小时，13500+条轨迹，25Hz的采样频率。提供了lanelet2格式的地图，对齐过，但是标的不是很详细。

官方下载：

https://www.ind-dataset.com/  

一般要一周左右的回复时间。

4. RounD 数据集

德国亚琛大学的LevelX数据集的环岛部分。总计采样3个地点，都在亚琛附近，无人机采集。总计6小时，13700+条轨迹，25Hz的采样频率。提供了lanelet2格式的一张地图。

官方下载：

https://www.round-dataset.com/

一般要一周左右的回复时间。

5. Argoverse 

Argoverse数据集是由Argo AI、卡内基梅隆大学、佐治亚理工学院发布的用于支持自动驾驶汽车3D Tracking和Motion Forecasting研究的数据集。数据集包括两个部分：Argoverse 3D Tracking与Argoverse Motion Forecasting。

Argoverse 1包括了320小时的数据，人为划分成了323 557个5秒的场景，对交通参与物的品种划分比较迷惑。10Hz的采样频率；Argoverse 2包括了763小时的数据，人为划分成了250 000个11秒的场景。交通参与物共10种。10Hz的采样频率。

下载地址：

https://www.argoverse.org/data.html#download-link

6. Mirror-Traffic

由清华大学苏州汽车研究院和江苏智能网联汽车创新中心联合发布，从中国真实道路交通数据中，运用图像识别与追踪技术对真实道路图像中的交通参与物进行识别与跟踪，并对提取后的轨迹进行过滤与筛选，最终得到各类车辆、行人等轨迹数据。该数据集覆盖多种道路类型（匝道、直道、弯道、十字路口等）和多种交通流状态（车流量小、适中、拥堵等），数据中包含多种车辆类型和行人等，交通参与物轨迹精度可以达到厘米级，非常适合驾驶场景提取、驾驶场景生成、驾驶行为、意图预测类模型研发、自然驾驶行为的模仿学习、自动驾驶预测和规划算法的开发和验证、交通流（速度、密度）分析、微观交通模型仿真等研究。

官方下载：

http://www.scenarios.cn/html/dataset.html 

7. Lyft数据集

Lyft数据集是目前最大的交通agent数据集合。该数据集包括自主车队遇到的汽车、自行车者、行人和其他交通agent的运动日志，非常适合训练运动预测模型。 具体包括：小时的交通代理运动。（1000+）；来自 23 辆车的数据（16K）；语义图注解（15K）。

获取地址：

https://level-5.global/data/

8. Ubiquitous Traffic Eyes

由东南大学交通学院李志斌教授团队开源的车辆轨迹数据集，采用无人机航拍+CV算法提取车辆轨迹。目前包括四个快速路匝道的轨迹数据，它可以支持交通流特征分析、交通运行建模、驾驶行为分析、交通安全判别等研究。

下载地址：

http://seutraffic.com/

9. TJRD TS

由同济大学交通运输工程学院王俊骅教授团队开源的全域轨迹数据，轨迹数据收集自边缘盒和传感器，包括沿路段安装的毫米波雷达和激光雷达，实现了多目标检测与跟踪、轨迹拼接和边缘计算等技术。数据在轨迹精度、路段长度和数量、采集时间、数据内容（包括气象、路面水膜、道路线形等数据）方面，远优于美国的NGSIM数据，共享每0.1秒道路全域所有在途车辆轨迹。

下载地址：

http://tjrdts.linknova.cn