PDB: Not All Drivers Are the Same -- A Personalized Dataset for Understanding Driving Behavior
作者: Chuheng Wei, Ziye Qin, Siyan Li, Ziyan Zhang, Xuanpeng Zhao, Amr Abdelraouf, Rohit Gupta, Kyungtae Han, Matthew J. Barth, Guoyuan Wu
发布时间: 2025-03-11
来源: arxiv
研究方向: 个性化驾驶行为分析
主要内容
本文介绍了PDB（个性化驾驶行为）数据集，该数据集旨在通过收集多模态数据来分析个体驾驶行为。该数据集旨在解决现有驾驶数据集中忽视个体差异的问题，并提供了在可控条件下研究个性化驾驶行为的框架。
主要贡献
1. 提供了一个全新的个性化驾驶行为数据集PDB，该数据集包括多模态数据，如车辆动态、驾驶员生物识别和轨迹信息。
2. 通过在可控条件下收集数据，PDB能够分离出驾驶员特定模式与一般交通影响，从而更好地研究个性化驾驶行为。
3. PDB为驾驶员识别、风险评估和个性化轨迹预测提供了结构化框架，有助于发展以人为本的智能交通系统。
4. PDB有助于开发类似人类的自动驾驶技术，这些技术能够考虑个体差异，提高未来移动解决方案的安全性和用户体验。
研究方法
1. 多模态数据收集：包括128线激光雷达、前向摄像头视频、GNSS、9轴IMU、CAN总线数据（油门、制动、转向角度）以及驾驶员特定信号（面部视频和心率）。
2. 数据同步：采用ROS2框架进行数据同步，确保所有传感器数据与单个主时钟同步。
3. 传感器校准：使用张正友标定板进行相机校准，并使用基于目标的方法估计相机和激光雷达之间的外部参数。
4. 轨迹数据集构建：通过对象检测、跟踪和Kalman滤波等方法将原始传感器数据转换为结构化运动序列。
实验结果
PDB数据集包含来自12名驾驶员的451分钟驾驶记录，约270,000个激光雷达帧，1,600,000个图像和6.6 TB的原始传感器数据。该数据集为研究个性化驾驶行为提供了丰富的数据资源。
未来工作
将PDB扩展到涵盖更多样化的环境，包括不同的天气条件、道路类型和交通密度。