Qpu523/VPSCI-Dataset

🚦 VPSCI データセット – 車両と歩行者の安全クリティカルなインタラクション・データセット

概要 – 都市部の交差点における車両と歩行者のニアミスインタラクションの大規模かつ高解像度なデータセットです。データは、まず実世界のニアミス記録で事前学習を行い、次にCARLAドライビングシミュレータ内でオンライン学習で精錬された、3段階の強化学習パイプライン（MA-SST-DDPG）を用いて生成されました。さらに、198k以上のインタラクション・エピソードが合成合成されました。

重要性 – 自動運転車両の研究には、知覚、予測、および計画モジュールを訓練・評価するために、現実的で安全クリティカルなシナリオが必要不可欠です。既存の公開データセットには、ニアミス（接近）イベントが比較的少ないため、险(near-miss)イベントが比較的少ないため、VPSCIは、人間によるチューリングテストを通じて実世界のビデオと区別がつかないことが証明された、数千の多様で高頻度の軌跡を提供することで、そのギャップを埋めることができます。

📚 コア・コンテンツ

項目	詳細
シナリオ	CARLA Town10における2つの交差点レイアウト（A & B）、それぞれ4つの右折車両 / 横断歩行者方向（計8つ）。
エピソード	各CSVファイルにつき10,000エピソード以上（≈ 2.6 km 歩行者パス、1.7 km 車両パス）、20Hzで記録。
フィールド	`count`, `frame`, `veh_id`, `ped_id`, `position_x_av`, `velocity_y_ped`, `CurvTTC` …（完全なリストは付属の論文を参照）。
サイズ	全8つのシナリオ・ファイルにわたる約198,000インタラクション・エピソード。
ビデオ	生成されたインタラクションを示す144個のサンプルビデオ（ダウンロードリンクを提供）。
人間による評価	51名の参加者がリアリズムを評価；生成されたビデオは統計学的に実世界の記録と区別がつかない（p = 0.93）。

🛠️ データの作成方法

ステージ1 – 事前学習 – マルチエージェント状態空間Transformer-enhanced DDPG（MA-SST-DDPG）エージェントが、厳選された実世界のニアミス・イベントから回避行動を学習します。
ステージ2 – オンライン学習 – エージェントはCARLA内で学習を継続し、様々な高リスク状況に遭遇することで、シミュレーションと現実のギャップを縮小します。
ステージ3 – 大規模生成 – 精錬されたエージェントがシミュレーション上の交差点において走行し、すべてのインタラクション・エピソードを自動的に記録します。

📥 データの取得方法

サブセット	歩行者の横断方向	ダウンロードリンク
1	南 → 北	[OneDrive link]
2	北 → 南	[OneDrive link]
3	東 → 西	[OneDrive link]
4	西 → 東	[OneDrive link]
5-8	2つ目の交差点レイアウトにおける同じ4つの方向	[OneDrive links]

（各リンクは、そのサブセットのエピソードを含むCSVファイルへ繋がります。）

🎬 サンプルビデオ

インタラクションの動作を確認するために、144個のビデオのフォルダがダウンロード可能です：[Download video collection].

📊 評価（チューリングテスト）

比較グループ	t-statistic	p-value	KS-statistic	p-value	有意性？
CARLA ベースライン vs. MA-SST-DDPG	-13.5	<0.0001	0.4951	<0.0001	はい
CARLA ベースライン vs. 実世界	-13.63	<0.0001	0	<0.0001	はい
MA-SST-DDPG vs. 実世界	-0.09	0.9282	0.0588	0.8732	いいえ

生成されたビデオと実世界のビデオの間に有意な差がないことは、データセットの忠実度が高いことを裏付けています。

📖 引用

データセットまたは生成方法を使用する場合は、以下を引用してください：

@article{pu2027generating,
  title   = {Generating realistic safety--critical scenarios for vehicle--pedestrian interactions},
  author  = {Pu, Qingwen and Xie, Kun and Zhu, Yuan and Zhai, Guocong},
  journal = {Transportation Research Part C: Emerging Technologies},
  volume  = {194},
  pages   = {106002},
  year    = {2027},
  doi     = {10.1016/j.trc.2026.106002},
  url     = {https://www.sciencedirect.com/science/article/pii/S0968090X26004882}
}

🙋‍♂️ 連絡先

Kun Xie – kxie@odu.edu
Qingwen Pu – qpu001@odu.edu

⭐ Star history

[Star history chart] (リポジトリによって自動生成）。

結論： VPSCIは、シミュレーション生成でありながらリアリズムが検証済みである、車両と歩行者のニアミス軌跡の即戦力となるコレクションを提供します。自動運転研究における知覚、予測、および計画モデルのベンチマークとして理想的です。