Making NGSIM Data Usable for Studies on Traffic Flow Theory

Abstract

NGSIM 数据集存在很多错误，需要修正。

这些技术没有适当地处理偏差的原因，并且仅限于消除影响，即数据中的高频率和中频干扰。

these techniques do not treat the cause of the bias appropriately and are limited to smoothing out the effects, which are the high and medium-frequency disturbances in the data

因此，在这项研究中，说明了导致NGSIM数据错误的机制，并展示了可用技术的局限性。然后，提供了需要特殊处理才能修复的极高误差（离群值）的澄清。提出了一个多步过滤过程，旨在(a)通过对车辆轨迹的局部重建消除导致加速度出现非物理值的离群值，以及(b)在仍保留驾驶动态的同时切断信号的残余随机干扰。两个操作都被执行，考虑到轨迹的内部一致性要求。

Background and Motivation

研究了导致NGSIM数据错误的机制，包括数据重建、技术失败和重建方法的特征。通过数字验证，发现将测量点投影到道路车道对齐是消除空间行驶偏差的基本方法，但是这种方法并没有消除相同程度的噪音。NGSIM数据集中的加速度和减速率存在不切实际的峰值和随机扰动，这些错误在流量研究中无法使用，除非采取适当的处理方法。

以数据集中车辆1882的轨迹图 为例，先消除异常值，再平均化结果（低通滤波器，巴特沃斯滤波器）

需要使用多步过滤技术依次执行以下步骤：

• 去除异常值。
• 切断速度曲线中高频和中频响应。
• 去除残余的非物理加速度值并保持一致性要求。

最终切断从第3步产生的高频和中频响应。该程序是绝对通用的，可应用于任何车辆的轨迹。