⚠️ KMI waarschuwing: Onweer in België Laatste update van KMI waarschuwingen voor België. KMI ↗ Kaart ↗ Artikel →
← Terug
VZCrash: Grootste publieke dataset van voertuigbotsingen voor onderzoek naar crashdetectie

VZCrash: Grootste publieke dataset van voertuigbotsingen voor onderzoek naar crashdetectie

Onderzoekers hebben VZCrash gelanceerd, de grootste publiek toegankelijke dataset van echte voertuigbotsingen met telemetriegegevens van traagheidsmeters. De dataset moet helpen bij het trainen van nauwkeurigere modellen voor het detecteren van ongevallen in real-time omgevingen.

Een team van wetenschappers, waaronder Tommaso Bianconcini en Henrique Piñeiro Monteagudo, heeft een omvangrijke verzameling gegevens over voertuigbotsingen publiekelijk beschikbaar gesteld onder de naam VZCrash. Volgens een publicatie op arxiv.org gaat het om de grootste dataset van zijn soort die gebruikmaakt van telemetrie van Inertial Measurement Units (IMU). De gegevens zijn verzameld via apparaten die over een periode van meerdere jaren waren geïnstalleerd in een vloot van 73.010 commerciële voertuigen van diverse afmetingen in de Verenigde Staten.

Samenstelling en technische specificaties

De dataset biedt een uitgebreid overzicht van zowel werkelijke botsingen als situaties waarin geen ongeval plaatsvond. In totaal bevat VZCrash meer dan 31.000 gevalideerde crashes en 158.000 negatieve monsters. Deze laatste categorie bevat ook zogenaamde 'hard cases' en distractoren, wat essentieel is om te voorkomen dat detectiemodellen foutieve meldingen geven bij abrupte bewegingen die geen botsing zijn.

Wat betreft de technische data per sample, biedt de dataset de volgende specificaties:
* Versnellingsmeter en gyroscoop: Tri-axiale gegevens met een frequentie van 100 Hz.
* GPS-snelheid: Gegevens met een frequentie van 1 Hz.
* Tijdsvenster: Elk event beslaat een periode van 16 seconden.

Zoals vermeld op de huggingface.co van de dataset, worden de IMU-gegevens periodiek gekalibreerd op basis van de rijrichting. Hierdoor wijst de X-as naar voren, de Y-as naar links en de Z-as naar boven, waarbij de Z-as in rust een waarde van 1g meet.

Wetenschappelijke impact en benchmarks

Het onderzoek dat gepaard gaat met de dataset is geaccepteerd voor de 2026 IEEE International Conference on Intelligent Transportation Systems (ITSC). In de bijbehorende studie hebben de auteurs verschillende methoden voor crashdetectie tegen elkaar afgewogen. De benchmarks variëren van eenvoudige heuristieken op basis van drempelwaarden tot geavanceerde deep learning-modellen.

Een centraal onderdeel van het onderzoek is de analyse van datavolume. De onderzoekers tonen aan dat het schalen van data cruciaal is voor het trainen van kwalitatieve modellen. Volgens de informatie op alphaxiv.org is deze schaalbaarheid vooral van groot belang wanneer modellen daadwerkelijk moeten worden ingezet in een echte verkeersomgeving, waar de complexiteit van signalen toeneemt.

Achtergrond van de onderzoekers

Het project is voortgekomen uit een samenwerking waarbij Verizon Connect een centrale rol speelde, zoals blijkt uit de informatie op alphaXiv. De onderzoekers, waaronder Leonardo Taccari en Aurel Pjetri, zijn actief in het vakgebied van computer vision en patroonherkenning. De publicatielijst van henrique.gal bevestigt dat dit werk deel uitmaakt van een bredere focus op veiligheidskritische analyse van rijgedrag en autonome systemen.

De dataset is nu publiek toegankelijk voor andere onderzoekers om de betrouwbaarheid van automatische ongevallendetectie te verbeteren, wat potentieel kan leiden tot snellere hulpverlening bij verkeersongevallen.

PexelsHuu Huynhvia Pexels
Waardering
0
Stem mee op dit artikel
Discussie
Nog geen reacties. Wees de eerste!