实车采集成本高、周期长，不同车型还难以复用——智能网联汽车算法训练的这一“老大难”，如今有了新解法。近日，北京车网依托北京市双智城市创新示范区路侧数据，推出复杂交通流博弈数据集，将路侧真实发生的交通博弈场景，转化为匹配车端传感器规格的标准化训练数据，为智能网联汽车企业提供长尾场景挖掘、真实工况验证、定制化视角输出的数据支持服务。目前，该数据集正开放合作对接。
真实场景 精准锁定长尾需求
该数据集中的所有场景均来自路侧真实采集，经脱敏后完整保留真实交通中车辆、行人、非机动车的交互逻辑、驾驶行为差异与环境干扰，而非规则化仿真生成的理想工况。每个交通参与者都附带轨迹、速度、航向角、几何尺寸等全量结构化标签，还原真实道路博弈过程。相比仿真数据，基于真实场景数据训练的算法能够更好地适配真实道路的不确定性，缩小训练环境与真实落地场景的差距。
与此同时，智能网联汽车算法在真实道路中的表现，很大程度上受长尾冲突场景样本储备的制约。该数据集已开发出覆盖变道冲突、合流冲突、前车紧急停车、多车道连续穿插等10类冲突子场景，支持按环岛、十字路口、无灯路口等路口类型和冲突类型组合筛选所需路口场景，便于用户精准锁定目标场景。
定制视角 按配置重构车端画面
视角重构是这套数据集区别于常规数据集的核心特色。它将路侧“上帝视角”的感知数据，重构为匹配企业硬件配置的车端视角数据，解决企业路采数据规格固定、无法复用于其他车型的问题。
基于多视角路侧视频，北京车网通过自动语义分割、动静态场景重建和视觉增强技术，可生成视觉参数可调的车端视频，并针对重建过程中易出现的画面空洞、边缘毛刺等常见问题做了专项优化。比如支持调整位姿、视场角、分辨率等参数配置，可输出前视长焦、右前视、后视等多路视角数据，适配轿车、SUV等不同车型。同时，输出数据都完成了标准化处理，无需额外清洗与标注，可对接主流算法研发流程。
效果验证 表现接近实采水平
复杂交通流博弈数据集同步保留真实场景视觉特征、多目标精确轨迹与交通博弈语义标注，可同时适配模块化训练与端到端大模型训练两种研发范式。这意味着，该数据集既可拆分用于感知、规控等分模块的训练与基准测试，也可将完整时序数据直接输入端到端模型，让其学习人类驾驶员的真实决策逻辑。
在测试阶段，由于行业暂无公认的统一评测体系与判定准则，北京车网采用同场景对照的方式验证效果：同一场景下，路采车在真实路口跑一遍的同时，通过路侧摄像头数据对路采车进行视角重建，将两组数据输入同一模型对比识别率。结果显示，SegFormer-B5语义分割模型识别率差值-0.4，TwinLiteNet+车道检测模型识别率差值-0.7，差距均小于1%。该结果说明，该数据集的数据能在一定程度上替代实采数据，用于辅助企业补充高价值场景样本、加速算法迭代。
下一步，北京车网将持续联合企业在实际训练链路中开展验证，并推动形成更适配该类数据的评测方式。随着复杂交通流博弈数据集合作对接的开放，北京车网还能根据企业研发需求提供定制化数据服务。
