本数据集的数据来源自广州市黄埔区332个路口的3497个智能网联感知设备、332个V2X路侧通信单元对路侧原始图像进行数字化处理，识别路口范围内机动车、非机动车、行人、交通设施交通对象识别结果，形成实时交通信息的孪生数字信息，适用于智能交通管理、自动驾驶算法训练、交通仿真建模、城市规划分析等领域，为智慧城市建设提供高质量的交通基础数据支撑。

1、数据采集：由路侧智能设备采集，传送至边缘计算单元AI识别与数据初处理，再将处理后数据通过边缘计算单元的防火墙，传至系统引擎平台存储，再通过各场景AI识别模型，生成结构化数据。 2、数据加工处理：采用了Hadoop及其他如Kafka、Flink、Hive、Apache Impala等工具，编写代码对数据进行处理加工，生成可对外提供的数据，再通过API接口对外传输数据。 3、脱敏处理：严格执行《个人信息保护法》和GB/T 35274-2017《信息安全技术 个人信息安全规范》，去标识化处理，所有人脸、车牌信息实时模糊化；轨迹匿名：使用相对坐标系统，不记录绝对地理位置；属性泛化：年龄信息仅保留"儿童/成人/老人"等分类标签。

本数据集通过构建实时、精准的黄埔区路口数字孪生体，通过多路口联动，拼接碎片化信息，形成车辆、非机动车和行人的连续轨迹分析，实现对复杂交通行为的深度洞察与预测。 1.智慧交通管理：实时交通态势感知、信号灯智能优化、拥堵治理决策； 2.自动驾驶研发：自动驾驶算法训练测试、车路协同系统开发； 3.城市规划设计：交通流量分析、路网规划评估、基础设施优化； 4.交通安全研究：交通行为分析、事故预警预防、应急管理、精准执法、事故分析。

data_id timestamp intersection_id object_id object_type position_x position_y speed heading trajectory_id behavior current_action is_occluded confidence bounding_box additional_attributes GZHP_Data_001 2023-10-27 08:30:15.120 GZHP_Intersection_001 OBJ_A_001 car 125.4 308.7 42.5 175 TJ_A_001 moving_straight moving FALSE 0.98 (100,200,150,250) lane: 2; color: white; GZHP_Data_002 2023-10-27 08:30:15.120 GZHP_Intersection_001 OBJ_B_001 electric_bike 80.1 450.2 18.3 265 TJ_B_001 waiting_for_red_ligh 附件下载

字段 字段类型 字段说明 data_id 字符串 唯一标识，数据追溯及管理 timestamp 日期时间 数据采集时间戳 intersection_id 字符串 路口唯一标识 object_id 字符串 交通对象唯一标识 object_type 分类字符串 交通对象类型分类 position_x 浮点数 对象在自定义坐标系中X轴坐标 position_y 浮点数 对象在自定义坐标系中Y轴坐标 speed 浮点数 对象瞬时运动速度（公里/小时） heading 整数 对象运动方向/航向角（度） trajectory_id 字符串 运动轨迹唯一标识，关联同一对象连续运动轨迹 behavior 分类字符串 基于算法推断的语义化行为描述 current_action 分类字符串 当前动作状态简化分类 is_occluded 布尔值 标识对象是否被遮挡 confidence 浮点数 识别结果的置信度评分（0-1） bounding_box 字符串 图像中对象边界框坐标 additional_attributes 键值对字符串 扩展属性信息，以键值对形式存储的附加特征