2023年5月11日，北京市高级别自动驾驶示范区联合清华大学智能产业研究院（AIR）、北京车网科技发展有限公司、百度Apollo、北京智源人工智能研究院，隆重推出全球首个基于真实道路场景的时序车路协同数据集V2X-Seq，向境内用户提供下载使用。该数据集填补了目前业界真实道路场景车路协同时序数据集的空白，有效加速车路协同时序感知和车路协同轨迹预测研究。

自2022年2月发布第一期车路协同数据集DAIR-V2X以来，该数据集已受到学术界和产业界的广泛关注。清华大学、北京大学、中国科学院大学、上海交通大学等知名高校，中国电信研究院等研究机构，以及各类企业共计超过200家，均对该数据集给予了高度的关注和认可。截至目前，DAIR-V2X数据集已经在国内注册用户中积累了超过2000人，下载量近3万次。基于DAIR-V2X数据集的研究已经有多项成果发表在CVPR、NeurIPS、ICLR、ICRA等人工智能领域的顶级会议上。这些成果的发表，不仅展示了DAIR-V2X数据集的研究价值，也充分说明了其在人工智能领域的影响力。

本次发布的第二期时序车路协同数据集V2X-Seq，由车路协同时序感知数据集和车路协同轨迹预测数据集组成，旨在支撑车路协同时序感知和车路协同轨迹预测研究。通过自研的时空轨迹匹配算法，V2X-Seq数据集提供了高质量的协同轨迹真值，为车路协同跟踪和车路协同轨迹预测相关研究提供了评测基准。同时，基于V2X-Seq数据集，定义了车路协同3D跟踪、车路协同轨迹预测相关的三个研究任务，并提供了丰富的算法基准。该数据集及相关算法成果已被CVPR2023正式接受。欲了解更多信息，请访问https://github.com/AIR-THU/DAIR-V2X-Seq 。

车路协同时序感知

车路协同时序感知数据集，包含超过1.5万对车端与路端协同视角下的时序图像和点云数据，并提供了完备的3D目标及Tracking ID标注，用于支持车路协同3D检测和跟踪任务。

车路协同轨迹预测

车路协同轨迹预测数据集，覆盖28个真实路口，包含超过20万个片段（涵盖目标轨迹、红绿灯信号等），其中路端与车端协同视角片段约5万个，每个片段时长10秒，按照10HZ提供8类常见障碍物目标的轨迹，用于车路协同轨迹预测任务研究。

针对目前自动驾驶数据采集制作成本过高的问题，示范区利用现有建设成果，集合“车、路、云、网、图”五大要素，全方位、多模态、多视角地收集大量数据，为学术界和产业界的研究者提供了丰富的数据资源。这些资源有助于促进车路协同自动驾驶技术的应用与优化，同时相关研究也将有助于城市提升交通运行效率和减少交通事故的发生。未来，示范区将在数字中国和交通强国战略指导下，持续与产学研各界协同开展数据权属和开放共享模式的探索，构建数据应用闭环体系，深入实践车路云一体化技术路线，持续推进车路协同落地应用。

编辑：陈丽君