BDD100K数据集。BDD100K（Berkley DeepDrive 100K）是一个大规模的自动驾驶数据集，由加州大学伯克利分校的Berkley DeepDrive项目团队创建。该数据集旨在为自动驾驶研究提供大量的真实世界驾驶场景数据。 BDD100K数据集包含超过10万个视频序列，涵盖了不同地点、不同天气条件、不同场景的驾驶情况。每个视频序列都配备了高分辨率的前置摄像头记录的图像和对应的传感器数据，如GPS位置、车辆速度、车辆加速度等。这使得研究人员可以在真实世界的多样化驾驶场景中进行算法和模型的测试和评估。 BDD100K数据集主要关注场景理解和目标检测任务。它提供了包括车辆、行人、自行车、交通标志等多个类别的标注边界框。此外，数据集还提供了语义分割标注，用于对图像进行像素级别的分类。这使得研究人员可以进行更细粒度的场景理解和分析。 BDD100K数据集的规模和多样性使得它成为自动驾驶研究和算法开发的重要资源。研究人员可以利用该数据集进行目标检测、语义分割、行为预测等任务的训练和评估。一共上传的是7万张图片以及对应的标签（json格式），需要进行格式转换。图片过大传不了

交叉路口是道路的枢纽, 影响道路畅通的瓶颈。本文以相邻的两个交叉路口作为研究对象, 分析挖掘相邻路口之间的历史交通数据,同时构建多元线性回归的模型对两路口之间的车流量进行预测。研究结果表明,相比只考虑车流量的单因素预测基础上加入限号、天气因素能更加准确地预测未来5到15分钟的车流量。

深圳公路交通数据集，可以用来机器学习预测交通数据流量

Java智能交通数据分析系统源码.zip

2017美国NHTS数据

OpenTransit指标MVP 欢迎使用OpenTransit！ 我们是一个由志愿者组成的团队，他们使用开放数据来改善世界各地的公交系统。 成立于2017年，我们是一个由数十名工程师，运输迷，数据爱好者，产品经理，营销人员以及其他人员组成的团队，分布在世界各地，但主要基地位于旧金山和俄勒冈州的波特兰。 或了解我们的上级组织 。 如果您想与我们合作，请联系我们的Slack频道！ 并找到#opentransit频道。 我们很高兴与世界各地的运输机构，记者和其他数据迷合作。 有关加入我们的贡献者团队的说明，请参见下文。 关于这个仓库 此回购用于，该使用历史公交数据来帮助骑手，公交拥护者和公

此数据可以用于进行关联规则算法分析，需要的自取，请勿商用

一种基于张量的交通数据补全方法

1.实拍交通标志已标注数据集1万张——内含txt版本。 2.本数据集含有45类标志，有关联ID。 3.数据集适合yolo系统算法使用，内部已经把txt信息都转换好了，看个人需求使用。 4.数据集多为实拍，精度够，并且本人亲自训练过后，检测精度可以达到98%（50轮）。 有需要指导可私信博主；包含深度学习框架和训练好的文件分享 采集的真实场景的数据，标注后可以用于交通标志物检测 手工标注范围良好，适合高精度目标识别 可以直接用于YOLO系列的交通灯目标检测检测；数据场景丰富

JT T 697.11-2015 交通信息基础数据元 第11部分：船舶检验信息基础数据元 word版