本数据集来自”阿里巴巴高德地图AMAP-TECH算法大赛-基于车载视频图像的动态路况分析“挑战赛：https://tianchi.aliyun.com/competition/entrance/531809/information，由阿里巴巴高德提供。
高德地图每天会为用户提供海量的定位和路线导航规划服务，其所提供的路况状态信息（即道路交通是拥挤、缓行还是畅通）的准确性会影响到用户在出行过程中的决策和体验。传统的路况状态主要依靠驾车用户的轨迹信息生成。在用户少、驾驶行为异常的道路上，这种方法难以保证路况状态的准确性。
车载视频图像包含了更多的信息量，给了我们另外一个解决问题的视角。通过视频或图片，可以观察到路面的真实状态，包括机动车数量、道路宽度和空旷度等等。基于车载视频图像可以获取更准确的路况状态，为用户出行提供更高质量的服务。
算法研究人员可以通过计算机视觉等人工智能算法，基于视频图像中识别到的路面信息来判断道路通行状态，提高道路路况状态判断的准确性，从而提升高德地图用户的出行体验。
路况：根据道路的平均车速、道路等级。对道路上车辆通行状态的描述，分为畅通、缓行、拥堵三个等级，在高德地图上显示为绿色、黄色、红色，如下图所示。
参考帧：存在图像序列内路况状态渐变的情况，每个图像序列存在一副参考帧图像，参考帧时刻的路况状态为该图像序列的真值路况状态。
- 输入：给定一组含有GPS时间的图像序列（包含3~5帧图像），其中一幅图像作为参考帧。
- 输出：以参考帧为准，输出该图像序列对应的路况状态（畅通、缓行和拥堵）。
如下图所示，该序列包含3帧图像，其中第3帧图像为参考帧。算法需要基于整个序列，推断路况状态。当图像序列内的路况状态不一致时，以参考帧为准。
图像序列由行车记录仪拍摄，路况真值（ground truth）是对应道路当前时刻真实的路况状态。大部分场景下，前方车辆的数量和密度决定了路况状态，但是也存在一些其他情况工参赛选手参考：
- 行驶道路存在大量路边停车，但不影响车辆行驶，实际路况状态为畅通。
- 跟车距离较近，前车遮挡视野内道路的情况，影响对当前路况的判断。
- 行驶在双向道路上，对向车道拥堵，形式车道路况状态为缓行或畅通。
- 相机安装存在角度偏差，可能会影响路况判断。
初赛数据集包括训练集和测试集。训练集合有1500个序列，共约7000幅图像；测试集合为600个序列，共约2800幅图像。预赛数据集包含不同等级的道路，包含高度路、城市快速路、普通道路等。路况真值类型的分布情况约为畅通70%、缓行10%、拥堵20%。路况真值主要基于参考帧标注。路面车辆较多的情况下，在标注时结合了序列中其他帧的信息。
数据组织是以图像序列为单位，每个文件夹包含参考帧和其前后相邻帧的图像序列，图像序列最多为5帧图像。
提供数据中包含以下信息：
- 图像序列的参考帧图像名
- 图像序列的路况
- 0：畅通、1：缓行、2：拥堵、-1：测试集真值未给出
- 每帧图像采集时刻的GPS时间
- 单位为秒。如GPS时间 1552806926 比 1552806921 滞后5秒钟
提供JSON格式标注文件，具体数据格式示意如下：
{
"annotations": [
{
"id": "000001",
"key_frame": "2.jpg",
"status": 0,
"frames": [
{
"frame_name": "1.jpg",
"gps_time": 1552806921
},
{
"frame_name": "2.jpg",
"gps_time": 1552806926
},
{
"frame_name": "3.jpg",
"gps_time": 1552806931
},
{
"frame_name": "4.jpg",
"gps_time": 1552806936
}
]
},
{
"id": "000002",
"key_frame": "3.jpg",
"status": 2,
"frames": [
{
"frame_name": "1.jpg",
"gps_time": 1555300555
},
{
"frame_name": "2.jpg",
"gps_time": 1555300560
},
{
"frame_name": "3.jpg",
"gps_time": 1555300565
},
{
"frame_name": "4.jpg",
"gps_time": 1555300570
},
{
"frame_name": "5.jpg",
"gps_time": 1555300580
}
]
}
]
}amap_traffic_train：训练集标注数据，以文件夹名称为key，内阁文件夹中包含一段35帧的jpg格式的图像序列，并按照顺序以15.jpg的顺序依次存放。amap_traffic_annotations_train.json：训练集标注数据，按照顺序依次存放，以文件夹名称为key，序列的标注为value，标注格式说明请查看“数据格式”部分。amap_traffic_test：初赛测试集视频序列。amap_traffic_annotations_test.json：初赛测试集待提交文件，其中标注status默认为-1，给出各序列关键帧信息。