CCSATC601大數(shù)據(jù)技術標準推進委員會I本報告版權(quán)屬于CCSATC601大數(shù)據(jù)技術標準推進委員會，并應注明“來源：CCSATC601大數(shù)據(jù)技術標準推進委員編制說明）：合信息科技有限公司、深圳數(shù)據(jù)交易所有限公于厘清數(shù)據(jù)集建設目標、適用對象、建設現(xiàn)狀，以及高質(zhì)量數(shù)據(jù)集建設原則與實施路徑，解析典型案例與實踐，展望未來發(fā)展新趨勢，旨在為交通行業(yè)企業(yè)建設高質(zhì)量數(shù)據(jù)集提供有實操價值的指導和參考。限于編寫時間、編寫組知識積累水平有限等因素，報告中存在不足之 2 5 7 7 —V4.1交科院：交科智匯-交通政策法規(guī)與 42 隨著城市化進程的加速，城市人口急劇增長，交通流量大幅攀升，交通擁堵、事故頻發(fā)、能源消耗過高、運營效率低下等問題日益凸顯。數(shù)智化轉(zhuǎn)型成為解決交通行業(yè)諸多難題的關鍵路徑。全球范圍內(nèi)，智能網(wǎng)聯(lián)汽車、自動駕駛技術及智慧交通系統(tǒng)的快速發(fā)展，倒逼行業(yè)向數(shù)智化轉(zhuǎn)型。數(shù)智化不僅是技術迭代，更是交通系統(tǒng)從被動響應向主化數(shù)據(jù)接口與工具組件，通過高質(zhì)量數(shù)據(jù)集持續(xù)提升AI模型、智能等應用場景能力與技術要求所遵循的標準型數(shù)據(jù)和運行所產(chǎn)生的業(yè)運營等應用場景能力與技術要求所遵循的標準型數(shù)據(jù)和運行所產(chǎn)生系統(tǒng)“數(shù)字孿生”的核心載體。它基于真實路網(wǎng)結(jié)構(gòu)和動態(tài)需求參數(shù)據(jù)，構(gòu)建覆蓋“感知-分析-決策-控制”全鏈條的高質(zhì)量數(shù)據(jù)集，條件、海關通關記錄及成本波動等，構(gòu)建覆蓋“運輸-倉儲-中轉(zhuǎn)-交付”寫技術交底書/專利檢索式、一鍵生成技術預研報告/調(diào)研報告等模型行政許可和處罰、從業(yè)單位/人員/項目等信息構(gòu)建高質(zhì)量數(shù)據(jù)集，開123注釋組成，包括圖像級別標記、對象邊界框、可行駛區(qū)域、車道標記和全幀實4學虛擬場景合成圖像數(shù)據(jù)集，由來自虛擬城市的9400個多視點照片級真實幀組5德國交通標志基準測試數(shù)據(jù)集，涵蓋了不同天氣、光照和視角下的標志圖像，6車輛檢測數(shù)據(jù)集，包括21250輛車的等類別信息，可被用作于圖像檢測分類78道路交通圖像數(shù)據(jù)集，包含市區(qū)、鄉(xiāng)村和高速公路等場景采集的真實圖像數(shù)地方層面，湖北省供應鏈物流公共信息服務股份有限公司提供的“公路運費貸數(shù)據(jù)集”入選湖北省首批行業(yè)高質(zhì)量數(shù)據(jù)集；佳都科技集團有限公司提供的“交通行業(yè)視頻圖像智能分析數(shù)據(jù)集”、廣東中建普聯(lián)科技股份有限公司提供的“全國公路工程建材市場價數(shù)據(jù)集”等入選廣州首批行業(yè)高質(zhì)量數(shù)據(jù)集；泉州交發(fā)集團權(quán)屬數(shù)據(jù)集團報送的“公交車輛時空軌跡與刷碼乘車數(shù)據(jù)集”和福州豆訊科技有限公司報送的“智能交通多模態(tài)綜合數(shù)據(jù)集”入選福建首批人工智能行業(yè)高質(zhì)量數(shù)據(jù)集；常熟市交通運輸產(chǎn)業(yè)發(fā)展有限公司提供的“常熟行智能交通數(shù)據(jù)集”入選蘇州首批行業(yè)高質(zhì)量數(shù)據(jù)集；“路側(cè)信息數(shù)據(jù)集”、“路“車路協(xié)同智慧交通數(shù)據(jù)集”等入選天津第一、二批行業(yè)高質(zhì)量數(shù)據(jù)集；武漢市交通運輸局智能交通中心的“公共交通多網(wǎng)融合數(shù)據(jù)集”以及武漢車網(wǎng)智能測試運營管理有限公司的“智能網(wǎng)聯(lián)自動駕駛車輛軌跡數(shù)據(jù)集”入選武漢市首批高質(zhì)量數(shù)據(jù)集。中國交通建設集團有限公司建設的交通基礎設施多模態(tài)三維構(gòu)件數(shù)據(jù)集入選國務院國資委首批央企人工智能行業(yè)高質(zhì)量數(shù)據(jù)集優(yōu)秀建清華大學蘇州汽車研究院和江蘇智能網(wǎng)聯(lián)汽車創(chuàng)新中心聯(lián)合發(fā)布含多種車輛類型和行人信息等。東南大學聯(lián)合國家電網(wǎng)在《ScientificData》期刊正式發(fā)布了一套中國高分辨率電動車充電交易數(shù)據(jù)集，共需求分析方面，一是明確數(shù)據(jù)應用場景，以確保數(shù)據(jù)的采集、處智能化業(yè)務分析等。二是規(guī)范數(shù)據(jù)規(guī)格，根據(jù)使用場景確定數(shù)據(jù)類型數(shù)據(jù)集所需的質(zhì)量模型，包括明確所需數(shù)據(jù)的質(zhì)量要求（如時效性、準確性、完整性、一致性等定義質(zhì)量標準以及初步評估數(shù)據(jù)集應達到的質(zhì)量水平。四是檢詢數(shù)據(jù)集建設中數(shù)據(jù)的可獲得性，確定數(shù)據(jù)獲取的方式，包括盤點內(nèi)部數(shù)據(jù)資源、外部數(shù)據(jù)來源，進行數(shù)據(jù)合規(guī)存儲格式（如關系型數(shù)據(jù)庫、非關系型數(shù)據(jù)庫、數(shù)據(jù)倉庫等規(guī)劃數(shù)據(jù)采集階段主要是收集用于交通行業(yè)特定人工智能應用的數(shù)性的關鍵核心環(huán)節(jié)，涉及數(shù)據(jù)去噪、異常值/缺失值/重復值處理、數(shù)數(shù)據(jù)異常值檢測與處理：可采用孤立森林（IsolationForest）或例如：基于箱線圖法或3σ原則剔除離群點，來加強交通數(shù)據(jù)異常值LightGBM模型預測缺失的激光雷達點云數(shù)據(jù)，或者通過歷史軌跡預數(shù)據(jù)庫元交通監(jiān)控數(shù)據(jù)（如車輛度(唯一主鍵記錄數(shù)+非空主鍵記錄數(shù)據(jù)庫約車輛登記信息、交通設施唯一標識管理；例如匹配外鍵記錄數(shù)/總外鍵記錄數(shù)數(shù)據(jù)庫關交通路網(wǎng)拓撲數(shù)據(jù)、路網(wǎng)聯(lián)通率、交叉口信號率業(yè)務規(guī)則率/抽詢總記錄數(shù)人工標注多模態(tài)交通事件數(shù)據(jù)例如物體類別/行為標簽例符合格式記錄數(shù)正則表達時空數(shù)據(jù)格式符合率例統(tǒng)一性、地理坐標格式數(shù)據(jù)集成同系統(tǒng)中同一實體數(shù)據(jù)理論最晚更新時數(shù)據(jù)流水實時交通流量數(shù)據(jù)（延據(jù)數(shù)據(jù)去重車輛出行記錄重復（如率符合范圍記錄數(shù)業(yè)務規(guī)則車速合理性、交通信號異常值記錄數(shù)/不在范圍內(nèi)等，用于檢符合規(guī)范的元數(shù)元數(shù)據(jù)管交通數(shù)據(jù)集字段描述要義為“每小時通過某路率合規(guī)訪問記錄數(shù)/總訪問記錄數(shù)權(quán)限管理敏感交通數(shù)據(jù)（如車牌率數(shù)據(jù)脫敏例如交通監(jiān)控視頻中車牌信息、駕駛員面部信高高中高），高中中高MP4格式，照片采用JPEG格式，并進行適當?shù)膲嚎s處理，以減少提升數(shù)據(jù)預處理效率。針對交通數(shù)據(jù)中的噪聲數(shù)據(jù)、異常數(shù)據(jù)，引入機器學習模型進行智能識別與修正。優(yōu)化數(shù)據(jù)標注流程，通過半自動化標注工具和多輪交叉審核機制，提高標注準確性和一致性。定期評估數(shù)據(jù)質(zhì)量指標，根據(jù)評估結(jié)果調(diào)整數(shù)據(jù)處理策略，不斷提升數(shù)據(jù)集質(zhì)量。例如，若發(fā)現(xiàn)交通流量數(shù)據(jù)缺失率較高，可優(yōu)化傳感器布局或詳細記錄更新內(nèi)容、更新時間、更新人員等信息。通過數(shù)據(jù)快照進行版本追溯和回滾，方便追溯數(shù)據(jù)歷史變化，確保數(shù)據(jù)的可追溯性和穩(wěn)定性。完善元數(shù)據(jù)管理，在數(shù)據(jù)更新過程中，同步更新元數(shù)據(jù)信息，交通運輸政策法規(guī)和標準規(guī)范是行業(yè)政務信息和科技信息的重效/廢止法律法規(guī)數(shù)據(jù)，并且通過人工標注梳理了數(shù)據(jù)狀態(tài)和替代歷本數(shù)據(jù)集來源于中交數(shù)字化構(gòu)件資源庫系統(tǒng)（以下簡稱“構(gòu)件該數(shù)據(jù)集已支撐算法模型3個，包括三維結(jié)構(gòu)深度學習分類算習分類算法與BLIP2雙模態(tài)對齊算法已成功應用于BIM構(gòu)件資源的較人工審核準確率提升14個百分點至90%；極致效率審核：結(jié)合文b.施工與運營場景生成智能機器人提供了交通基礎設施領域高精度的環(huán)境感知和語義理解鐵路計算機視覺大模型作為支撐鐵路智能化轉(zhuǎn)型的關鍵技術，對高質(zhì)量、大規(guī)模的視頻圖像數(shù)據(jù)集有著迫切的需求。傳統(tǒng)鐵路監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)分散、實時性差、標注不足等問題，制約了計算機視覺技術在鐵路領域的應用效果。為提升鐵路運輸安全、移動裝備檢測、站場設施管理及作業(yè)施工監(jiān)控等能力，亟需整合并積累覆蓋廣泛鐵路應用視頻系統(tǒng)及貨車故障軌邊圖像檢測系統(tǒng)（TFDS）等多渠道，實時采域的數(shù)據(jù)集，包含正常與異常樣本共計超270萬張（其中正常樣本北京市高級別自動駕駛示范區(qū)基于自動駕駛車輛測試運營過程數(shù)據(jù)集，已經(jīng)有9項研究成果發(fā)表于人工智能領域的頂級會議（如車輛安全數(shù)據(jù)集依托中國汽研在車輛安全性研究方面的資源積境參數(shù)、交通流量等多維數(shù)據(jù)。依托“端側(cè)智能算法預處但現(xiàn)有4D標注主要依賴人工，效率低下。為解決此問題，如祺出行引入AI模型進行預標注，通過不斷優(yōu)化目標檢測模型，利用自有數(shù)數(shù)據(jù)集采用AI預標注與人工標注相結(jié)合的標注模式。先由AI