BikeDetect: Ergebnisse eines Evaluationslaufs verschiedener Modelle zur Erkennung von Radfahrenden
Published by Mobilithek
About this dataset
Der bereitgestellte Datensatz aus dem Projekt BikeDetect (FKZ: 01F1199A) umfasst die Ergebnisse eines Evaluationslaufs verschiedener Modelle zur Erkennung von Radfahrenden. Die enthaltenen Daten wurden für die weitere Analyse und Visualisierung auf Frame-Ebene (Momentaufnahme) exportiert. Die Rohdaten in Form von punktweisen LiDAR-, Radar- und Thermaldaten sind nicht Bestandteil dieses Datensatzes. Diese Daten wurden ebenfalls über die Mobilithek bereitgestellt (vgl. https://mobilithek.info/offers/1053415650235420672). Dieser hier bereitgestellte Datensatz enthält Informationen zu den Ergebnissen der Datenauswertungen der ausgewerteten Frames, den dazugehörigen Ground-Truth-Daten sowie den Ergebnissen von zehn ausgewählten Modellen (darunter mehrere Mixture of Experts und Routing-Modelle). Der hier bereitgestellte Datensatz umfasst Daten für insgesamt 143.957 ausgewertete Frames mit Zeitstempel, GPS-Koordinaten (lat, lon) und interpolierter Geschwindigkeit (speed_mps). Die Frame-Daten bilden die zeitliche und räumliche Grundlage des Exports. Ein Frame definiert ein bestimmtes Zeitintervall in den Rohdaten. Enthalten sind zudem Ground-Truth-Daten für jeden Frame mit der Angabe, ob mindestens ein Radfahrer vorhanden ist (gt_positive). Zusätzlich angegeben ist die Anzahl rekonstruierter Radfahrerinstanzen (gt_instance_count) sowie Distanz und Winkel zum nächstgelegenen Radfahrer aus Perspektive des am Messfahrzeug angebrachten Sensors. Der Datensatz enthält weiterhin Informationen zu den zehn ausgewählten Modellen. Dazu zählen unter anderem die verwendete Sensorkombination (combo_name), die Modellfamilie (model_name), der Modellrang und die verwendeten Entscheidungsschwellen. Die Modelle basieren auf unterschiedlichen Kombinationen der Eingangsdaten, bestehend aus 360°-LiDAR, Radar, Thermal/Infrarot und GPS. Der Datensatz enthält außerdem Modellvorhersagen für jede Kombination aus Modell und Frame. Insgesamt sind 1.439.570 Modell-Frame-Kombinationen enthalten. Neben dem Modell-Score werden die Vorhersagen als True Positive (TP), False Positive (FP), False Negative (FN) oder True Negative (TN) klassifiziert. Zusätzlich sind Informationen zu False-Positive-Vorhersagen, Distanzen sowie Winkel des Radfahrenden zum Messfahrzeug und Geschwindigkeiten (Messfahrzeug, Radfahrer relativ zum Fahrzeug) enthalten. Enthalten sind zudem direkte und zeitlich projizierte Vorhersagen. Bei direkten Vorhersagen handelt es sich um die eigentlichen Vorhersagen des jeweiligen Modells. Zeitlich projizierte Vorhersagen filtern nicht relevante Vorhersagen heraus. Die direkte Auswertung (direct) basiert auf einer unmittelbaren Übereinstimmung zwischen vorhergesagten und tatsächlich als Radfahrer gekennzeichneten Daten. Bei der projizierten Auswertung (projected) können kurze Erkennungslücken auf Grundlage der Fahrzeuggeschwindigkeit zeitlich überbrückt werden. Ereignissegmente, in welchen aufeinanderfolgende Frames mit gleicher Modellvorhersage und Klassifikation zusammengefasst werden, sind ebenfalls in dem Datensatz enthalten. Insgesamt enthält der Export 2.741.221 solcher Segmente. Angegeben werden unter anderem Start- und Endzeitpunkt, Dauer, Geschwindigkeit und GPS-Position des jeweiligen Segments. Bereitgestellt werden zusätzlich Metadaten zum Verlauf der Evaluation, darunter Informationen zur verwendeten Metrik, zur Datensatzbezeichnung und zur Aufteilung des Datensatzes. Die Daten werden in insgesamt sechs miteinander verknüpften Parquet-Dateien (evaluation_run, model, frame, ground_truth_frame, model_frame_prediction und model_event_segment) bereitgestellt. Die Zuordnung zwischen den Dateien erfolgt über eindeutige Schlüssel für Verlauf der Evaluation, Frame und Modell. Der enthaltene Evaluationszeitraum reicht vom 08. Oktober 2025, 09:23:20 UTC bis zum 09. Oktober 2025, 05:37:39 UTC. Der Export umfasst den vollständigen für die Evaluation verwendeten Datenbestand.