콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#시뮬레이션 # AI # 인지 # 가상데이터셋 # 학습용데이터셋 # 가상 환경 #자율주행

BETA 자율주행 가상센서 시뮬레이션 데이터

자율주행 가상센서 시뮬레이션 데이터 아이콘 이미지
  • 분야교통물류
  • 유형 이미지
구축년도 : 2022 갱신년월 : 2023-07 조회수 : 1,891 다운로드 : 78 용량 :

※ 23년 신규 개방되는 데이터로, 데이터 활용성 검토, 이용자 관점의 개선의견 수렴 등을 통해 수정/보완될 수 있으며 최종데이터, 샘플데이터, 산출물 등은 변경될 수 있습니다

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.0 2023-07-05 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-08-10 구축업체정보 수정

    소개

    - 자율주행차에 활용되는 다양한 센서(카메라, 라이다, 레이더) 종류/배치/성능, 주행환경 (날씨, 시간), 차량 (승용차, 트럭, 버스)에 대응하기 위한 디지털 트윈 도로 환경에서의 가상센서 시뮬레이션 데이터 구축
    - 카메라, 라이다, 레이더 기반의 인지 센서를 개발하는 기업의 상품성 향상 분야에 접목할 수 있는 기반 데이터 구축

    구축목적

    - 자율주행 안전을 확보하기 위해 현재 구축된 데이터 대비 월등히 많은 데이터가 필요하며, 제한된 자원으로 모든 데이터를 구축하기 어려우므로 시뮬레이션 구동을 통한 인공지능 학습용 데이터 구축
  • *"자율주행 가상센서 시뮬레이션 데이터는 샘플데이터만 올라가 있으며, AI-Hub 문의하기를 통해 데이터 사용을 요청해주시기 바랍니다.“


    1. 데이터 구축 규모
    - 원천 데이터

    센서 파일 포맷 제출 수량
    GPS .txt 38,400,000
    IMU .txt 38,400,000
    Radar .bin 38,400,000
    camera .png 38,400,000
    lidar .pcd 38,400,000
    (*meta data file) .json 96,000
    총 수량 192,096,000

     

    - 라벨링 데이터

    파일 포맷 제출 수량
    .png 38,400,000
    .json 38,400,000
    총 수량 76,800,000

     

    - (샘플)원천데이터 구축 규모

    센서 파일 포맷 제출 수량
    GPS .txt 450,000
    IMU .txt 450,000
    Radar .bin 450,000
    camera .png 450,000
    lidar .pcd 450,000
    (*meta data file) .json 750
    총 수량 2,250,750

     

    - (샘플)라벨링데이터 구축 규모

    파일 포맷 제출 수량
    .png 450,000
    .json 450,000
    총 수량 900,000

     

    2. 데이터 분포
    - 도로 환경

    도로 환경 데이터 수  분포도
    도심(UR) 22,080,000 57.5
    자동차전용도로(HI) 16,320,000 42.5
    합계 38,400,000 100

     

    - 차종

    차종 데이터 수  분포도
    승용(SE) 19,200,000 50
    상용(CO) 19,200,000 50
    합계 38,400,000 100

     

    - 시간대

    시간대 데이터 수  분포도
    새벽(T1) 9,600,000 25
    주간(T2) 9,600,000 25
    저녁(T3) 9,600,000 25
    야간(T4) 9,600,000 25
    합계 38,400,000 100

     

    - 날씨 환경

    날씨 환경 데이터 수  분포도
    맑음(W1) 7,680,000 20
    흐림(W2) 7,680,000 20
    안개(W3) 7,680,000 20
    눈(W4) 7,680,000 20
    비(W5) 7,680,000 20
    합계 38,400,000 100

     

    - 도로 구분

    도로 구분 데이터 수  분포도
    도심/세종(U4) 5,520,000 14.4
    도심/대구(U1) 5,520,000 14.4
    도심/상암(U3) 5,520,000 14.4
    도심/판교(U2) 5,520,000 14.4
    자동차전용도로/세종1(H1) 4,080,000 10.6
    자동차전용도로/세종2(H2) 4,080,000 10.6
    자동차전용도로/영동1(H3) 4,080,000 10.6
    자동차전용도로/영동2(H4) 4,080,000 10.6
    합계 38,400,000 100

     

    도로 구분 분포도

    <도로 구분 분포도>

     

    - 시나리오 구분

    시나리오 구분 데이터 수  분포도
    도심/일반(N) 14,400,000 37.5
    도심/엣지(E) 7,680,000 20
    자동차전용도로/일반(N) 14,400,000 37.5
    자동차전용도로/엣지(E) 1,920,000 5
    합계 38,400,000 100

     

    시나리오 구분 분포도

    <시나리오 구분 분포도>

  • 1. 2D

    항목명 가상 센서 2D 객체 인식
    목적 2D 객체 검출
    유효성 검증 환경 CPU Intel® Xeon(R) Gold 6342 CPU @ 2.80Hz x 48
    Memory 256 GB
    GPU NVIDIA RTX A6000
    Storage 4.4TB
    OS Ubuntu 18.04
    전체 구축 데이터 대비
    모델에 적용되는 비율
    총 38,400,000 건 중 176,000건 데이터 활용
    모델 학습 과정별
    데이터 분류 및 비율 정보
    Training : Validaion : Test = 8 : 1 : 1
    제한사항 • 전체 구축 수량(38,400,000건) 중, 176,000건만을 유효성 모델에 활용함
    ▷본 과제 최종 평가회의에서 평가위원들의 의견에 따라 NIA, TTA 수행기관 간 협의를 통해 해당 수량을 확정함

     

    2. 3D

    항목명 가상 센서 3D 객체 인식
    목적 3D 객체 검출
    유효성 검증 환경 CPU AMD Ryzen 7 5800 8-Core Processor
    Memory 15.6 GB
    GPU NVIDIA RTX 3070
    Storage 502.9GB
    OS Ubuntu 18.04
    전체 구축 데이터 대비
    모델에 적용되는 비율
    총 38,400,000 건 중 176,000건 데이터 활용
    모델 학습 과정별
    데이터 분류 및 비율 정보
    Training : Validaion : Test = 8 : 1 : 1
    제한사항 • 전체 구축 수량(38,400,000건) 중, 176,000건만을 유효성 모델에 활용함
    ▷본 과제 최종 평가회의에서 평가위원들의 의견에 따라 NIA, TTA 수행기관 간 협의를 통해 해당 수량을 확정함
    • 모델 학습 및 구동을 위해 원천/라벨링 데이터의 포맷을 변경하여(전처리) 사용함

     

    ㅇ 실제 데이터셋 결과

    실제 데이터셋 결과 이미지 2장

     

    ㅇ 일반 시나리오 결과  

    일반 시나리오 결과 이미지 4장

     

    ㅇ 엣지 시나리오 결과

    엣지 시나리오 결과 이미지 4장

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 가상 센서 3D 객체 인식 3D Object Detection SECOND AP 75 % 77.21 %
    2 가상 센서 2D 객체 인식 Object Detection Swin Transformer mAP 55 % 74.9 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • *"자율주행 가상센서 시뮬레이션 데이터는 샘플데이터만 올라가 있으며, AI-Hub 문의하기를 통해 데이터 사용을 요청해주시기 바랍니다.“

     

    ㅇ 데이터 설명
     - 자율주행 가상센서 시뮬레이션 데이터 구축
     - 승용/상용, 도심도로/자동차전용도로, 주간/야간/악천후 상황에 대한 데이터 구축
     - 12개 상황 별 30개 이상의 시나리오로 시뮬레이션 구동
     - 시뮬레이션 결과 카메라 이미지 구축
     - 이동객체에 대한 라이다(LiDAR) 구축  
     - 라이다 데이터 객체의 위치, 크기, 방향을 판단할 수 있는 json 형태의 결과물 산출
     - 주행 차량이 위치, 속도 등을 판단할 수 있는 txt 형태의 IMU, GPS 결과물 산출 

     

    ㅇ 어노테이션 유형
     - 2D, 3D 바운딩 박스
     - 2D, 3D Bounding BOX Format of Morai SIM

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜모라이
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    김종화 data@morai.ai 시뮬레이션 데이터 수집/정제/가공, 데이터 시각화 도구 개발
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    주식회사 인피닉 일빈/엣지 시나리오 개발, 일빈/엣지 시나리오의 OpenSCENARIO 제작
    한국자동차연구원 일빈/엣지 시나리오 정의, 지역별 ODD를 활용한 일빈/엣지 시나리오 정의
    지능형자동차부품진흥원 시뮬레이션 데이터 검수, 일빈/엣지 시나리오 가공 데이터 검수
    충북대학교 AI 학습모델 구현, 가상 데이터셋의 AI 학습을 통한 모델 구현
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    김종화 data@morai.ai
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.