这个数据集是由西班牙 Universidad Francisco de Vitoria 和 Universidad Europea de Madrid 的研究团队于 2022 年创建的，旨在为交通管理领域的机器视觉算法提供高质量的训练数据，相关论文成果为「Dataset: Traffic Images Captured from UAVs for Use in Training Machine Vision Algorithms for Traffic Management」。它包含 15,070 帧图像，这些图像由无人机 (UAV) 拍摄，涵盖了多种交通场景，包括区域道路、城市交叉口、乡村道路以及不同类型的环岛。图像中标注了 155,328 个目标，其中 137,602 个为汽车，17,726 个为摩托车。这些图像以 YOLO 格式存储，方便用于训练基于卷积神经网络的机器视觉算法。
为了符合欧洲数据保护法规，数据集中的车牌信息经过了匿名化处理，以保护个人隐私。该数据集的创建过程包括数据采集、图像拍摄、车辆标注、匿名化处理以及数据验证等多个步骤。研究团队使用了 DJI Mavic Mini 2 和 Yuneec Typhoon H 等无人机进行图像采集，并在不同的场景和条件下拍摄了大量图像，以确保数据的多样性和丰富性。此外，为了验证数据集的有效性，研究团队还训练了一个简单的神经网络模型，并取得了良好的结果。
该数据集的用途非常广泛。它可以用于开发和优化交通管理系统，通过无人机拍摄的图像来监测和分析交通流量，从而提高交通效率。此外，它还可以用于训练自动驾驶技术中的机器视觉算法，帮助算法更好地识别和分类交通场景中的车辆。对于交通违规管理，该数据集可以用于训练算法，以便使用无人机监控交通违规行为。在应急响应方面，该数据集可用于训练算法，以便在交通事故发生时快速响应，减少伤亡。
