Dieser Datensatz wurde 2022 von einem Forschungsteam der Universidad Francisco de Vitoria und der Universidad Europea de Madrid in Spanien erstellt. Ziel ist die Bereitstellung hochwertiger Trainingsdaten für Machine-Vision-Algorithmen im Bereich des Verkehrsmanagements. Die relevanten Papierergebnisse sind "Datensatz: Von UAVs erfasste Verkehrsbilder zur Verwendung beim Training von Bildverarbeitungsalgorithmen für das Verkehrsmanagement". Es enthält 15.070 von unbemannten Luftfahrzeugen (UAVs) aufgenommene Bildrahmen, die eine Vielzahl von Verkehrsszenarien abdecken, darunter Regionalstraßen, städtische Kreuzungen, Landstraßen und verschiedene Arten von Kreisverkehren. In den Bildern sind 155.328 Objekte annotiert, davon 137.602 Autos und 17.726 Motorräder. Diese Bilder werden im YOLO-Format gespeichert, das sich für das Training von Bildverarbeitungsalgorithmen auf Basis von Convolutional Neural Networks eignet.

Um den europäischen Datenschutzbestimmungen zu entsprechen, wurden die Nummernschildinformationen im Datensatz anonymisiert, um die Privatsphäre des Einzelnen zu schützen. Der Erstellungsprozess dieses Datensatzes umfasst mehrere Schritte wie Datenerfassung, Bilderfassung, Fahrzeugbeschriftung, Anonymisierung und Datenüberprüfung. Das Forschungsteam verwendete Drohnen wie die DJI Mavic Mini 2 und Yuneec Typhoon H zur Bilderfassung und nahm eine große Anzahl von Bildern in unterschiedlichen Szenarien und Bedingungen auf, um die Vielfalt und Reichhaltigkeit der Daten sicherzustellen. Um die Wirksamkeit des Datensatzes zu überprüfen, trainierte das Forschungsteam außerdem ein einfaches neuronales Netzwerkmodell und erzielte gute Ergebnisse.

Die Einsatzmöglichkeiten dieses Datensatzes sind sehr vielfältig. Es kann zur Entwicklung und Optimierung von Verkehrsmanagementsystemen verwendet werden, indem der Verkehrsfluss anhand von Drohnenbildern überwacht und analysiert wird, wodurch die Verkehrseffizienz verbessert wird. Darüber hinaus kann es auch zum Trainieren von Bildverarbeitungsalgorithmen in der autonomen Fahrtechnologie verwendet werden und hilft den Algorithmen dabei, Fahrzeuge in Verkehrsszenen besser zu identifizieren und zu klassifizieren. Für das Verkehrsverstoßmanagement kann der Datensatz verwendet werden, um Algorithmen zur Überwachung von Verkehrsverstößen mithilfe von Drohnen zu trainieren. Im Hinblick auf Notfallmaßnahmen kann der Datensatz verwendet werden, um Algorithmen zu trainieren, die bei Verkehrsunfällen schnell reagieren und die Zahl der Opfer reduzieren.