依据车辆编号将US101中的数据进行整合，筛选车道保持的车辆信息，每个sheet都是一个车道保持车辆的全部时刻的信息，适合于做轨迹规划，预测和分析决策的同学，信息全面，价格低廉

依据车辆编号将US101中的数据进行整合，筛选发生换道行为的车辆及其周围（主要是目标/旁边车道的前后方车辆）信息，每一个车辆整理为一个excel，每一个excel包括多个sheet，每一个sheet都是一个时刻的本车和周围车辆的全部信息，信息全面，价格低廉，适合与做无人驾驶相关的决策规划，轨迹分析预测等同学！

利用NGSIM数据处理程序（跟驰车辆）对NGSIM数据集进行处理得到的数据。处理过程是以目标车辆和前车为切入点，获取目标车辆跟随某一辆前车在连续时间戳下跟驰行驶的相关信息，信息包括目标车的横纵坐标（位置信息）、速度信息、加减速度信息、车道编号、前车ID、后车ID、与前车保持的车头间距和车头时距。目标车辆和前车的相关信息经过处理后存放在同一的文件夹中，文件夹是以目标车辆ID和其对应的前车ID组成，方便信息获取。 NGSIM数据集获取地址：https://download.csdn.net/download/weixin_50632459/40639518 NGSIM数据处理程序（跟驰车辆）获取地址：https://download.csdn.net/download/weixin_50632459/40632963

原始数据，需要进行筛选得到不同地点的数据集（us101,i80,LankershimBoulveard,PeachtreeStreest,其中前两个为高速公路上收集的数据，后两个为城市道路收集的数据），相较于HighD数据，NGSIM数据不易用于分析换道行为，因为NGSIM没有记录换道的车道的前后车id信息，需要自己筛选。

1.在压缩包中有NGSIM US-101公开数据集中的车辆轨迹数据集 2.在数据集中包含0820-0835、0805-0820、0750-0805三个时间段的数据 3.数据格式为.txt

1.在压缩包中有NGSIM US-101公开数据集中的车辆轨迹数据集 2.在数据集中包含下午0400-0415、0500-0515、0515-0530三个时间段的数据 3.数据格式为.txt

资源包括NGSIM全部数据，两条高速路（US-101,I-80）以及两条城市道路（peachtree,lankershim）。另外包含除peachtree外其他三条道路的实景图及示意图

图像的均方误差的matlab代码 analyzing NGSIM 步骤基于mainAnalyzeNGSIMForLC3文件 1.直接读入NGSIM的txt文件（注意把RAR文件解压缩为TXT文件），用importData ,并把所有可能的变道路径，提取为单个CSV文件，基于extractLaneChangeDataIntoCSV 2.读入单个CSV(类似LC1.CSV),分析是否为正常变道，是正常变道的将文件存为oneLC.csv.正常变道规则为 A.只有一次变道，不存在多次变道 B.变道点的前后时间不会超过5秒，也就是说变道这个过程不超过10秒 C.变道路径X距离变化大于3米 D.变道路径起始点和结束点的粗略为平均数加一点点方差，具体见findOneLCAndShow1中的代码 3.基于LSTM识别LC还是LK，LSTM的类别为序列到序列，文件为trainLSTM1 ############################################################################# 4.将所有txt数据文件一次性读入文件中，并生成所有LC.csv

处理NGSIM出具，通过Python代码实现对同一时间跟驰前车的速度读取与写入，并将两车速度差结果写入表格。

使用Python对NGSIM数据集中车辆跟驰部分的数据进行了筛选和提取，筛选出了连续时间戳下目标车辆对应前车的相关信息并进行整合