如何完成NGSIM数据集的预处理？

Question

在所提出的工作中，需要对 NGSIM 数据集进行预处理以进行车辆轨迹预测。目前，我已经使用可视化数据集 ''' 将 pandas 导入为 pd 数据 = read_csv'URL' 数据 ''' 同样，我已经能够通过 Excel 中的过滤提取 US-101 的数据。

问题： 我该怎么办：

1. 过滤 1-5 车道上的车辆：

   • 仅考虑车道 1 至 5 上的车辆。

2. 识别车道 2-4 上的目标车辆：

   • 找到 2 至 4 车道上存在的目标车辆。

3. 提取轨迹数据：

   • 提取目标车辆的轨迹数据以及帧号、车辆 ID、车道号、时间和位置。

4. 每个目标车辆的逐帧分析：

   • 对于每个目标车辆，逐帧处理数据。

   4.1 识别每帧中的车辆： - 对于每一帧，识别目标车辆和周围车辆 ID。

   4.2 确定位置： - 找到已识别车辆的位置。

5. 保存变量：

   • 保存目标车辆的所有变量。

6. 对下一个目标车辆重复：

   • 对下一个目标车辆重复步骤 3 至 5。

基于观察到的历史轨迹的问题。用于评估不同车辆轨迹预测模型的数据集是美国交通部收集的“下一代模拟（NGSIM）”数据。该数据集由 1180 万条数据组成，具有 25 个属性（列），例如车辆的坐标和速度。数据采样频率为10 Hz。

但是，我已经获得了数据集（NGSIM）并准备了此链接中的数学模型https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9832594

既然我使用Python、Pytorch和Anaconda IDE，我需要先启动哪些库？

Answer 1

我也在研究NGSIM数据集，我也一无所知。你能帮我吗？