数据集概述
本数据集为机器学习提供标记的交通事故事件数据，包含田纳西州查塔努加市2020年11月至2021年4月的事故及非事故数据。数据分为事故与非事故两类，记录了事件时间、地点、天气、光照等元数据，以及周边雷达传感器的速度、流量、占有率等时序数据，支持交通事件检测模型的训练与验证。
文件详解
- 压缩包文件
- 文件名称：
annotatedData.zip
- 文件格式：ZIP
- 内容说明：包含
allData和bestData两个子文件夹。bestData含上下游各5个传感器完整数据，allData含所有数据（含传感器数量不足的情况）。每个子文件夹下有accidents（单事故文件）和non-accidents（对应非事故文件）子文件夹。
- 文件名称：
metaData.zip
- 文件格式：ZIP
- 内容说明：包含
Accidents.csv（清洗后的事故记录）、WeatherDict.json（NASA天气数据字典）、LightDict.json（光照条件字典）、SensorTopology.csv（传感器拓扑信息）、SensorZones.geojson（传感器区域多边形）。
- 数据文件（以CSV为例）
- 文件名称：遵循
yyyy-mm-dd-hhmm-rrrrrXaaa.a.csv格式（如2020-11-03-1611-00I24W182.8.csv）
- 文件格式：CSV
- 字段映射介绍：含事件标记、道路名称、英里标、事故类型、日期、事件时间、数据时间、天气、光照等元数据，以及周边11个传感器的速度、流量、占有率（共33列）时序数据。
数据来源
论文“Spatiotemporal Features of Traffic Help Reduce Automatic Accident Detection Time”及“A Traffic Accident Dataset for Chattanooga, Tennessee”
适用场景
- 交通事件检测模型训练: 利用标记的事故与非事故数据，训练和优化机器学习模型以自动检测交通事故。
- 交通流特征分析: 分析事故前后交通流（速度、流量、占有率）的变化规律，识别事件影响范围。
- 环境因素与事故关联研究: 结合天气、光照数据，探究环境条件对交通事故发生的影响。
- 智能交通系统优化: 为交通管理部门提供数据支持，优化事件响应策略和道路安全措施。
