OOParts/Zhudong_takeover_good_170case

ADAS-TO 主动干预研究案例集：172 例原始数据与逐案复核

本仓库整理了 172 个 ADAS-TO 案例，提供对应的原始前视视频、车辆与控制信号，以及本项目生成的时间对齐表、画面证据和逐案解释，便于复核驾驶员操作前后发生了什么。

仓库名 OOParts/Zhudong_takeover_good_170case 沿用“约 170 例”的命名，实际发布范围是 172 例。good 和历史案例编号中的 RISK 都不是经过验证的安全等级或接管质量标签。本集包含风险响应、预防性操作、正常转弯/停车、指标误报及证据不足等不同情况，不能整体视为“172 次已证实的危险或必要接管”。

This is a 172-case derived research subset of ADAS-TO, combining source video and signal files with case-review materials. The subset is selected using an operational no-alert-text rule; it is not a ground-truth dataset of intervention motives, necessity, or takeover quality.

30 秒找到需要的内容

项目	本次发布
独立案例	172
匿名驾驶员 / 驾驶员-路线 / 车型	72 / 162 / 58
原始文件	1,720（172 视频、172 元数据、1,376 CSV）
逐案分析及浏览文件	6,982，含 3,096 张抽取帧
历史初筛证据文件	688

上述三层素材合计约 1.246 GB（1.160 GiB），另有少量索引、文档和核验文件。多个目录中的同源视频属于同一案例，不能重复计数。

完整下载（需要安装 huggingface_hub）：

hf download OOParts/Zhudong_takeover_good_170case --repo-type dataset --local-dir ./ADAS_TO_172
python ./ADAS_TO_172/scripts/verify_download.py --root ./ADAS_TO_172
python ./ADAS_TO_172/scripts/read_case.py ADAS_TO_RISK_0001 --root ./ADAS_TO_172

只加载一例一行的案例索引（需要 datasets）：

from datasets import load_dataset
cases = load_dataset("OOParts/Zhudong_takeover_good_170case", split="cases")
print(cases[0])

这一步只加载索引，不会自动下载全部视频和 CSV。逐案视频和原始数据可从 data/ 查找；下载完整包后打开 review/index.html 浏览本地交互页面。Hugging Face 的数据集文件浏览器不等同于静态网站托管，HTML 交互建议在本地打开。

1. 数据从哪里来，为什么是 172 例

原始数据来源为 ADAS-TO 项目及其 Hugging Face 数据集。本次发布使用项目此前保存的 ADAS-TO-Sample 本地版本，不是当前上游完整数据集的重新镜像，也不是上游后来发布的全部风险筛选集。

这批案例按以下过程确定：

1. 从此前依据车辆、前车、车道及控制等信号得到的 229 个风险候选出发。这里的“风险候选”是初筛名称，尚不代表逐案确认存在危险。
2. 以数据集退出锚点为 t = 0，检查 [-10, 0] 秒中已有的 controlsState.alertText1 和 controlsState.alertText2 记录。
3. 两列去除首尾空白后，所检查记录均为空则保留；任一列出现文字则排除。
4. 最终 保留 172 例、排除 57 例。本轮没有额外依据驾驶员操作与退出的先后、FCW、forceDecel 或控制层级重新筛除案例。

“无提示”因此只表示 检查到的这两列文字提示为空，不证明声音、振动、仪表图标、其他提示通道也没有提示。部分片段的前 10 秒记录覆盖不足，更不能把未记录的时间解释为“确认无提示”。筛选细节见 SELECTION.md 和 selection.jsonl。

案例编号沿用原 229 个候选的编号，存在空号；空号不意味着本仓库遗漏了应发布的案例。本仓库不包含另外两个 BATON 案例的原始视频或日志。部分历史跨案例说明使用“172 例 ADAS-TO + 2 例 BATON = 174 例”的分析范围，须与本仓库的 172 例媒体范围区分。

2. 包含哪些文件

.
├── README.md
├── data/
│   └── ADAS_TO_RISK_XXXX/             # 每例对应的完整本地原始片段
│       ├── takeover.mp4
│       ├── meta.json
│       ├── carState.csv
│       ├── carControl.csv
│       ├── carOutput.csv
│       ├── controlsState.csv
│       ├── drivingModelData.csv
│       ├── longitudinalPlan.csv
│       ├── radarState.csv
│       └── accelerometer.csv
├── review/                            # 逐案阅读与派生证据
│   ├── index.html
│   ├── 阅读入口.html
│   ├── 研究结论与建模建议.html
│   ├── 样本清单.json
│   └── 案例/
│       └── ADAS_TO_RISK_XXXX/
│           ├── index.html
│           ├── video.mp4
│           ├── facts.json
│           ├── analysis.json
│           ├── visual_evidence.json
│           ├── 个案分析.md
│           ├── aligned_signals.csv
│           ├── timeline.csv
│           ├── *_native.csv
│           └── frames/                # 另有曲线图、前后画面拼图等
├── selection_evidence/                # 172例历史初筛指标、15秒裁片与信号窗
├── metadata/
│   ├── cases.csv                      # 一例一行；数据集查看器的 cases split
│   ├── cases.jsonl                     # 对应案例索引
│   ├── selection.jsonl                # 此次 172 例的入选依据
│   └── file_manifest.jsonl             # 文件路径、大小与 SHA-256 等核验信息
├── docs/
│   ├── DATA_DICTIONARY.md
│   └── SELECTION.md
└── scripts/
    ├── read_case.py
    └── verify_download.py

本地原始版本每例是 1 个视频 + 1 个元数据 JSON + 8 个 CSV，共 10 个文件。不能依据上游现有数据卡，把本次发布写成每例 13 个 CSV。data/ 保留原文件内容，发布时按字节哈希核验；review/ 是筛选、重排、统计和解释形成的派生材料。selection_evidence/ 另保留每例历史初筛的4个文件，用于复核旧风险指标。

metadata/cases.csv / cases.jsonl 中的 source_clip 使用相对于原 Sample 根目录的路径，便于与上游片段对应；不提供开发者电脑的本地绝对路径。原始文件内容未变；派生 JSON 的本地源路径已移除或换成来源标识。文件数量、大小与校验值以本次发布的 file_manifest.jsonl 为准。

3. 如何阅读和使用

• 先看整体：下载后打开 review/index.html，再进入 review/阅读入口.html 选择案例。请保留整个 review/ 的目录结构，页面依赖同目录下的视频、图片及 CSV/JSON。
• 看原始证据：用案例编号找到 data/<CASEID>/，先读 meta.json，再按信号各自时间戳读取原始 CSV。review 中的曲线和稀疏时间表不替代原始日志。
• 批量读取：从 metadata/cases.csv 或 cases.jsonl 遍历案例；加载和下载核验辅助实现分别见 scripts/read_case.py 与 scripts/verify_download.py。
• 校验完整性：对照 metadata/file_manifest.jsonl 检查文件存在、大小与 SHA-256；仅有目录数量一致不足以证明下载完整。

数据集只提供 cases，没有人为指定训练、验证、测试划分。如用于建模，应按研究问题重新设计划分，至少避免同一驾驶员、同一路线或相邻片段同时进入训练集和测试集；匿名编号的身份范围也应先核对。

4. 时间轴与信号应怎样理解

退出锚点不是心理动机出现时刻

ADAS 派生信号的相对时间按原始单调时钟换算：

t = (logMonoTime - meta.event_mono) / 1e9
视频中的退出锚点秒数 = meta.video_time_s - meta.clip_start_s

t = 0 是数据集使用的退出/控制状态变化锚点，不等于驾驶员首次动手、不等于产生接管意愿，更不等于某个原因被证实的时刻。驾驶员刹车、油门、转向标志的变化可能先于或晚于这个锚点。实际片段长度和事件在视频中的位置应读取元数据，不能一律写死为视频第 10 秒。

原始采样与对齐网格不同

不同信号流的采样频率及覆盖范围可能不同，须以实际时间戳为准。派生 aligned_signals.csv 使用 0.05 秒公共网格，向后寻找最近已记录值；容差为各流中位采样周期的 1.6 倍，并限制在 0.035～0.5 秒。该处理不插值，也不意味着每个原始通道实际都是 20 Hz。缺失值不能自动填成 0。

逐案 *_native.csv 是保留原采样时刻的标准化派生表，含新增字段、筛选列与分析窗口；它们与 data/ 中原始 CSV 的角色不同。timeline.csv 只是少数时点的摘要。完整字段、单位及派生规则见 DATA_DICTIONARY.md。

三层控制状态不能合成一个“已接管”标签

字段层级	可直接描述什么	不能单独证明什么
controlsState.enabled / active	控制器使能、活动状态	实际执行了哪个轴的控制、驾驶员接过多少控制权
carControl.enabled / latActive / longActive	控制命令与横纵轴激活记录	全部命令实际被执行、驾驶员没有同时操作
carState.cruiseState.enabled	车辆接口巡航状态	完整双轴自动驾驶或具体原厂控制模式

日志中的边沿首先是记录所见，不是毫秒级触发因果的证明。只有方向盘操作也可能是叠加操纵，不一定同时退出纵向控制。

5. 标签和分析的边界

信息	本仓库的定位
视频、原始车辆/控制信号	记录到的观测数据；仍可能存在缺失、噪声、雷达目标切换和同步误差
old_risk_score、old_primary_risk、old_indicators、old_action_label	历史筛选或规则输出，保留用于追溯；不是重新确认的危险等级、动作质量或心理标签
画面描述、逐案解释、替代解释、原因假说	本项目的分析性衍生内容；不是原驾驶员自述，也不是原数据集作者为个案结论背书
刹车/油门/转向标志和首次变化时间	可用于重新构造明确的行为事件标签；需要结合起始状态、窗口和缺失记录，不能直接当作“真实动机曲线”
连续动机、信任、主观风险边界、误判/误解原因	本批未直接测量，不能从案例说明中当作真值读取

本仓库没有补造驾驶员真实眼动、面部视频或历史手动驾驶档案，也不包含其他实验中生成的合成人因或个人参数。原始数据只有前向道路视频，不能据此声称获取了驾驶员实际看见或理解的信息。

“安全条件下接管”“非必要接管”和“错误接管”不是同义词。判断干预是否必要、是否不当，需要继续由系统控制时会怎样的独立证据；本集不提供这样的完整反事实真值。

已知的覆盖与锚点问题

文件完整不表示每路传感器都有数据：19 例 carOutput.csv、26 例 drivingModelData.csv 只有表头，两组可重叠；共有 26 例存在这类缺测，146 例的 8 路 CSV 均有记录。本发布保留原始缺测，没有补造数值。

对这 172 个 ADAS 案例单独统计，既有审计发现：

待解释事项	案例数，可重叠
车辆后 5 秒明显缺段	10
车辆前 10 秒明显缺段	6
提示前 10 秒明显缺段	6
锚点前后 0.25 秒内未见所查横向/纵向/巡航下降沿	27
锚点前 2 秒横纵轴激活记录均为 0	9

其中上述 27 例中的 25 例仍有 controlsState.enabled/active 下降沿，因此不能将这 27 例统称为“完全没有控制退出”。覆盖检查允许 0.5 秒的边界采样余量；没有被标记也不证明窗口内部没有缺口。这些审计标志是使用时的解释依据，不是此次新增排除条件。

部分随包历史审计同时统计 2 个 BATON 案例，因此会出现总数 174、横纵均未激活 11 等数字；不能直接当作本仓库 172 个 ADAS 案例的统计。

用于预测时避免事后信息泄漏

逐案说明、旧风险指标和后 5 秒统计可能利用退出后的画面或驾驶行为。它们可用于复核，不能直接作为退出前预测的输入。以退出点对齐的裁片也不代表自然驾驶的完整暴露时长：本集缺少系统抽样的长期“不干预”驾驶，不能单独估计实际道路上的干预发生率或每小时误报率。

6. 许可、署名与版本说明

原始 ADAS-TO 的 官方 GitHub 许可说明和 Hugging Face 数据卡均标示 CC BY-NC 4.0。本衍生数据包保留这一许可及原项目署名。

CC BY-NC 4.0允许在遵守条款的情况下非商业复制、再分发与改编；使用时须保留适当署名、许可链接并说明修改，不得暗示原作者认可本项目的个案解释。本项目的修改包括候选筛选、案例编号整理、派生特征与时间对齐、画面摘取以及分析文字；原始 data/ 文件内容保持不变。

截至 2026-10-09，上游 Hugging Face 仓库同时显示需要申请访问、分享联系信息并由上游批准。上游访问流程与公开标示的内容许可是不同信息；本数据卡不将上游描述为“无需申请”，也不替代获取原数据时适用的访问约定。

前向道路视频可能包含其他道路使用者。匿名驾驶员/路线编号不等于视频中所有人或车辆都经过匿名化处理；本仓库不用于识别人员身份。请在符合上游许可及相关权利要求的范围内使用。

研究使用时请引用原始 ADAS-TO 数据集及其对应论文，并报告本衍生仓库 OOParts/Zhudong_takeover_good_170case 的版本/commit、筛选规则和实际使用的案例数量。上游来源：

• ADAS-TO 官方项目
• ADAS-TO 官方数据集
• CC BY-NC 4.0 许可

本仓库是研究用的可追溯案例子集，不是安全认证数据集，也不代表原数据集作者对本项目结论的背书。