提供的资料会包含：轨迹数据、提交方案模板、原始配时方案。路口的几何、渠化等信息都是不提供的。
我们期待大家能够基于本次大赛提供的数据，挖掘有价值的交通信息对信号灯配时进行算法优化。 官方小助手建议您在参赛过程中关注赛题本身进行信号配时算法优化，期待看到您的算法。
“Q: 为什么提交的方案得分为-1？ A: 本次比赛在对选手提交的方案进行测评前会先校验方案是否符合要求，以下几种场景会导致得分为-1：
- 方案格式错误，如方案中的相位差或相位时长填写的不是非负整数、各交叉口方案未用分号间隔、相位差和各相位时长间未用逗号间隔等；
- 交叉口或每个交叉口的相位数量与原有方案不一致；
- 一个交叉口的相位差大于该交叉口的周期时长；
- 一个相位的相位时长小于该相位的最小相位时长。”
采集间隔是否一致?数据是否经过处理（特别是在速度上做部分处理） 您好，本次比赛中提供的轨迹数据采集间隔是一致的；数据经过脱敏处理，但速度未经过处理。
请问评测加载的车流会因为信号配时调整造成的拥堵而自动调整路线吗？ 您好，评测加载的车流路径是提前配置的，不会因为信号配时调整造成的拥堵而自动调整路线
您好，仿真软件及具体参数是不会公布的。我们期望的是一个通用的、扩展性好的信号调优方法，而不是针对某一个特定场景的过拟合而寻到的最优解。
您好，本次大赛对于选手的具体做法没有要求，选手可借助仿真软件等工具对信号配时进行优化。 但是大赛的目的在于激发大家开发适用于轨迹数据的配时优化新方法，而仅通过校正仿真路网、用穷举或仿真软件来做优化并不是大赛期望的结果。 想要获得周冠军或者复赛资格的队伍，在审核阶段都需要提交代码说明及最优结果生成文档（包括模型和特征的说明及每次提升所作改进的说明）并且通过审核。
您好，本次大赛希望选手充分理解、挖掘和应用滴滴轨迹数据，建立准确的交通模型，开发优秀的信号灯配时优化算法；选手可以借助仿真软件对自己的算法做测试。 本次大赛提供的数据包括已经过脱敏处理的10个工作日同一时段的滴滴车辆轨迹数据。至于具体做法，比赛没有要求，可参考PPT对轨迹数据的讲解。 最后一个问题，提供给选手的数据是针对本次比赛赛题设置选取的。
本次比赛不提供非机动车和行人的数据，选手进行配时优化时只需考虑机动车交通流。 比赛对非机动车和行人交通流的考虑，仅体现在选手提交的方案必须满足最小相位时长的要求；选手无需考虑关于非机动车或行人的其他因素。
请问下给定的数据集既然是固定的配时方案怎么用它来验证我们自己的配时方案？ 本次大赛模拟的是现实的交通场景，新的配时方案在上线之前无法准确预知方案效果。 大赛所给的数据集均采自同一个现有配时方案，不能直接验证新的配时方案。选手可参考现实中的常见做法，即先建立模型（比如数学模型或者借助仿真软件的路网模型），然后在自己的模型中验证配时方案的效果，最后提交自己认为效果好的配时方案。但要注意，在这样的过程中模型的准确性十分重要。
包含方案提交格式说明的赛题介绍会在数据发放的时候同步更新；本次大赛的配时优化属于离线优化的范畴，即依据轨迹数据对每个交叉口的固定配时参数进行优化，基于实时轨迹数据的实时自适应控制不在本次赛题的范畴。
在对方案进行测评时采用的是与轨迹数据相匹配的所有车的流量。
比赛 PI 的计算采用全部车辆车均延误（单位为秒），即所有车辆延误的总和除以车辆数的结果。
关于您的第一个问题，在经典的信号配时计算方法中，流量是最终要的参数之一；但信号配时并不是一定要依赖流量来计算和调整。你说的用车辆轨迹数据推算流量是一种方法，但不是唯一的方法。本次大赛希望选手们能够基于滴滴轨迹数据，尝试各种不同的方法来把信号配时做好。在本次算法大赛中，滴滴开放数据给各位选手，提供一个公平的竞争平台，滴滴本身绝不是运动员。 第二个问题，本次大赛的测评采用经过校准的交通路网模拟交通情况，加载选手提交的配时方案，采用与轨迹数据相匹配的多组真实流量作为输入，最终给出选手所提交配时方案的平均得分。仿真软件及具体参数我们并不会公布，但我们保证轨迹数据和仿真场景的匹配性，即轨迹数据能够代表仿真中的交通场景。我们期望的是一个通用的、扩展性好的信号调优方法，而不是针对某一个特定场景的过拟合而寻到的最优解。