IDKB国际驾驶知识数据集：99万手册问答 16万道路图像，适配多模态大模型训练语料

### 数据概览

本产品为 IDKB 国际驾驶知识库的多模态数据交付包，围绕驾驶手册、理论考试与道路场景识别三个环节组织驾驶领域知识。压缩包约 19.49 GB，剔除 macOS 资源目录、系统文件和 1 个非数据配置文件后，主体包含 219,620 个数据文件，其中有 163,413 张 JPG、PNG、GIF 图像和 56,207 个 JSON 文件。按已提供的总表口径，训练集含 898,828 条记录，验证集含 98,978 条记录，合计 997,806 条；原包同时保留来源分项文件和按题型拆分文件，便于追溯、筛选与重新组合。数据未提供明确时间字段，因此属于驾驶知识与任务样本集合，不应解释为连续采集的时序驾驶日志。

### 数据内容与结构

数据由三类内容构成。驾驶手册部分含 50,501 条结构化文本记录及 24,817 张配图，字段涉及标题、正文、国家或地区、车型、语言、图片说明和表格信息。驾驶理论考试部分提供选择题与问答题，包含题目、答案、选项、解释、图片路径、语言、车型及知识域等字段。道路场景部分含 110,312 张道路图像、对应视觉问答及 56,194 份逐帧交通标志 JSON 标注；此外，理论考试目录还包含 28,284 张题目配图。汇总口径中共有 830,043 条选择题、117,262 条问答题和 50,501 条手册记录，覆盖 18 种国家或地区字段取值、9 种语言，以及道路标志与信号、驾驶技术、法律法规、防御性驾驶四类知识域。

| 核心项目 | 数据情况 | 使用价值 |
|---|---:|---|
| 汇总记录 | 997,806 条 | 支持统一训练、验证与检索处理 |
| 图像文件 | 163,413 张 | 支持道路标志识别与图文联合任务 |
| 逐帧标注 | 56,194 份 JSON | 可用于交通标志场景标签解析 |
| 数据划分 | 898,828 条训练、98,978 条验证 | 便于复现实验和开展对比评测 |
| 覆盖维度 | 18 种国家或地区取值、9 种语言、4 类知识域 | 支持跨地区、多语种驾驶知识研究 |

### 应用价值

该数据适合用于驾驶领域视觉语言模型的监督微调与验证，也可服务于道路标志图像理解、驾考问答、驾驶知识检索、多语种知识对齐和题库结构化等任务。手册文本能够为检索增强生成、法规知识索引和驾驶知识分类提供语料；选择题、问答题及答案字段可用于构建指令样本、评估模型对规则与驾驶技术的理解程度；道路场景图像与交通标志标注则可支持图像分类、视觉问答和场景标签识别。由于训练集、验证集、题型子集与来源子集均已独立组织，算法工程人员可按车型、语言、国家或地区、知识域和任务类型进一步切分，也便于教学实验、基准测试及数据工程流程验证。

### 使用说明

需要注意，overall 目录是各来源数据的汇总视图，按题型拆分的验证文件也与验证总表重合，使用时不可直接相加。图像内容哈希显示 163,413 个文件对应 140,704 个唯一内容，约有 22,709 个同内容副本，部分道路问答还采用重复题干模板；这类记录可能对应不同图片、答案形式或任务类型，建模前应结合图片路径、题型和答案进行任务级去重，而非只按题干删除。少量题目为空，部分解释、增强答案和选项字段并非全量填写，建议在训练前统一路径、车型拼写、国家或地区命名及空值规则。压缩包内未发现独立授权文件，公开发布、转售或商业使用前应另行确认许可范围；本数据也不能替代现行交通法规、驾驶培训或安全决策依据。