如您遇到赛题一相关问题，请联系：黄子蔚 ziweihuang@pku.edu.cn

（1）    赛题介绍

本赛题要求参赛队伍根据城镇十字路口场景下的多车多路端的多模态感知数据，实现不同的天气（晴、雨、雪）、车流量密度（中、高）和通信频段（sub-6 GHz、毫米波28 GHz）下的路径损耗实时预测。输入数据包含不同的天气、车流量密度和通信频段下的城镇十字路口场景下的车端和路端感知数据，如图1和图2所示，包括RGB图像、LiDAR数据和深度图像，要求输出指定车端和路端的路径损耗的分布。

图1 路端设备的路径损耗分布、RGB图像、深度图像和LiDAR数据

                                              

图2 不同车辆的路径损耗分布、RGB图像、深度图像和LiDAR数据

本赛题包含五个场景条件：（a）晴天毫米波中车流量密度、（b）雨天毫米波中车流量密度、（c）雪天毫米波中车流量密度、（d）晴天毫米波高车流量密度、（e）晴天sub-6 GHz中车流量密度。

以下是本赛题任务输入输出的详细介绍。

任务输入：每种场景条件下的路端与车端的多模态感知数据，即深度相机图像文件、RGB相机的图像文件、激光雷达的点云文件。

任务输出：实时的路径损耗，以场景_场景条件_时刻_pathloss.txt文件命名，如场景为城镇十字路口，场景条件命名为sunny_mmWave_highVTD，在第20个时刻的路径损耗预测值，则其路径预测结果文件命名为crossroad_sunny_mmWave_highVTD_snapshot20_pathloss.txt，文件存储的详细格式请到“活动报名”标签页查看。

本赛题所提供的数据集请到“资料下载--混合通信与多模态感知仿真数据集”标签页下载，在使用数据集前，请您阅读“资料下载--混合通信与多模态感知仿真数据集”标签页下关于数据集内容的详细说明。

（2）    参赛指南

我们使用均方误差（Mean Squared Error, MSE）指标作为评分标准，评分细则请见下方。

选手应以txt格式上传结果，细则请见“活动报名”标签页，请选手严格按照格式提交结果，否则无法参加测评！

请您遵守比赛规则，文明参赛！

请在测试结果提交截止时间之前提交您的结果！

（3）    评分标准

评估预测的路径损耗精确度的指标为MSE：

其中，n为样本数量，为特定场景条件和时刻下的特定设备下的路径损耗预测值的分布（从0 dB到250 dB, 以2.5 dB为间隔）， 为特定场景条件和时刻下的特定设备下的路径损耗真值（ground truth）的分布。计算不同的天气、车流量密度、频段下五个场景条件中的均方误差算数平均值（保留四位有效数字），并由低到高排序

（4）    选手须知

1)   所提交结果应与所提交代码运行结果相符，严禁造假，违者将被取消参与排名资格；

2)   选手应基于所提供的数据集开发算法，禁止私自增加训练集；

3)   禁止使用测试集中的数据参与神经网络训练；

4)   应严格按照格式要求提交结果，格式不符者无法参与结果评测；

5)   请在截止日期前提交您的结果，过期提交将被视为无效！