如您遇到赛题二相关问题，请联系：张浩天 haotianzhang@stu.pku.edu.cn

（1）    赛题介绍

本赛题要求利用多模态传感器的环境感知能力，在网联智能交通复杂场景下，实现高精度、低通信开销的最佳波束选择。本赛题包含四个场景条件：（a）晴天中车流量密度、（b）雨天中车流量密度、（c）雪天中车流量密度、（d）晴天高车流量密度。所提供数据也按照不同的环境条件分为四个数据文件，每个数据文件包含一个供选手使用的训练集和一个用于评测性能的测试集。

在本赛题中，选手们可以选择针对不同的场景开发不同的模型，亦可以仅开发一个适用于不同场景的模型。模型的输入为路端设备的多模态感知信息（包括RGB图像、激光雷达点云、深度图像和车辆位置信息，如图1所示），要求所设计的模型输出接收信噪比从高到低的K个波束的有序集合，如图2所示。本项任务将在四个场景中分别进行测试，选手的总分为四个场景测试得分的均值。

图1 不同路端设备视角的多模态感知数据示意图

图2 波束序号—接收信噪比示意图，从高到低的三个纵坐标值对应的波束序号为任务输出

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的多模态感知数据，即RGB相机图像文件、深度相机图像文件、激光雷达点云文件和车辆位置信息文件。

任务输出：每种场景条件下的路端的接收信噪比从高到低的K个波束的序号（以下简称波束序号）。在预定义码本的128个波束中，top1_index, top2_index, top3_index为实现接收信噪比从高到低依次排列的三个波束的序号。结果提交的详细格式请到“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Top-k prediction accuracy指标作为评分标准，评分细则请见下方。

选手应以csv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

评估最优波束预测准确度的指标为Top-k prediction accuracy：

其中，m代表代表预测的前m个最优波束，即top-m beam，m的取值为1、2、3，最大值为M = 3；代表该链路下第k个样本的第m个最佳波束的序号，k的取值为1-N的整数，该链路的样本总数为N；对应的真值；C为码本中的波束数量，取值为128；为惩罚因子，取值为5。特别说明，码本中每个的波束的接收信噪比是通过发端（128天线）到收端（单天线）的复频率响应计算，记复频率响应为128*1的复向量X，码本中128个波束的接收信噪比按P = abs(DFT_codebook*X)计算并从大到小排序，接收信噪比前三的波束对应的序号（1-128的整数）即为[top-1 beam, top-2 beam, top-3 beam]。对于每个链路，链路总预测准确度为预测Top-1、Top-2、Top-3最优波束对预测准确度的加权平均值：

选手在赛题二中的得分为四个场景所有链路的算数平均分：

该得分的取值区间为0-1，最终评测的结果会在的基础上乘100，即。如果得分为100满分，说明选手模型预测的结果与基准值完全一致。

（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)   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；

4)   请在截止日期前提交您的结果，过期提交将被视为无效！