Projektbeschreibung
Innovative Techniken für sicheres Fahren
Ein besseres Verständnis der Profile von Personen am Steuer sowie die Erkennung von Fahrmustern könnten die Sicherheit von konventionellem Fahren und menschlich agierenden autonomen Fahrzeugen erhöhen. Die Analyse des Fahrverhaltens stützt sich hauptsächlich auf die Datenauswertung von Verkehrsunfällen, die auf menschliche Faktoren zurückzuführen sind. Das EU-finanzierte Projekt RHAPSODY wird einen neuen Ansatz für Modelle des Fahrverhaltens einführen, indem es unsicheres und optimales Fahrverhalten identifiziert. Im Rahmen des Projekts wird die dynamische Entwicklung des Fahrverhaltens auf makro- und mikroskopischer Ebene untersucht. Dies geschieht mit Hilfe von Techniken des maschinellen Lernens und der künstlichen Intelligenz, die auf vorhandene europäische naturalistische Fahrdaten angewendet werden. Um die Maßstäbe für optimales Fahrverhalten zu erkennen und die Bedingungen zu untersuchen, welche die beste Fahrleistung begünstigen, wird RHAPSODY verschiedene Profile und Fahrmuster von Personen am Steuer sowie ihre Reaktion auf rasche Veränderungen unter verschiedenen Bedingungen ermitteln.
Ziel
Driving behaviour analytics is an emerging field with new potential for addressing the human factors that are persistently causing a huge burden of traffic injuries. However, there is need for new insights regarding driving profiles and patterns identification and a robust relevant methodology is lacking. The objective of RHAPSODY is to provide evidence for a shift of focus in driving behaviour models, targeting to identify not only the unsafe but also the optimal driving, through the analysis of the dynamic evolution of driving behaviour on both macro- and microscopic levels. Machine learning (ML) and artificial intelligence (AI) techniques will be applied on existing European naturalistic driving data to identify different driver profiles and driving patterns, their rapid changes under different conditions and their variability over individual drivers and populations. Ultimately, RHAPSODY will recognize the benchmarks of optimal driving and investigate the conditions under which drivers may demonstrate best performance. These can be applied for the improvement of safety of both conventional drivers and human-mimic autonomous vehicles (AVs).
Hosted at Delft University of Technology, RHAPSODY will allow the Fellow to enhance his individual competences by acquiring new skills on transport safety analysis, AVs, human factors, data management, AI and ML, as well as on responsible innovation, impact creation and commercialization. RHAPSODY will thus strongly benefit his interdisciplinary expertise and ensure his high employability as a transportation R&D data scientist.
A two-way transfer of knowledge is guaranteed since RHAPSODY combines his expertise in transportation data analysis with the host’s expertise in safety, human factors and responsible AI application. Therefore, RHAPSODY will contribute to Europe’s knowledge-based growth and societal benefit, through both its novel research outputs and the development of a highly skilled Fellow on transport safety.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
2628 CN Delft
Niederlande