Projektbeschreibung
KI wahrt die Sicherheit gefährdeter Verkehrsteilnehmender
In Großstädten stellen große Kreuzungen und geteilte Flächen ein erhebliches Risiko für gefährdete Verkehrsteilnehmende wie Fußgängerinnen und Fußgänger oder Fahrradfahrende dar. Ihr Schutz stellt eine Herausforderung für die Straßensicherheitsbehörden dar. Doch Fortschritte im Bereich der KI eröffnen eine neue Lösung. Das EU-finanzierte Projekt VeVuSafety wird KI-Methodiken ausnutzen, um einen Deep-Learning-Rahmen mit Blick auf Datenschutz zu erstellen, der das Verkehrsverhalten in verschiedenen Situationen mit unterschiedlichen Verkehrsmodalitäten analysiert. Der nächste Schritt liegt in der Weiterentwicklung eines 3D-Umgebungsmodells. In dieses Umgebungsmodell soll anhand von Kameradaten ein Deep-Learning-Rahmen, der alle Aspekte abdeckt, für die Vorhersage des multimodalen Ablaufs, die Erkennung von Abweichungen und eine mögliche Risikoklassifizierung integriert werden.
Ziel
Traffic safety is the fundamental criterion for vehicular environments and many artificial intelligence-based systems like self-driving cars. There are places, e.g. intersections and shared spaces, in the urban environment with high risks where vehicles and vulnerable road users (VRUs) such as pedestrians and cyclists directly interact with each other. By advancing starte-of-the-art artificial intelligence methodologies, this project VeVuSafety aims to build a privacy-aware deep learning framework to learn road users’ behaviour in various mixed traffic situations for the safety between vehicles and VRUs. VeVuSafety proposes a 3D environment model based on 3D point cloud for privacy protection — private information like license plates and face is anonymized. Then, within this environment model, an end-to-end deep learning framework using camera data will be built for multimodal trajectory prediction, anomaly detection, and potential risk classification based on deep generative models such as Variational Auto-Encoder. Additionally, an active privacy mechanism will also be adopted by application of the differential privacy mechanism to help the deep learning models prevent model-inversion attack. Moreover, the framework’s generalizability will be investigated by exploring the Normalizing Flows approach for domain adaption. The framework’s performance will be validated at different intersections and shared spaces using real-world traffic data. Besides road user safety and privacy, VeVuSafety can help traffic engineers and city planners to better estimate the design of traffic facilities in order to achieve a road-user-friendly urban traffic environment. Furthermore, the success of VeVuSafety will enhance the fellow’s scientific knowledge and project management skills to become an artificial intelligence expert for traffic safety and Intelligent Transportation Systems.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
- Technik und TechnologieElektrotechnik, Elektronik, InformationstechnikElektrotechnikSensorenoptische Sensoren
- NaturwissenschaftenInformatik und Informationswissenschaftenkünstliche Intelligenzmaschinelles LernenDeep Learning
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
7522 NB Enschede
Niederlande