Descripción del proyecto
La inteligencia artificial mantiene la seguridad de los usuarios vulnerables de la vía pública
En las grandes ciudades, las intersecciones muy transitadas y los espacios compartidos suponen un alto riesgo para los usuarios vulnerables de la vía pública, como los peatones y los ciclistas. Su protección es un reto para los responsables de la seguridad vial. Sin embargo, los avances en inteligencia artificial (IA) allanan el camino hacia una solución. El equipo del proyecto VeVuSafety, financiado con fondos europeos, aprovechará metodologías de IA para crear un marco de aprendizaje profundo que respete la privacidad y aprenda el comportamiento de los usuarios de la vía pública en diversas situaciones de tráfico mixto. El paso siguiente consiste en mejorar un modelo de entorno tridimensional. Asimismo, sobre este modelo de entorno se construirá un marco de aprendizaje profundo de extremo a extremo con datos de cámara para la predicción de trayectorias multimodales, la detección de anomalías y la clasificación de riesgos potenciales.
Objetivo
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.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ingeniería y tecnologíaingeniería eléctrica, ingeniería electrónica, ingeniería de la informacióningeniería electrónicasensoressensores ópticos
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automáticoaprendizaje profundo
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régimen de financiación
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinador
7522 NB Enschede
Países Bajos