Description du projet
L’IA protège les usagers vulnérables de la route
Dans les grandes villes, les intersections où la circulation est dense ainsi que les espaces partagés représentent un risque élevé pour les usagers vulnérables de la route comme les piétons et les cyclistes. Leur protection constitue un défi pour les responsables de la sécurité routière. Toutefois, des progrès réalisés dans l’IA ouvrent la voie à une solution. Le projet VeVuSafety, financé par l’UE, exploitera des méthodologies à base d’IA pour créer un cadre d’apprentissage profond respectueux de la vie privée qui enseigne aux usagers de la route le comportement à adopter dans différentes situations de trafic mixte. La prochaine étape consistera à créer un modèle en 3D de l’environnement. De plus, un cadre d’apprentissage profond de bout en bout utilisant des données recueillies par des caméras sera élaboré sur ce modèle d’environnement afin de proposer une prévision des trajectoires multimodales, une détection des anomalies et une classification des risques potentiels.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
- ingénierie et technologiegénie électrique, génie électronique, génie de l’informationingénierie électroniquecapteurscapteurs optiques
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatiqueapprentissage profond
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Régime de financement
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinateur
7522 NB Enschede
Pays-Bas