Descrizione del progetto
L’intelligenza artificiale (IA) per la sicurezza degli utenti della strada vulnerabili
Nei grandi centri urbani, gli incroci e gli spazi condivisi affollati costituiscono un grande rischio per utenti della strada vulnerabili come pedoni e ciclisti. Tutelarli è una sfida complessa per i funzionari deputati alla sicurezza del traffico, ma le nuove evoluzioni dell’intelligenza artificiale stanno aprendo la strada a una soluzione. Il progetto VeVuSafety, finanziato dall’UE, sfrutterà le metodologie dell’IA per creare un quadro di apprendimento profondo attento alla privacy che apprenda il comportamento degli utenti della strada in varie situazioni di traffico misto. Il prossimo obiettivo sarà lo sviluppo di un modello di ambiente tridimensionale, su cui verrà costruito un quadro di apprendimento profondo end-to-end che sfrutterà dati raccolti da una telecamera per prevedere la traiettoria in maniera multimodale, rilevare le anomalie e classificare i potenziali rischi.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- ingegneria e tecnologiaingegneria elettrica, ingegneria elettronica, ingegneria informaticaingegneria elettronicasensorisensori ottici
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automaticoapprendimento profondo
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Parole chiave
Programma(i)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Meccanismo di finanziamento
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsCoordinatore
7522 NB Enschede
Paesi Bassi