Opis projektu
Nowa technologia określania trajektorii ruchomych obiektów
Rosnąca w ostatnich latach liczba czujników doprowadziła do powstania zbiorów danych ze statków, pojazdów, inteligentnych zegarków, kamer i czujników wykorzystywanych do obserwacji Ziemi. Wciąż jednak pojawiają się luki, błędy lub braki danych na temat ruchomych obiektów. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu MUSIT zbierze i połączy dane z różnych źródeł, aby dostarczyć szczegółowych informacji o lokalizacji i zachowaniu poruszających się obiektów. Badacze wykorzystają algorytmy sztucznej inteligencji i metody przestrzenno-czasowe w celu uzupełnienia brakujących informacji i zminimalizowania błędów w danych na temat trajektorii. Prace obejmą trzy główne etapy - gromadzenie i tworzenie danych, wykorzystanie modeli reprezentacji między domenami sektora technologii informacyjno-komunikacyjnych na potrzeby trajektorii oraz analiza i przetwarzanie wyników.
Cel
The abundance of tracking sensors in recent years has led to the generation of high-frequency and high-volume streams of data, including vessels, vehicles' tracking data, smartwatches, cameras, and earth observation sensors. However, there are cases where the trajectory of a moving object has gaps, errors, or is unavailable. However, a vast pool of tracking data is available but remains unexplored or underutilized and has the potential to reveal important information. The MUlti-Sensor Inferred Trajectories (MUSIT) project aims at exploring and fusing data from all heterogeneous sources to provide detailed information about a moving objects whereabouts and behavior, reduce gaps, and produce a refined and inferred trajectory with minimal errors. The fusion of multi-sensor data is required to fill in the trajectory gaps of moving objects and attach useful semantics to the trajectory and its components. AI
algorithms and spatio-temporal methodologies that can fuse information and infer the missing knowledge are crucial to the implementation of MUSIT. Furthermore, different representation models from multiple domains within the ICT sector will also be explored. Datasets will be made available in cases where it was previously thought impossible, and infer knowledge thus improving the overall surveillance. Therefore, the MUSIT project will tackle the aforementioned issues in a process that can be categorized into three parts: i) data collection and creation, ii) exploitation and utilization of cross-domain representation models within the ICT sector for trajectories, and iii) analysis and processing of outcomes to produce information-rich results related to vessel monitoring and urban mobility.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
- inżynieria i technologiainżynieria elektryczna, inżynieria elektroniczna, inżynieria informatycznainżynieria elektronicznaczujnikiczujniki optyczne
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-SE - HORIZON TMA MSCA Staff ExchangesKoordynator
106 82 ATHINA
Grecja