Description du projet
Prédire les menaces pesant sur les réseaux d’infrastructure grâce à des algorithmes basés sur l’IA
La détection précoce des changements dans les schémas météorologiques et des perturbations causées par la déformation du sol, la végétation, les incendies de forêt et l’activité de tiers peut aider les grands réseaux d’infrastructure à atténuer les risques et à maintenir le bon déroulement des opérations. Financé par le Conseil européen de l’innovation, le projet EOinTime entend faire évoluer son service de surveillance de l’observation de la Terre, qui intègre des données satellitaires à des algorithmes d’apprentissage automatique. Le projet se concentre sur l’analyse des séries chronologiques et la surveillance en temps quasi réel. À cette fin, il ambitionne de développer des algorithmes de détection des changements basés sur l’IA qui évalueront séquentiellement les modèles de données et identifieront les anomalies avec une grande précision. Cela permettra de prédire en temps opportun toute menace potentielle pesant sur les réseaux d’infrastructure. Les parties prenantes auront accès aux informations en temps réel du service de surveillance par le biais d’applications mobiles et web.
Objectif
LiveEO will offer a holistic monitoring service for infrastructure networks based on satellite data and machine learning algorithms to identify external threats to the grid and predict future impacts by adding time series analytics to our services. The service will enable rapid change
detection (e.g. storm monitoring) to quickly assess the location and extent of damage and slow change detection to facilitate the prediction of potential risks. We will make use of optical and radar data to offer services in real time, regardless of weather. The solution requires the
development of AI-based change detection algorithms that evaluate data at different points in time i.e. time-series and are able to detect patterns and abnormalities in the data with high precision. To do this automatically, the development of an automated process chain, able to transform
data into actionable insights for our customers is part of the solution. Insights will be made available via mobile and web apps.
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. La classification de ce projet a été validée par l’équipe qui en a la charge.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. La classification de ce projet a été validée par l’équipe qui en a la charge.
- ingénierie et technologiegénie mécaniquegénie automobilegénie aérospatialtechnologie satellitaire
- sciences naturellesinformatique et science de l'informationlogicieldéveloppement logiciel
- ingénierie et technologiegénie de l'environnementtélédétection
- ingénierie et technologiegénie électrique, génie électronique, génie de l’informationingénierie de l’informationtélécommunicationtechnologie radioradar
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatique
Mots‑clés
Programme(s)
- HORIZON.3.1 - The European Innovation Council (EIC) Main Programme
Régime de financement
HORIZON-EIC-ACC-BF - HORIZON EIC Accelerator Blended FinanceCoordinateur
10997 Berlin
Allemagne
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.