Opis projektu
Innowacyjne techniki bezpiecznego prowadzenia pojazdu
Lepsze poznanie profilu kierowcy oraz identyfikacja wzorców jazdy może zwiększyć bezpieczeństwo zarówno pojazdów prowadzonych przez kierowców, jak i pojazdów autonomicznych. Analityka zachowań kierowców opiera się głównie na danych dotyczących wypadków drogowych będących skutkiem błędów człowieka. Finansowany przez UE projekt RHAPSODY zakłada zastosowanie nowego podejścia do modeli zachowań za kierownicą, polegającego na określaniu niebezpiecznych oraz optymalnych zachowań kierujących. W ramach projektu przeanalizowana zostanie dynamiczna ewolucja zachowań kierowców na poziomie makro- i mikroskopowym za pomocą technik uczenia maszynowego i sztucznej inteligencji zastosowanych do istniejących europejskich danych dotyczących rzeczywistej jazdy. W celu określenia wzorców optymalnej jazdy i zbadania warunków sprzyjających najlepszej efektywności prowadzenia pojazdów, zespół RHAPSODY zidentyfikuje różne profile kierowców, wzorce jazdy i reakcje na szybkie zmiany w różnych warunkach.
Cel
Driving behaviour analytics is an emerging field with new potential for addressing the human factors that are persistently causing a huge burden of traffic injuries. However, there is need for new insights regarding driving profiles and patterns identification and a robust relevant methodology is lacking. The objective of RHAPSODY is to provide evidence for a shift of focus in driving behaviour models, targeting to identify not only the unsafe but also the optimal driving, through the analysis of the dynamic evolution of driving behaviour on both macro- and microscopic levels. Machine learning (ML) and artificial intelligence (AI) techniques will be applied on existing European naturalistic driving data to identify different driver profiles and driving patterns, their rapid changes under different conditions and their variability over individual drivers and populations. Ultimately, RHAPSODY will recognize the benchmarks of optimal driving and investigate the conditions under which drivers may demonstrate best performance. These can be applied for the improvement of safety of both conventional drivers and human-mimic autonomous vehicles (AVs).
Hosted at Delft University of Technology, RHAPSODY will allow the Fellow to enhance his individual competences by acquiring new skills on transport safety analysis, AVs, human factors, data management, AI and ML, as well as on responsible innovation, impact creation and commercialization. RHAPSODY will thus strongly benefit his interdisciplinary expertise and ensure his high employability as a transportation R&D data scientist.
A two-way transfer of knowledge is guaranteed since RHAPSODY combines his expertise in transportation data analysis with the host’s expertise in safety, human factors and responsible AI application. Therefore, RHAPSODY will contribute to Europe’s knowledge-based growth and societal benefit, through both its novel research outputs and the development of a highly skilled Fellow on transport safety.
Dziedzina nauki
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.
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
2628 CN Delft
Niderlandy