Equipe Systèmes de Transport Intelligents

Responsable : Pascal VASSEUR

Objectifs

De la perception avancée de scènes aux bases de données temps réel.
Systèmes embarqués en milieux dégradés, dotés de faibles infrastructures.

Approches

  • Perception avancée de scènes
  • Les bases de données temps réel
  • Les bases de données géo-référencées
Verrous scientifiques
Les systèmes d'assistance à la conduite requièrent une quantité importante de données pertinentes et actualisées pour être efficaces. Les travaux de l'équipe STI concernent donc l'acquisition, le traitement et la gestion de masses de données pour les transports intelligents.
Angle d'attaque
Les compétences multiples des membres de l'équipe nous permettent de décliner notre thématique commune suivant les axes tels que la perception avancée de scènes, les bases de données temps réel et les bases de données géo-référencées. Au-delà du développement de méthodes innovantes dans chacun de ces axes, l'objectif est que la perception et les bases de données interagissent pour se guider et s'enrichir mutuellement.
Lien wiki
Pour les membres de l'équipe uniquement  : LitisWiki -STI
Les prochains rendez-vous, les comptes-rendus, le matériel, accès aux données, etc...

Agenda de l'équipe

Offre d'emploi (Stage / Thèse)

MASTER 2 Modélisation de la perception de l’espace par des agents en situation de crise en utilisant des graphes spatio-temporels.

Mots clés : théorie des graphes ; graphe spatial ; modélisation dynamique ; système multi-agents Les risques naturels et technologiques en zone urbaine sont des défis majeurs à la sécurité des citoyens. L’aide à la planification de l’évacuation massive des populations est à ce … Suite >>

MASTER 2 : Caractérisation des dynamiques spatiales dans le cadre de sources géolocalisée et non géolocalisée

Ce sujet de master s’inscrit dans les travaux réalisés dans la suite de l’ANR Modelespace qui s’est terminée en 2012. L’objectif était de développer une procédure d’étude permettant d’analyser les dynamiques spatiales des peuplements à partir de sources de données … Suite >>

MASTER 2 : Résilience urbaine et Gestion de Crise dans un Contexte de Crue à Cinétique lente : Plateforme d’aide à la décision

Le recrutement du stagiaire de Master 2 s’inscrit dans le cadre du projet ANR RGC4 (http://www.agence-nationale-recherche.fr/projet-anr/?solr=run&tx_lwmsuivibilan_pi2%5BCODE%5D=ANR-15-CE39-0015) qui a pour objectif le développement d’outils pour l’aide à la gestion des réseaux techniques critiques dans le cadre de la gestion de crise … Suite >>

MASTER 2 : Résilience urbaine et Gestion de Crise dans un Contexte de Crue à Cinétique lente

Le recrutement du stagiaire de Master 2 s’inscrit dans le cadre du projet ANR RGC4 (http://www.agence-nationale-recherche.fr/projet-anr/?solr=run&tx_lwmsuivibilan_pi2%5BCODE%5D=ANR-15-CE39-0015) qui a pour objectif le développement d’outils pour l’aide à la gestion des réseaux techniques critiques dans le cadre de la gestion de crise … Suite >>

Modélisation de la perception de l’espace par des agents en situation de crise en utilisant des graphes spatio-temporels

MOTS CLÉS : théorie des graphes ; graphe spatial ; modélisation dynamique ; système multi-agents Les risques naturels et technologiques en zone urbaine sont des défis majeurs à la sécurité des citoyens. L’aide à la planification de l’évacuation massive des … Suite >>

Liens

Personnel

  • 13membres permanents
  • 9doctorants
  • 1membre associe

Applications

Pour un environnement durable et la prévention des risques dans les transports
  • Aide à la conduite automobile
  • Systèmes autonomes
  • Vision embarquée
  • Optimisation du transport de personnes
  • Bases de données embarquées

Mots clés

  • Bases de Données
  • Géomatique
  • Perception multi­capteurs distribuée
  • Systèmes de vision
  • Reconstruction de scènes
  • Interprétation de scènes

Projets en cours

  • ANR : pLaTINUM, Cartographie Long Terme pour la Navigation Urbaine.
  • GRR Haute Normandie :  RoadTRAC, Road Traffic Analysis by Crowdsourcing.
  • ANR : DrAACaR, Driver Assistance by Asynchronous Camera Ring.
  • GRR-EEM HN : SAVEMORE I, Smart Autonomous VEhicle for urban Mobility using Renewable.
  • INTERREG : SAVEMORE II.

Partenaires

Collaborations Internationales

  • Algérie
    • Université de Mostaganem
  • Allemagne
    • Université de Postdam
  • Corée du Sud
    • RCV Lab, KAIST
  • Italie
    • Visiolab, Parme
  • Roumanie
    • Université technique de Cluj­Napoca
  • Suisse
    • STI IMT(LPM) EPFL, Lausanne
  • Tunisie
    • INSAT, Tunis
    • MIRACL, Sfax
    • Université de Gabès

Collaborations Nationales

  • CEREMA
  • INRIA
  • INSERM

Collaborations Régionales

  • IRSEEM

Partenaires industriels

  • Orange Lab
  • Stereolab
  • Synchronic
  • Valeo

Réseaux de recherche

  • GRR LMN
  • GRR EEM
at ut ut ultricies neque. id, leo. venenatis libero. consectetur