Lois Anne Leal et Chaitree Sham Baradkar ont participé à ce projet novateur Défi iRAP Omdena de 8 semaines Plus tôt cette année, ils ont cherché des solutions basées sur l'IA pour cartographier les risques d'accidents et générer des données d'attributs pour la notation iRAP. Ils n'étaient que 2 des 50 ingénieurs en IA et en apprentissage automatique recrutés dans le monde entier pour trouver une solution permettant la collecte et le codage accélérés et intelligents des données d'attributs routiers (AiRAP) pour sauver des vies.
Lois est spécialiste en recherche scientifique, ingénieure en apprentissage automatique et développeuse certifiée TensorFlow, originaire des Philippines ; Chaitree est data scientist chez PharmaACE et ingénieure en apprentissage automatique chez Omdena, originaire de Pune, en Inde.
Le défi iRAP Omdena avait 3 objectifs principaux :
- Collecter des données géolocalisées sur les accidents et produire des cartes de risque iRAP présentant l'historique des accidents par kilomètre et le nombre d'accidents par kilomètre parcouru pour chaque usager de la route
- Collecte de données sur les caractéristiques des routes, le flux de trafic et la vitesse selon la norme mondiale iRAP et cartographie des performances de sécurité et du classement par étoiles de plus de 100 millions de km de routes dans le monde.
- Élaborer des indicateurs clés de performance reproductibles pour les infrastructures routières, pouvant servir de base au suivi annuel des performances.
Lois et Chaitree ont contribué au deuxième objectif en obtenant automatiquement la composante cruciale du nombre de véhicules sous l'attribut trafic ou flux de véhicules à l'aide d'images satellites avec l'aide de l'intelligence artificielle.
Lisez leur blog publié : “Utiliser les réseaux neuronaux convolutifs pour améliorer la sécurité routière et sauver des vies“".
Nous remercions Lois et Chaitree, ainsi que tous les bénévoles du Challenge, pour leur précieuse contribution !