With the rapid increase of population in cities along with connected technologies, cities are made smart to facilitate the populace at their best. Mobility and transport facilitation is the key to a healthy and commutable smart city. With this vision Intelligent Transportation Systems (ITS) have historically been introduced to increase the transportation network performances; allowing for the optimization of several indicators that are strictly related such as travel time, emissions, usability, and safety. The effectiveness of all ITS proposed strategies is mainly based on the ideas of traffic parameter predictions and controlling or anticipating driver’s / traveler’s behavior. Indeed, all relevant policies such as driving guidance, mobility information systems design, and traffic management are based on the consistency between the decision/control variables and the actual traffic parameters (congestion, travel times, vehicle tracking, etc). So, in this dissertation, the goal is to generate intelligence out of structured data for facilitating respective smart mobility services. In the first use case, we leveraged crowdsourced data by road users to get congestion intelligence. Using that, a simple control algorithm for adaptive signaling in developing countries was proposed. Further, we explored socially acceptable route planning for personal mobility devices and safe route planning for pedestrian micro-mobility during the pandemic. For the smart surveillance services use case, we collaborated on robust and domain-invariant online object detection and tracking. In yet another mobility service, aimed at driver assistance using accident event data and corresponding street view images, context-specific accident-prone features are identified. The detected accident-prone features are to be notified to drivers in a proposed head-up display to enhance their decision-making. The ultimate goal is to power new fine-processed data that can be used and reused across applications and businesses, with each data modality adding valuable intelligence one over the other towards autonomous and smart city mobility.
커넥티드 기술과 함께 도시의 인구가 빠르게 증가함에 따라, 도시는 사람들이 최대한 편할 수 있도록 똑똑하게 만들어진다. 이동성과 교통 편의성은 건강하고 통근 가능한 스마트 시티의 핵심이다. 이러한 비전을 가지고 지능형 교통 시스템은 교통 네트워크 성능을 높이기 위해 도입되어왔고, 그에 따라 이동 시간, 배기가스, 사용성 및 안전성과 같이 엄격하게 연관된 여러 지표를 최적화할 수 있다. 제안된 모든 지능형 교통 시스템 전략의 효과는 주로 교통 매개 변수 예측과 운전자/여행자의 행동을 통제하거나 예측하는 아이디어를 기반으로 한다. 실제로 운전보조, 모빌리티 정보시스템 설계, 교통관리와 같은 모든 관련 정책은 의사결정/제어 변수와 실제 교통 매개변수(정체, 이동 시간, 차량 추적 등) 간의 일관성을 기반으로 한다. 따라서 본 논문에서는 각각의 스마트 모빌리티 서비스를 촉진하기 위해 구조화된 데이터로부터 지능을 생성하는 것을 목표로 한다. 첫 번째 사용 사례에서, 우리는 도로 사용자의 크라우드소싱 데이터를 활용하여 혼잡 지능을 얻었다. 이를 이용하여 개발도상국에서 적응형 신호 제어를 위한 간단한 제어 알고리즘을 제안하였다. 또한, 우리는 전염병 동안 사회적으로 수용 가능한 개인 이동 장치의 경로 계획과 보행자 마이크로 모빌리티에 대한 안전한 경로 계획을 탐구했다. 스마트 감시 서비스 사용 사례로, 우리는 강력하고 도메인 불변 온라인 객체 감지 및 추적에 대해 협력했다. 사고 이벤트 데이터와 해당 도로 이미지를 사용하여 운전자 지원을 목표로 하는 또 다른 모빌리티 서비스는 상황에 따라 사고가 발생하기 쉬운 특징을 식별한다. 감지된 특징은 운전자의 의사 결정을 향상시키기 위해 제안된 헤드업 디스플레이를 통해 운전자에게 통보된다. 궁극적인 목표는 애플리케이션 및 비즈니스 전반에서 사용 및 재사용할 수 있는 새로운 미세 처리 데이터를 제공하고 각 데이터 양식이 서로 귀중한 정보를 추가하여 자율성 및 스마트 시티 이동성을 지향하는 것이다.
