SIMUSAFE - Simulatore di aspetti comportamentali per un trasporto sicuro
BrainSigns parteciperà in Horizon 2020 al progetto europeo SIMUSAFE volto a migliorare la sicurezza del trasporto su strada.
Fonte di finanziamento & Durata
- Fonte di finanziamento: Horizon 2020
- Durata: 2017/2021
- Sito del progetto: Simusafe
Descrizione:
Il ruolo di BrainSigns sarà la misura dell'attività cerebrale dei piloti in simulatori di guida durante condizioni di traffico diverse e potenzialmente pericolose.
Il progetto SIMUSAFE coinvolgerà 16 partner provenienti da diversi paesi europei, tra cui gli Stati Uniti.
Il trasporto su strada è conosciuto per essere il più pericoloso di tutti i modi di trasporto e rappresenta una grande sfida sociale per l'UE.
E' stato affermato che il 90% degli incidenti stradali sono causati da un errore del conducente, essendo quindi il fattore umano un elemento significativo di grande importanza negli incidenti stradali. Migliorare la sicurezza stradale significa capire il comportamento individuale e collettivo degli attori coinvolti (autisti, due ruote, pedoni) e l'interazione tra loro e sistemi e servizi legati alla sicurezza.
L'obiettivo di SIMUSAFE (simulatore di Aspetti comportamentali per un trasporto sicuro) è quello di sviluppare modelli di comportamento multi-agente realistici in un ambiente di guida simulato dove i ricercatori saranno in grado di monitorare la raccolta di dati altrimenti non disponibile in condizioni reali. Infatti, simulatori di guida di diversi veicoli (auto, moto, biciclette) e la realtà virtuale (per i pedoni) saranno utilizzati per simulare ambienti di test. Ciò consentirà la valutazione degli scenari di traffico e guida che non sarebbe possibile altrimenti con guida naturalistica, dato che si simuleranno condizioni di pericolo, oppure molteplici attori monitorati nella stessa scena, oppure guidatori sotto l'influenza di sostanze che ne possano alterare la facoltà di giudizio percettivo e motorio. I dati raccolti dalle simulazioni saranno correlati con i test di guida naturalistici.
Dal modello sviluppato e dai dati raccolti, verranno identificati i fattori che causano più tipicamente un evento avverso, quale un incidente, una quasi collisione fra veicoli oppure infrazioni al codice della strada. Tale conoscenza sarà la base per lo sviluppo di misure più efficaci e proattive per la prevenzione e la mitigazione dei fattori di ricerca, con un impatto successivo sul mercato dei dispositivi di sicurezza, così come dei regolamenti.