Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Algoritmi di Deep Learning e modelli per la ricostruzione della dinamica di mobilità su rete stradale da osservazioni sperimentali |
|---|---|
| Titolo del progetto di ricerca in inglese | Deep Learning algorithms and models for the reconstruction of mobility dynamics on a road network from experimental observations |
| Campo principale della ricerca | Physics |
| Sottocampo della ricerca | Applied physics |
| Settore Concorsuale | 02 - Scienze fisiche |
| S.S.D | - |
| Descrizione sintetica in italiano | L'attività di ricerca riguarderà l'applicazione delle reti neurali di tipo Deep Learning e lo sviluppo di modelli dinamici che, utilizzando le registrazioni di dati sui flussi di mobilità da sensori distribuiti su una rete stradale, ricostruiscano in modo dinamico la mobilità su tutta la rete. In particolare, si utilizzeranno 1) un data base messo a disposizione dalla regione Emilia Romagna che contiene la misura dei flussi di traffico da spire magnetiche per lo studio del traffico veicolare sulla rete stradale provinciale della regione; 2) un data base contenente localizzazioni GPS di telefoni mobili nell’area di Rimini, reso disponibile grazie ad una convenzione con TIM, per lo studio della mobilità pedonale nella città di Rimini; 3) dei filmati registrati da telecamere installate nell’area Marciana a Venezia (collaborazione con VENIS s.p.a.) per la ricostruzione della mobilità pedonale osservata mediante algoritmi di video analisi di Deep-Learning. |
| Descrizione sintetica in inglese | The research activity will concern the application of Deep Learning neural networks and the development of dynamical models that, using the mobility flows measured recorded by distributed sensors on a road network, reconstruct the mobility state on the whole road network in a dynamical way. In particular the research activity will consider 1) a data base made available by the region Emilia Romagna, that contains the traffic flow measures from magnetic loops, to study the impact of vehicular traffic on the country road network of the region; 2) a data base containing the GPS localization of mobile devices in the area of Rimini, made available by through a convention between UNIBO and TIM, to study the pedestrian mobility in the city of Rimini; 3) videos recorded by cameras installed in the area Marciana in Venice (collaboration with VENIS s.p.a.) to reconstruct the observed pedestrian mobility using Deep Learning algorithms for video analysis. |
| Data del bando | 03/12/2020 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI FISICA E ASTRONOMIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| armando.bazzani@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 20/12/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |