Selpi Selpi

Forskare på Mekanik och maritima vetenskaper, avdelningen för fordonssäkerhet

Selpi är anställd vid avdelningen för fordonssäkerhet, Institutionen för mekanik och maritima vetenskaper. Hon är också lärare på avdelningen för Data Science och AI, Instituionen för data- och informationsteknik.

Förutom att ha erfarenhet av att bedriva forskning, leda forskningsprojekt, handleda studenter och undervisa, har hon också en long erfarenhet som studierektor på för en av forskningsskolorna på Chalmers.

Utanför akademiskt arbete har hon också flera års erfarenhet inom mjukvara och IT-bransch.

Hon har en doktorsexamen i Computing. Hennes doktorsavhandling handlar om tillämpning av en maskininlärningsteknik, kallad Inductive Logic Programming, för ett bioinformatikproblem relaterat till genreglering.

Hennes nuvarande intressen inkluderar tillämpningar av maskininlärning och data mining för transportrelaterad domän (t.ex. för att förstå körstilar / förarens beteende från naturalistiska kördata, prediktera körtid och trafikvolymer, minska behovet av manuell läsning och få mer av textdata i transport) och studera effekterna av blandad trafik (med olika automatiseringsnivåer) på både trafiksäkerhet och trafik effektivitet.
Recent Master's thesis projects that I supervised:
  • Resource optimal Neural Networks for safety critical real time systems
  • Detecting and predicting automation expectation mismatch
  • Safety evaluation of heterogeneous traffic: using modified models in SUMO
  • Using pre-trained language models for extractive text summarisation of academic papers
  • AI-based road friction estimation using road weather information
  • Predicting pedestrian movement for street segments in urban environments
  • Exploring semi-supervised learning for deciding the order of vehicles in rear-end crashes
  • Lane-level map matching using hidden Markov models
  • Influence area of speed cameras
  • Highway tollgates traffic prediction using a stacked autoencoder neural network
  • Highway tollgates travel time & volume predictions using Support Vector Regression with scaling methods
  • Topic modelling and clustering for analysis of road traffic accidents
  • Automating text categorization with Machine Learning: Error responsibility routing in a multi-layer hierarchy

Sidansvarig Publicerad: må 14 dec 2020.