Selpi Selpi
Selpi är anställd vid avdelningen för fordonssäkerhet, institutionen för mekanik och maritima vetenskaper. Hon är ocksä en anslutna lärare på avdelningen för Data Science och AI. 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.
Visar 25 publikationer
Characterisation of Motorway Driving Style Using Naturalistic Driving Data
Safety-centred analysis of transition stages to traffic with fully autonomous vehicles
Comparison of Car-Following Behavior in Terms of Safety Indicators Between China and Sweden
Mathematical Definitions of Scene and Scenario for Analysis of Automated Driving Systems in Mixed-Traffic Simulations
Analysis of SHRP2 Data to Understand Normal and Abnormal Driving Behavior in Work Zones
Using Scaling Methods to Improve Support Vector Regression’s Performance for Travel Time and Volume Predictions
The Relationship between Different Safety Indicators in Car-following Situations
Combining Support Vector Regression with Scaling Methods for Highway Tollgates Travel Time and Volume Predictions
Economics of Road Safety – What does it imply under the 2030 Agenda for Sustainable Development?
A Review of Research on Driving Styles and Road Safety
Driving Signature Extraction
The effect of curve geometry on driver behaviour in curves by using naturalistic driving data
Mutual Recognition Methodology Development
Deliverable D3.3: Data management in euroFOT
Investigating visually distracted driver reactions in rear-end crashes and near crashes based on 100-car study data
Deliverable D11.3: Final Report
Deliverable D5.3: Final delivery of data and answers to questionnaires
Automatic real-time FACS-coder to anonymise drivers in eye tracker videos
On data security and analysis platforms for analysis of naturalistic driving data
Predicting functional upstream open reading frames in Saccharomyces cerevisiae
Using mRNA Secondary Structure Predictions Improves Recognition of Known Yeast Functional uORFs
Using Inductive Logic Programming to Predict Functional Upstream Open Reading Frames in Yeast
A First Step towards Learning which uORFs Regulate Gene Expression
Using the Functional Data Model to Store and Query Recursive Biological Data
Pathway and Protein Interaction Data: from XML to FDM Database
Ladda ner publikationslistor
Du kan ladda ner denna lista till din dator.
Filtrera och ladda ner publikationslista
Som inloggad användare hittar du ytterligare funktioner i MyResearch.
Du kan även exportera direkt till Zotero eller Mendeley genom webbläsarplugins. Dessa hittar du här:
Visar 12 forskningsprojekt
Utadjungering
Säkra och beboeliga stadsgator: hållbart transport system genom integration av förare och stadsmiljö behov
Sammanfogande av ontologier inom trafiksäkerhet ovh stadsbyggnad
Körstilar av autonoma fordon i blandad trafik
Heterogeneous Traffic Groups Cooperative Driving Behaviours Research under Mixed Traffic Condition
Public transit shared mobility - connected and safe solutions
Övergång till framtidens transportsystem: Planering av flera nivåer för autonoma fordon
Att skapa en kärn möjliggörare för att utvärdera scenarier av blandad fordonstrafik
Understand Normal and Abnormal Driving Behavior in Work Zones: Phase II
Analysis of SHRP2 Data to Understand Normal and Abnormal Driving Behavior in Work Zones: Phase I
Att bättre förstå körstil från naturalistisk kördata
Driver modelling and cross-cultural analysis of driving styles based on large-scale driving data