Fiche personnelle
Fiche personnelle de BELAROUSSI Rachid
Présentation
Fonction : Chercheur14-20 Boulevard Newton - Champs-sur-Marne - 77447 Marne-la-Vallée Cedex 2 - Bâtiment : Bienvenüerachid.belaroussi(at)ifsttar.frAffectation : COSYS - GRETTIA
Description
________________________________________________________________
FORMATION
________________________________________________________________
Ingénieur de l'École Supérieure de Physique et de Chimie Industrielles - ESPCI ParisTechMaster Electronique (UPMC-Paris VI), option Instrumentation
Doctorat UPMC-Paris VI : Localisation du visage dans des images et séquences vidéos couleur
________________________________________________________________
ACTIVITÉS DE RECHERCHE
________________________________________________________________
Mes activités se tournant vers le machine learning de signaux et de données, mes projets de recherche s’orientent naturellement vers l’application de ces méthodes d’apprentissage à plusieurs problématiques portées par le Grettia (trafic routier, mobilité), ainsi que le LIVIC et le LEPSIS en collaboration avec l'Université de Bologne (données de conduite).
Analyse du trafic routier : apprentissage supervisé pour la prévision de volume sur un réseau autoroutier.
On privilégie une approche d’inférence par compilation de données télé-relevées (boucles de comptage en #véhicules-5 min), dans un domaine où la modélisation physique prime. Les perspectives sont multiples : estimation des temps de parcours, état du trafic, évaluation a posteriori des aménagements (extension possible aux problèmes de simulation a priori), gestion et régulation intelligente du trafic (affectation dynamique).
Les routes intelligentes sont monitorées par des capteurs enfouis mesurant le nombre de véhicules, et leur vitesse, passant une station donnée durant une période donnée. Le résultat, mesuré en véhicules-5 min, est appelé Volume. La prévision à court-terme du trafic fait largement appel, dans la littérature, à des approches statistiques modélisant les séries temporelles (moyenne glissante, ARIMA, filtre de Kalman…), à des approches non-paramétriques (réseaux de neurones, SVM, k-NN…) ou à une combinaison de ces méthodes ; depuis trois ans, quelques rares articles présentent des travaux d’applications de réseaux profonds à ce problème. Ces travaux appliquant le deep learning aux données de trafic agrègent les mesures des autoroutes de tout le réseau pour ne donner qu’une estimation du flux moyen sur une autoroute (moyenne des stations de cette route). La prévision de trafic utilise alors les volumes moyens des instants précédents du réseau, sans prise en compte de la répartition spatiale des capteurs. Or les stations de comptage sont distribuées sur les routes et autoroutes, et la distance les séparant peut affecter la corrélation de leurs mesures.Nous explorons une approche où les corrélations spatiales peuvent être modélisées, en tenant compte de toutes les stations dans l’architecture de nos réseaux et par l’introduction de champ récepteur locaux et d’une ou plusieurs couches de convolution ; on s’intéressera particulièrement au poids des stations d’entrée et de sortie du réseau routier.
MATSIM pour la modélisation basée activités des déplacements franciliens
https://www.youtube.com/watch?v=ITMZlrnaaW0
Extraction de caractéristiques essentielles de données de conduite par deep learning (LIVIC-LEPSIS/Unibo)
Étude de modèles génératifs profond (DSAE : auto-encodeurs empilés et DBN : Deep Belief Network) pour la construction d’un espace de représentation des données de conduite (cap, vitesse, accélération long/lat, freinage, angle au volant mais aussi direction du regard et EEG) issues de véhicules réels ou d’un simulateur. On se concentre sur des méthodes d’apprentissage non-supervisé mettant en lumière des événements particuliers (accidents, intersections, feux, céder le passage). Je collabore avec le LEPSIS pour les données d’odométrie d’un simulateur de conduite (conduite de nuit, conducteur avec ou sans cataracte) et avec l’Université de Bologne (Unibo-DICAM) pour les données sur piste réelle (odométrie, et physiologie : oculométrie, EEG).
Depuis cinq ans, les réseaux de neurones profond révolutionnent la vision des ordinateurs et la reconnaissance de la parole, et montrent des résultats prometteurs dans d’autres domaines tels que la compréhension du langage et la traduction automatique. En dehors des domaines de l’image et du son, ces techniques sont très peu exploitées pour le domaine des transports intelligents : principalement pour faire de la perception autour du véhicule ou dans l’habitacle. Nous utilisation ces réseaux pour faire de la visualisation de données complexes et de grandes dimensions, celle de données de conduite (cap, vitesse, accélération long/lat, freinage, angle au volant mais aussi direction du regard et EEG) issues de véhicules réels ou d’un simulateur. On se concentre sur des méthodes d’apprentissage non-supervisé mettant en lumière des événements particuliers (accidents, intersections, feux, céder le passage).
Je collabore avec le LEPSIS pour les données d’odométrie d’un simulateur de conduite (conduite de nuit, conducteur avec ou sans cataracte) et avec l’Université de Bologne (Unibo-DICAM) pour les données sur piste réelle (odométrie, et physiologie : oculométrie, EEG). L’intégration de données physiologiques aux données du véhicule, particulièrement peu explorée dans ce domaine intéresse beaucoup le DICAM et nous collaborons par l’intermédiaire d’une doctorante et une stagiaire de l'Unibo.
_________________________________________________________________
Publications
_________________________________________________________________
https://scholar.google.fr/citations?user=gM_1xWcAAAAJ&hl=fr
https://dblp.org/pers/hd/b/Belaroussi:Rachid
________________________________________________________________
ENSEIGNEMENT ET FORMATION À LA RECHERCHE
________________________________________________________________
Enseignant vacataire de 2015 à 2018 :
- Master 2 Robotique de POLYTECH Paris UPMC (Paris VI). Cours magistraux et TP en Reconnaissance des formes et Apprentissage statistique.
- Master 2 CFA I4 (Paris VI). TP en vision des ordinateurs (OpenCV)Publications
Publications
DELHOUM, Younes, BELAROUSSI, Rachid, DUPIN, Francis, ZARGAYOUNA, Mahdi, 2021, Multi-Agent Activity-Based Simulation of a Future Neighborhood, KES-AMSTA 2021, 15th KES International Conference Agents and Multi-Agent Systems: Technologies and Applications, Virtuel, 2021-06-14, Springer Singapore, pp. 501-510
Télécharger le documentDELHOUM, Younes, BELAROUSSI, Rachid, DUPIN, Francis, ZARGAYOUNA, Mahdi, 2020, Activity-Based Demand Modeling for a Future Urban District, Sustainability, 12, 14, Multidisciplinary Digital Publishing Institute - MDPI, 24p, DOI: 10.3390/su12145821
http://dx.doi.org/10.3390/su12145821
Télécharger le documentBICHICCHI, Arianna, BELAROUSSI, Rachid, SIMONE, Andrea, VIGNALI, Valeria, LANTIERI, Claudio, LI, Xuanpeng, 2020, Analysis of Road-User Interaction by Extraction of Driver Behavior Features Using Deep Learning, IEEE Access, 8, Institute of Electrical and Electronics Engineers - IEEE, pp. 19638-19645, DOI: 10.1109/ACCESS.2020.2965940
http://dx.doi.org/10.1109/ACCESS.2020.2965940
Télécharger le documentLI, Xuanpeng, WANG, Dong, AO, Huanxuan, BELAROUSSI, Rachid, GRUYER, Dominique, 2019, Fast 3D Semantic Mapping in Road Scenes, Applied Sciences, 9, 4, Multidisciplinary Digital Publishing Institute - MDPI, 19p, DOI: 10.3390/app9040631
https://pdfs.semanticscholar.org/aa71/c4a5c480d8379908440e928e30852311ac50.pdf
Télécharger le document
https://www.mdpi.com/journal/applsciLI, Xuanpeng, AO, Huanxuan, BELAROUSSI, Rachid, GRUYER, Dominique, 2017, Fast semi-dense 3D semantic mapping with monocular visual SLAM, IEEE ITSC 2017, 20th International Conference on Intelligent Transportation Systems, Yokohama, JAPON, 2017-10-16, pp 385-390, DOI: 10.1109/ITSC.2017.8317942
Plus d'infosGRUYER, Dominique, DEMMEL, Sébastien, MAGNIER, Valentin, BELAROUSSI, Rachid, 2016, Multi-Hypotheses Tracking using the Dempster-Shafer Theory. Application to ambiguous road context., Information Fusion, 29, Elsevier, pp40-56, DOI: 10.1016/j.inffus.2015
http://dx.doi.org/10.1016/j.inffus.2015
Plus d'infosGRUYER, Dominique, BELAROUSSI, Rachid, REVILLOUD, Marc, 2016, Accurate lateral positioning from map data and road marking detection, Expert Systems with Applications, 43, ELSEVIER, 8p, DOI: 10.1016/j.eswa.2015.08.015
http://www.sciencedirect.com/science/journal/09574174
Plus d'infos
http://dx.doi.org/10.1016/j.eswa.2015.08.015BELAROUSSI, Rachid, GRUYER, Dominique, 2015, Road Sign-Aided Estimation of Visibility Conditions, 14th IAPR Conference on Machine Vision Applications (MVA 2015), Tokyo, Japon, 2015-05-18, 4p, DOI: 10.1109/MVA.2015.7153167
http://dx.doi.org/10.1109/MVA.2015.7153167
Plus d'infosGRUYER, Dominique, BELAROUSSI, Rachid, LI, Xuanpeng, LUSETTI, Benoit, REVILLOUD, Marc, GLASER, Sébastien, 2015, PerSEE: a Central Fusion Sensors Electronic Control Unit for the development of perception-based ADAS, 14th IAPR Conference on Machine Vision Applications (MVA 2015), Tokyo, Japon, 2015-05-18, Institute of Electrical and Electronics Engineers - IEEE, pp.250-254, DOI: 10.1109/MVA.2015.7153178
http://dx.doi.org/10.1109/MVA.2015.7153178
Plus d'infosBELAROUSSI, Rachid, GRUYER, Dominique, 2015, Convergence of a Traffic Signs-based Fog Density Model, ITSC 2015 - IEEE 18th International Conference on Intelligent Transportation Systems, Las Palmas, Espagne, 2015-09-15, 5p, DOI: 10.1109/ITSC.2015.132
http://itsc2015.exordo.com/files/papers/759/final_draft/PID3770363.pdf
Plus d'infos
http://ieeexplore.ieee.org/GRUYER, Dominique, BELAROUSSI, Rachid, VIGNERON, Vincent, CORD, Aurélien, 2014, How to Manage Conflict and Ambiguities in Localization and Map Matching?, Journal of Intelligent Systems, 23, 2, WALTER DE GRUYTER, pp. 171-182
http://www.degruyter.com/view/j/jisys
Plus d'infos
http://dx.doi.org/10.1515/jisys-2013-0076BELAROUSSI, Rachid, GRUYER, Dominique, 2014, Impact of Reduced Visibility from Fog on Traffic Sign Detection, IV 2014 - IEEE Intelligent Vehicles Symposium, DETROIT, ETATS-UNIS, 2014-06-08, pp. 1302-1306, DOI: 10.1109/IVS.2014.6856535
Plus d'infosGRUYER, Dominique, BELAROUSSI, Rachid, REVILLOUD, Marc, 2014, Map-Aided Localization with Lateral Perception, IV 2014 - IEEE Intelligent Vehicles Symposium, DETROIT, ETATS-UNIS, 2014-06-08, 7p, DOI: 10.1109/IVS.2014.6856528
Télécharger le documentGRUYER, Dominique, CORD, Aurélien, BELAROUSSI, Rachid, 2013, Target-to-Track Collaborative Association Combining a Laser Scanner and a Camera, ITSC 2013 - 16th IEEE Conference on Intelligent Transportation Systems, LA HAYE, PAYS-BAS, 2013-10-06, pp. 1125-1130, DOI: 10.1109/ITSC.2013.6728383
Plus d'infosGRUYER, Dominique, CORD, Aurélien, BELAROUSSI, Rachid, 2013, Vehicle detection and tracking by collaborative fusion between laser scanner and camera, IEEE/RSJ - International Conference on Intelligent Robots and Systems, TOKYO, JAPON, 2013-11-03, pp. 6207-6214, DOI: 10.1109/IROS.2013.6697109
Plus d'infosBELAROUSSI, Rachid ; MILGRAM, Maurice , 2012 , A comparative study on face detection and tracking algorithms , Expert Systems with Applications , 39 , 8 , ELSEVIER , pp. 7158-7164 , DOI: 10.1016/j.eswa.2012.01.076
http://www.journals.elsevier.com/expert-systems-with-applications/
Plus d'infosTAREL, Jean Philippe ; BELAROUSSI, Rachid, 2012, Robust 2D Location of Interest Points by Accumulation, ICIP 2012 - IEEE International Conference on Image Processing, ORLANDO, ETATS-UNIS, 30/09/2012, 4p.,
http://perso.lcpc.fr/tarel.jean-philippe/publis/icip12.html
Télécharger le documentBELAROUSSI, Rachid ; TAREL, Jean Philippe ; HAUTIERE, Nicolas, 2011, Vehicle Attitude Estimation in Adverse Weather Conditions using a Camera, a GPS and a 3D road Map, IV'11 - IEEE Intelligent Vehicles Symposium, BADEN BADEN, ALLEMAGNE, 05/06/2011, 6p.,
Plus d'infosHAUTIERE, Nicolas ; BELAROUSSI, Rachid , 2010 , Assistance à la navigation automobile par temps de brouillard, In Projet DIVAS , HERMES-LAVOISIER , pp 267-282
http://perso.lcpc.fr/tarel.jean-philippe/publis/divas10b.html
Plus d'infosBELAROUSSI, Rachid ; TAREL, Jean Philippe , 2010 , Détection des panneaux de signalisation routière par accumulation bivariée , Traitement du signal , 27 , 3 , pp 265-296 , DOI: 10.3166/ts.27.265-296
http://perso.lcpc.fr/tarel.jean-philippe/publis/ts10.html
Plus d'infos
http://ts.revuesonline.com/accueil.jspFOUCHER, Philippe ; TAREL, Jean Philippe ; SOHEILIAN, Bahman ; CHARBONNIER, Pierre ; PAPARODITIS, Nicolas , 2010 , Road Sign Detection in Images : A Case Study , ICPR'10 , ISTANBUL , TURQUIE , 23/08/2010 , pp 484-488
{http://perso.lcpc.fr/tarel.jean-philippe/publis/icpr10.html}
Plus d'infos
;BELAROUSSI, Rachid , 2010 , Modèle géométrique du sommet et de la bissectrice d'un angle pour la détection de panneaux triangulaires , Reconnaissance des Formes et Intelligence Artificielle , CAEN , FRANCE , 19/01/2010 , pp 757-764
http://perso.lcpc.fr/tarel.jean-philippe/publis/rfia10.html
Plus d'infosBELAROUSSI, Rachid , 2009 , Angle Vertex and Bisector Geometric Model for Triangular Road Sign Detection , IEEE Workshop on Applications of Computer Vision (WACV'09) , Snowbird , ETATS-UNIS , 07/12/2009 , sp
http://perso.lcpc.fr/tarel.jean-philippe/publis/wacv09.html
Plus d'infosBELAROUSSI, Rachid , 2009 , A Real-Time Road Sign Detection Using Bilateral Chinese Transform , IEEE International Symposium on Visual Computing (ISVC'09) , LAS VEGAS , ETATS-UNIS , 30/11/2009 , pp 1161-1170
http://perso.lcpc.fr/tarel.jean-philippe/publis/isvc09.html
Plus d'infos
