Doctoral student in traffic safety focusing on data analysis and traffic simulation

Lunds universitet grundades 1666 och rankas återkommande som ett av världens främsta lärosäten. Här finns omkring 46 000 studenter och 8 500 medarbetare i Lund, Helsingborg och Malmö. Vi förenas i vår strävan att förstå, förklara och förbättra vår värld och människors villkor.

Lunds universitet välkomnar sökande med olika bakgrund och erfarenheter. Jämställdhet, lika villkor och mångfald är grundläggande principer för alla delar av vår verksamhet.

Beskrivning av verksamheten

Trafik och väg erbjuder en unik och öppen miljö för avancerad forskning inom trafiksäkerhet och beteende. Gruppen består av fem seniora forskare (postdoktorer och universitetslektorer) samt två doktorander. Gruppen har dessutom tillgång till ett trafiksimuleringslaboratorium med en avancerad körsimulator. Gruppen har flera pågående forskningsprojekt inom trafiksäkerhetsområdet, både på europeisk och nationell nivå.

Som doktorand kommer du att bidra till forskning som syftar till att öka förståelsen för samt förebygga vägtrafikolyckor och personskador. Du kommer att arbeta nära seniora forskare samtidigt som du utvecklar en egen självständig forskningsprofil. Anställningen erbjuder möjligheter till tvärvetenskapligt och internationellt samarbete, deltagande i vetenskapliga konferenser samt forskningsvistelser när detta är relevant för projektet.

Att vara doktorand

Som doktorand är du både antagen som student och anställd vid Lunds universitet.

Som forskarstuderande tränas du i ett vetenskapligt förhållningssätt. Det kan kort beskrivas som att du får övning i att tänka kritiskt och analytiskt, att du får lösa problem självständigt med hjälp av rätt metodval och du får en forskningsetisk medvetenhet. Dessutom ges möjlighet för dig som doktorand att arbeta med projekt, att utveckla dina ledaregenskaper och din pedagogiska förmåga. Under hela din studietid guidas du av handledare. Forskarstudierna avslutas med en avhandling och doktorsexamen.

Mer om att vara doktorand vid LTH på lth.se.

Ämnesbeskrivning

Doktorandprojektet handlar om utveckling och tillämpning av kvantitativa metoder för trafiksäkerhetsanalys. Forskningen kommer att kombinera empirisk olycks- och trafikdata med statistisk modellering, maskininlärning samt trafik- eller körsimulering för att studera olycksförekomst, skadornas allvarlighetsgrad och trafikanters beteende.

Särskild uppmärksamhet kan riktas mot variationer mellan olika trafikantgrupper och trafikmiljöer, tolkning och validering av prediktiva modeller samt trafiksäkerhetseffekterna av infrastrukturella åtgärder eller policyinsatser. De exakta forskningsfrågorna och avvägningen mellan olika metoder kommer att utvecklas tillsammans med doktoranden utifrån projektets data, forskningsinfrastruktur och samarbeten. Arbetet förväntas resultera i både vetenskapliga bidrag och kunskap som är relevant för praktiskt trafiksäkerhetsarbete och beslutsfattande inom trafiksäkerhetsområdet.

Arbetsuppgifter

Du kommer framför allt att ägna dig åt din forskarutbildning, vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser, seminarier och konferenser. Du kommer att planera och genomföra forskningsstudier med gradvis ökande självständighet, i samarbete med handledargruppen och projektets samarbetspartners.

Arbetsuppgifterna innefattar att:

• Genomföra litteraturöversikter och syntetisera forskning om trafiksäkerhet, olycksanalys, trafikantbeteende samt relevanta modelleringsmetoder.
• Samla in, dokumentera, kvalitetssäkra och analysera data om olyckor, trafik, infrastruktur, trafikantbeteenden och simuleringar i enlighet med krav på forskningsetik och datahantering.
• Utveckla, implementera, jämföra och validera kvantitativa modeller, som kan omfatta statistiska, ekonometriska, maskininlärningsbaserade och simuleringsbaserade metoder.
• Tolka resultaten i relation till trafiksäkerhetsteori, mänskligt beteende och praktiskt beslutsfattande, inklusive att beakta osäkerheter, bias och metodernas begränsningar.
• Författa vetenskapliga artiklar och en doktorsavhandling samt presentera forskningsresultat vid seminarier, konferenser och möten med projektets samarbetspartners.
• Bidra till gruppens forskningsmiljö och samarbetskultur samt, när det är relevant, genomföra forskningsvistelser eller medverka i fält- och laboratoriearbete.
• I arbetsuppgifterna kan det även komma att ingå medverkan i undervisning och annat institutionsarbete (dock max 20 % av arbetstiden).

Kvalifikationer

För att kunna antas och anställas som doktorand behöver du uppfylla kraven nedan.

Behörighetskrav

Grundläggande behörighet till utbildning på forskarnivå uppfyller du som har:

• avlagd examen på avancerad nivå eller
• fullgjorda kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå eller 
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Särskild behörighet för Teknik och samhälle uppfyller du som har: 

• 30 högskolepoäng på avancerad nivå med relevans för ämnesområdet.

Övriga krav

För att tillgodogöra sig den aktuella forskarutbildningen krävs även:  

• Masterexamen eller motsvarande inom transportteknik, väg- och vattenbyggnad, trafikteknik, tillämpad statistik, datavetenskap, datalogi eller annat område som är relevant för projektet.
• Slutförd kurs på avancerad nivå eller examensarbete som innefattar kvantitativ analys av transporter, trafiksäkerhet, mobilitet eller jämförbara komplexa empiriska data.
• Erfarenhet av programmeringsspråk eller statistiska analysmiljöer, såsom Python, R, MATLAB eller motsvarande verktyg, för databehandling och analys.
• God förmåga att arbeta självständigt, formulera forskningsfrågor och välja lämpliga metoder.
• God skriftlig och muntlig kommunikationsförmåga, inklusive förmåga att på ett tydligt sätt kommunicera metoder och resultat.
• God samarbetsförmåga i tvärvetenskapliga och internationella forskningsmiljöer.
• Mycket goda kunskaper i engelska, både i tal och skrift.

Läs hela annonsen och hur du ansöker på Lunds universitets webbplats: https://lu.varbi.com/what:job/jobID:970477/.