Progettazione e implementazione di un sistema di monitoraggio e controllo intelligente per il Fleet Management in ambiente SUMO, con analisi comparativa tra politiche di controllo tradizionali e avanzate (Baseline, Rule-Based, Cost-Based e filtro predittivo ML-assisted supervisionato) integrate con una Dashboard interattiva in tempo reale, ponendo le basi per future estensioni tramite algoritmi di DRL.
SVILUPPO DI MODELLI DI INTELLIGENZA ARTIFICIALE PER LA PREDIZIONE, LA GESTIONE E IL MONITORAGGIO IN TEMPO REALE DI UNA FLOTTA DI VEICOLI IN SCENARI URBANI
RICCIARDI, LUIGI
2025/2026
Abstract
Progettazione e implementazione di un sistema di monitoraggio e controllo intelligente per il Fleet Management in ambiente SUMO, con analisi comparativa tra politiche di controllo tradizionali e avanzate (Baseline, Rule-Based, Cost-Based e filtro predittivo ML-assisted supervisionato) integrate con una Dashboard interattiva in tempo reale, ponendo le basi per future estensioni tramite algoritmi di DRL.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_sumo_ai_dashboard.pdf
File consultabile da postazioni biblioteca
Descrizione: Testo di tesi sullo sviluppo di modelli di intelligenza artificiale per la predizione, la gestione e il monitoraggio in tempo reale di una flotta di veicoli in scenari urbani
Dimensione
4.24 MB
Formato
Adobe PDF
|
4.24 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/110530