PROACTIVE QOS MAPPING IN 6G VEHICULAR NETWORKS: A DATA-DRIVEN SPATIAL APPROACH

6G vehicular networks require proactive Quality of Service (QoS) estimation to optimize resource allocation in dynamic urban scenarios. This thesis presents a data-driven approach using Random Forest to map QoS topographies solely from vehicular spatial coordinates. Validated via OMNeT++/SUMO co-simulation, the model integrates key network parameters (SINR, Throughput, Delay, and Packet Loss) into a unified score. By bypassing continuous channel monitoring overhead, this spatial mapping enables efficient, proactive resource management for future 6G Digital Twins.

Le reti veicolari 6G richiedono una stima proattiva della Qualità del Servizio per ottimizzare l'allocazione delle risorse in ambienti urbani ad alta dinamicità. Questo lavoro presenta un approccio data-driven basato su Random Forest per generare mappe predittive di QoS a partire dalle sole coordinate geografiche dei veicoli. Validato tramite una simulazione con OMNeT++ e SUMO, il modello sintetizza i principali parametri di rete (SINR, Throughput, Delay e Packet Loss) in un indicatore unico. Il sistema elimina l'overhead di monitoraggio continuo del canale, offrendo una mappa topografica fondamentale per la gestione proattiva delle risorse e per futuri Digital Twin 6G.