Within the following thesis, the company with which this work was developed was first presented, subsequently, once the state of the art had been analysed, studying past research projects and proposals, we concentrated on the description and analysis of the solution adopted, where: the ideal data record was presented, the data provided was described and analysed, the data processing pipeline was built and the development and implementation of the code was presented in detail. At the end of this work, conclusions were drawn, a first machine learning model useful for predicting traffic conditions was presented and possible future developments were discussed.

All’interno della seguente tesi si è dapprima presentata l’azienda con la quale è stato sviluppato tale lavoro, successivamente, una volta analizzato lo stato dell’arte, studiando progetti e proposte di ricerca passati, ci si è concentrati sulla descrizione e analisi della soluzione adottata, dove: si è presentato il record di dati ideali, si sono descritti e analizzati i dati forniti, si è costruito la pipeline di elaborazione dati e si è presentato nel dettaglio lo sviluppo e implementazione del codice. Alla fine di questo elaborato sono state tratte le conclusioni, è stato presentato un primo modello di machine learning utile alla previsione di condizioni di traffico e si è discusso di eventuali sviluppi futuri.

ANALISI DEI DATI DI GUIDA AUTONOMA DI LGV A SUPPORTO DELLA PREVISIONE DELLE CONDIZIONI DI TRAFFICO

DI BARI, RICCARDO
2021/2022

Abstract

Within the following thesis, the company with which this work was developed was first presented, subsequently, once the state of the art had been analysed, studying past research projects and proposals, we concentrated on the description and analysis of the solution adopted, where: the ideal data record was presented, the data provided was described and analysed, the data processing pipeline was built and the development and implementation of the code was presented in detail. At the end of this work, conclusions were drawn, a first machine learning model useful for predicting traffic conditions was presented and possible future developments were discussed.
2021
ANALYSIS OF THE AUTONOMOUS DRIVING DATA OF LGV TO SUPPORT THE FORECAST OF TRAFFIC CONDITIONS
All’interno della seguente tesi si è dapprima presentata l’azienda con la quale è stato sviluppato tale lavoro, successivamente, una volta analizzato lo stato dell’arte, studiando progetti e proposte di ricerca passati, ci si è concentrati sulla descrizione e analisi della soluzione adottata, dove: si è presentato il record di dati ideali, si sono descritti e analizzati i dati forniti, si è costruito la pipeline di elaborazione dati e si è presentato nel dettaglio lo sviluppo e implementazione del codice. Alla fine di questo elaborato sono state tratte le conclusioni, è stato presentato un primo modello di machine learning utile alla previsione di condizioni di traffico e si è discusso di eventuali sviluppi futuri.
LGV
Guida Autonoma
Traffico
File in questo prodotto:
File Dimensione Formato  
TESI_con_deliberatoria_dopo_frontespizio(2)_compressed.pdf

File consultabile da postazioni biblioteca

Descrizione: TESI DEFINITIVA con deliberatoria dopo frontespizio debitamente compilata in tutti i suoi campi e firmata
Dimensione 3.09 MB
Formato Adobe PDF
3.09 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/20.500.14253/65356