TINYMLOPS DISTRIBUITO SU ARCHITETTURA CLOUD-TO-THING PER LA PREDIZIONE DEL TRAFFICO URBANO

This thesis presents a Cloud-to-Thing (C2T) architecture for urban traffic prediction, where an ontology-driven orchestrator uses a Description Logic reasoner to steer training and inference between edge and cloud based on runtime metrics. The framework is implemented on an AWS-based testbed with simulated urban traffic and evaluated across static and adaptive scenarios, showing that semantic orchestration can improve latency and resource usage with limited overhead.

Questa tesi presenta un'architettura Cloud-to-Thing (C2T) per la previsione del traffico urbano, in cui un orchestratore basato su ontologia utilizza un motore di ragionamento basato su Logica Descrittiva per indirizzare l'addestramento e l'inferenza tra edge e cloud in base a metriche di runtime. Il framework è implementato su un testbed basato su AWS con traffico urbano simulato e valutato in scenari statici e adattivi, dimostrando che l'orchestrazione semantica può migliorare la latenza e l'utilizzo delle risorse con un overhead limitato.