Metodi innovativi di monitoraggio e di analisi di dati di traffico per la soluzione di problemi di ottimizzazione stocastica di impianti semaforici coordinati.

The development of information technology and the implementation of smart city projects have made it possible in a few years to have an enormous amount of data. How to put this information to good use is the goal of this work. The field of Intelligent Transportation Systems (ITS) is one of the areas in which research on new data, combined with Artificial Intelligent (AI), has begun to show interesting results. ITS allows for the provision of innovative and advanced services relating to modes of transport and traffic management and allows users to make smarter choices when using transport networks. This has a direct effect on the effectiveness of the infrastructure in urban smart cities. Scientific research in the traffic and transport sector has made big data on traffic available directly with the need to study models of analysis and representation of data that go beyond the classic modeling (so-called simulation agent model based). Thanks to big data on traffic and AI and Machine Learning (ML) techniques, it is now possible to study new models for predicting the behavior of road users (so-called data-driven models). This work is intended to be a concrete example of the use of different innovative systems for monitoring traffic data, traffic models and optimization applied in a real case. The traffic light intersections analyzed were the subject of an aerial video monitoring campaign with innovative instrumentation, the application of computer vision software and traffic data processing, FCD data processing, and, finally, the resolution of a problem of stochastic programming for optimal coordination. In drafting the paper, since it was a mixed study of applied research and a real case, it was oriented as much as possible to maintaining a strong contact with the professional field and real applicability of the results.

Lo sviluppo dell’informatica e l’implementazione dei progetti di Smart City hanno permesso in pochi anni di disporre di un’enorme quantità di dati. Come mettere a frutto queste informazioni è l’obiettivo del presente lavoro. Il campo dell’Intelligent Transportation Systems (ITS) è uno dei settori nel quale la ricerca sui nuovi dati, combinata con l’Artificial Intelligent (AI), ha iniziato a mostrare risultati interessanti. L’ITS permette di fornire servizi innovativi e avanzati relativi alle modalità di trasporto e gestione del traffico e consente agli utenti di fare scelte più intelligenti quando utilizzano le reti di trasporto. Questo ha effetto diretto sull'efficacia dell'infrastruttura nelle città intelligenti urbane. La ricerca scientifica nel settore del traffico e dei trasporti ha messo a disposizione big data sul traffico in modo diretto con la necessità di studiare modelli di analisi e di rappresentazione dei dati che vanno oltre alla classica modellistica (c.d. simulation agent model based). Grazie ai big data sul traffico e le tecniche di IA e Machine Learning (ML) è oggi possibile studiare nuovi modelli di previsione dei comportanti degli utenti della strada (c.d. data-driven models). Questo lavoro vuole essere un concreto esempio dell’utilizzo di differenti sistemi innovativi di monitoraggio dei dati di traffico, di modelli di traffico e di ottimizzazione applicati in un caso reale. Le intersezioni semaforizzate analizzate sono state oggetto di una campagna di monitoraggio di video aereo con innovativa strumentazione, dell’applicazione di software di computer vision ed elaborazione dei dati di traffico, di elaborazione di dati FCD, e, infine, di risoluzione di un problema di programmazione stocastica per il coordinamento ottimale. Nella stesura dell’elaborato, trattandosi di uno studio misto di ricerca applicata e di un caso reale, è stata orientata più possibile al mantenimento di un forte contatto con il campo professionale e di reale applicabilità dei risultati.