Il progetto Urban Twin si basa su un approccio metodico e strutturato per sviluppare una soluzione robusta e innovativa. L'obiettivo è realizzare una piattaforma per il monitoraggio della congestione, il conteggio dei veicoli e il rilevamento di incidenti, il tutto validato attraverso un simulatore di guida che integra approcci di realtà virtuale.

L'architettura di Urban Twin è stata progettata per essere modulare, scalabile e flessibile. È strutturata su quattro livelli principali: Fisico (i sensori sui veicoli), Connessione (l'ingestione dei dati), Digital Twin (l'elaborazione e la modellazione) e Visualizzazione (le interfacce utente). Per garantire piena portabilità ed evitare dipendenze da tecnologie proprietarie, abbiamo basato l'intera infrastruttura su componenti open-source di riferimento come Kafka per il flusso di dati, Flink per l'elaborazione in tempo reale, PostgreSQL/PostGIS per la gestione geospaziale e Kubernetes per l'orchestrazione dei servizi.

Lo sviluppo di Urban Twin è articolato in diverse fasi chiave, ognuna con  obiettivi specifici per garantire il successo complessivo  dell'intervento.

Fase 1: Analisi e Definizione dei Requisiti
In questa fase iniziale abbiamo condotto un'analisi approfondita dello  stato dell'arte delle tecniche di riconoscimento di pattern e abbiamo  definito in modo sistematico i requisiti funzionali, non funzionali e di piattaforma. Questo lavoro ha gettato le basi per tutte le successive  attività di progettazione, descrivendo i principali scenari di  interazione tra il sistema e gli utenti.

Fase 2: Modellazione dei Dati e dei Sensori
Il successo della piattaforma dipende dalla qualità dei dati. In questa fase abbiamo definito il modello delle feature, ovvero le caratteristiche dei dati che vengono fornite in input al  sistema di Intelligenza Artificiale. Parallelamente, è stata progettata  la rete di sensori (GPS/GNSS, IMU, CAN/OBD-II) incaricata della raccolta dati dai veicoli, ottimizzando il processo di acquisizione.

Fase 3: Progettazione Architetturale del Sistema
Questa attività si è concentrata sulla progettazione della piattaforma  software complessiva. È stata definita una mappa dettagliata che  descrive come le diverse componenti hardware e software interagiscono  tra loro, assicurando che tutti gli elementi siano integrati in modo  efficiente e ottimizzati per garantire le massime prestazioni.

Fase 4: Sviluppo degli Algoritmi di Intelligenza Artificiale
Questa è la fase in cui il abbiamo  progettato e sviluppato i modelli neurali dedicati alle funzioni  principali: un classificatore basato su reti convoluzionali (YOLO) per il conteggio dei veicoli dalle immagini e un modello ricorrente (DCRNN) per la previsione del flusso di traffico. Abbiamo inoltre implementato  tutti i meccanismi di pre-elaborazione necessari per preparare i dati  grezzi.

Fase 5: Realizzazione del Dimostratore
In questa fase si costruisce il prototipo funzionante della  piattaforma. Un aspetto cruciale è l'integrazione dei simulatori CARLA e SUMO, che ci permettono di generare dati realistici e di testare il  comportamento del sistema in scenari di traffico complessi. Questo  ambiente di co-simulazione è fondamentale per collaudare gli algoritmi  di IA e le funzionalità della piattaforma.

Fase 6: Verifica e Validazione Sperimentale
L'ultima fase del progetto è dedicata alla verifica e alla validazione  sperimentale dell'intera piattaforma. Attraverso test rigorosi,  misureremo le prestazioni del sistema rispetto agli obiettivi iniziali,  garantendo l'affidabilità, l'accuratezza e la robustezza della soluzione Urban Twin.