In estrema sintesi, il lavoro svolto nei complessivi 3 anni, nell’ambito della ricerca ed innovazione di cui è stato oggetto questa tesi di dottorato consiste nella realizzazione di un sistema automatizzato sperimentale per l’aggiornamento del catasto strade attraverso la gestione di big data e l’implementazione di idonei strumenti software e hardware necessari allo scopo. Il sistema automatizzato realizzato permette ad oggi di individuare con estrema precisione i seguenti elementi e di visualizzarli in QGIS: - Segnaletica orizzontale - Segnaletica verticale - Caratteristiche geometriche della strada * Inoltre, si sta lavorando ad un’ulteriore ottimizzazione del sistema, per l’individuazione delle macrocrack stradali, nel tentativo di ottenere risultati che garantiscano la stessa elevata qualità e precisione ottenuta per i sopracitati elementi. A tale scopo, sono stati implementati idonei algoritmi prevalentemente di tipo machine learning per la gestione dei big data (in collaborazione con la Oxford Sustainable Development Enterprise (OxSDE) di Londra) e sono state realizzate (in collaborazione con la Global Power Italia S.r.L. di Catania) le seguenti innovative componenti hardware: - il prototipo di una base di ricarica e trasmissione dati (Smart Grid) - il prototipo di un sistema drone piattaforma per la trasmissione, elaborazione e visualizzazione dei dati (utilizzato principalmente in ambiente indoor per testare il trasferimento delle informazioni come il piano di volo e la gestione delle immagini).

Tecniche di geomatica e soft computing per il monitoraggio delle infrastrutture e la gestione dei big data

BERNARDO, Ernesto
2022-03-04

Abstract

In estrema sintesi, il lavoro svolto nei complessivi 3 anni, nell’ambito della ricerca ed innovazione di cui è stato oggetto questa tesi di dottorato consiste nella realizzazione di un sistema automatizzato sperimentale per l’aggiornamento del catasto strade attraverso la gestione di big data e l’implementazione di idonei strumenti software e hardware necessari allo scopo. Il sistema automatizzato realizzato permette ad oggi di individuare con estrema precisione i seguenti elementi e di visualizzarli in QGIS: - Segnaletica orizzontale - Segnaletica verticale - Caratteristiche geometriche della strada * Inoltre, si sta lavorando ad un’ulteriore ottimizzazione del sistema, per l’individuazione delle macrocrack stradali, nel tentativo di ottenere risultati che garantiscano la stessa elevata qualità e precisione ottenuta per i sopracitati elementi. A tale scopo, sono stati implementati idonei algoritmi prevalentemente di tipo machine learning per la gestione dei big data (in collaborazione con la Oxford Sustainable Development Enterprise (OxSDE) di Londra) e sono state realizzate (in collaborazione con la Global Power Italia S.r.L. di Catania) le seguenti innovative componenti hardware: - il prototipo di una base di ricarica e trasmissione dati (Smart Grid) - il prototipo di un sistema drone piattaforma per la trasmissione, elaborazione e visualizzazione dei dati (utilizzato principalmente in ambiente indoor per testare il trasferimento delle informazioni come il piano di volo e la gestione delle immagini).
uav; big data; road cadastre; machine learning; gis
File in questo prodotto:
File Dimensione Formato  
Bernardo Ernesto_Tesi di dottorato.pdf

accesso aperto

Descrizione: Tesi di dottorato
Tipologia: Tesi di dottorato
Licenza: Creative commons
Dimensione 17.57 MB
Formato Adobe PDF
17.57 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS 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: http://hdl.handle.net/11570/3226160
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact