Progetto di ricerca

Learning, analysis and optimization methodologies for smart communities (DIT.AD016.090)

Area tematica

Ingegneria, ICT e tecnologie per l'energia e i trasporti

Area progettuale

Smart City (DIT.AD016)

Struttura responsabile del progetto di ricerca

Istituto di iNgegneria del Mare (INM)

Responsabile di progetto

CRISTIANO CERVELLERA
Telefono: 0106475654
E-mail: cristiano.cervellera@cnr.it

Abstract

Negli ultimi anni si assiste a un trend sempre più marcato verso l'introduzione di paradigmi "smart" in contesti produttivi, logistici, ambientali, sociali. Malgrado la natura eterogenea dei contesti, i sistemi che caratterizzano gli scenari applicativi sono spesso formalizzabili come sistemi non lineari ad elevata complessità. Altro elemento comune ai vari contesti di una "smart community" è la presenza di un ampio volume di dati provenienti da fonti di varia natura. Un approccio olistico al supporto di comunità "smart" rende quindi fondamentale lo sviluppo di algoritmi e metodologie, tematicamente collocati nella zona di naturale intersezione fra discipline quali la computational intelligence, i controlli automatici, la ricerca operativa, e la statistica, volti a gestire e interpretare i dati provenienti da sistemi complessi e compiere operazioni di analisi, controllo, monitoraggio e diagnostica predittiva, ottimizzazione dinamica delle prestazioni, in applicazioni tipiche di una "smart community" quali, per esempio, mobilità sostenibile, infrastrutture di rete, sistemi per la produzione di energia, comportamento degli utenti di un servizio, processi decisionali.

Obiettivi

Gli obiettivi riguardano l'avanzamento della conoscenza nelle metodologie oggetto della ricerca e il loro impiego nei vari settori grazie alle collaborazioni messe in campo sia con l'Università sia con i vari partner industriali. Le attività con i Partner dei Distretti Sistemi Intelligenti Integrati Tecnologie (SIIT) e delle Tecnologie Marine (DLTM) della Liguria e dei Poli Regionali vertono su vari temi quali l'infomobilità, l'energia, le telecomunicazioni. La collaborazione con vari partner industriali e di ricerca riguarda la presentazione di progetti europei e nazionali sui temi prioritari in ambito di smart communities. Tra gli obiettivi applicativi si citano inoltre i sistemi trasporto. In questo contesto le attività proposte si articolano anche nell'ambito dell'"Intelligent °Transport Systems Laboratory", congiunto con il Dipartimento DIME dell'Università di Genova, dedicato a ricerca su tematiche di metodi data-driven applicati ai sistemi di trasporto, con particolare focus su problemi di mobilità.

Data inizio attività

01/01/2021

Parole chiave

data-driven models, optimal control, computational intelligence, machine learning

Ultimo aggiornamento: 03/08/2025